数据分析入门培训课件spss教学.pdf

第SPSS章 主成分分析、因子分析 分类模型(聚类分析) 判别分析 方差分析 （进阶） 对应分析 信息浓缩技术 －－主成分分析、因子分析 主成分分析、因子分析 概述 •解决变量间多重共线性(data reduction) ◼ 有太多的变量，希望能够消减变量，用一个新的、更小 的由原始变量集组合成的新变量集作进一步分析 ◼ 新变量集能够更有利于简化和解释问题 •探讨变量内在联系和结构(structure detection) ◼ 观测变量之间的存在相互依赖关系 ◼ 由量表所反映出的受访者对卫生服务的真实满意度 3 主成分分析 •只是一种中间 ，其背景是研究中经常会遇到多 指标的问题，这些指标间往往存在一定的相关，直 接纳入分析不仅复杂，变量间难以取舍，而且可能 因多元共线性而无法得出正确结论 •主成分分析的目的就是通过线性变换，将原来的多 个指标组合成相互独立的少数几个能充分反映总体 信息的指标，便于进一步分析 ◼ 尽可能保留原始变量的信息，且彼此不相关 4 x2 x2 Y1 Y2 x1 x1 X1与x2相关 Y1与Y2不相关 5 •在主成分分析中，提取出的每个主成分都是原来多 个指标的线性组合 • 两个原始变量x1和x2 ，则一共可提取出两个 主成分如下： ◼ z1=b11x1+b21x2 ◼ z2=b12x1+b22x2 6 •原则上如果有n个变量，则最多可以提取出n个主 成分，但如果将它们全部提取出来就失去了该方法 简化数据的实际意义。多数情况下提取出前2~3个 主成分已包含了90%以上的信息，其他的可以忽 略不计。 •在进行主成分回归时，提取出的主成分能包含主要 信息即可，不一定非要有准确的实际含义。 7 主成分分析 •方法用途 ◼ 主成分评价：当进行多指标的综合评价时，应用主成分 方法将多指标中的信息集中为若干个主成分，然后 求和，得到综合评价指数。 ◼ 主成分回归：通过对存在共线性的自变量进行主成分分 析，从而在提取多数信息的同时解决共线性问题。 8 案例： 经济发展情况综合评价 •现希望根据 30个省市 经济发展基本情 况的八项指标对其进行分析和排序。具体指标有： GDP、居民消费水平、固定资产投资、职工平均 工资、货物周转量、居民消费价格指数、商品零售 价格指数、工业总产值，数据文件见 factor1.sav。 9 因子分析 •是一种多变量化简技术。目的是分解原始变量，从 中归纳出潜在的“类别”，相关性较强的指标归为一 类，不同类间变量的相关性较低。每一类变量代表 了一个“共同因子”，即一种内在结构，因子分析就 是要寻找该结构。 ◼ 探索性因子分析 ◼ 证实性因子分析 10 •比如在市场 中收集了食品的五项指标：味道、 价格、风味、是否快餐食品、能量。经过因子分析 后发现结果如下： ◼ x1=0.02z1+0.99z2+ε1