主成分分析的SPSS实现PPT.ppt

用SPSS作主成分分析;主成分分析法和SPSS软件应用时 一对一的正确步骤： ? ; （一）指标的正向化。 指标最好有同趋势化，一般为了评价分析的方便，需要将逆指标转化为正指标，转化的方式为用逆指标的倒数值代替原指标。 （二）指标数据标准化（SPSS软件自动执行，下图）。 （三）指标之间的相关性判定：用SPSS软件中表“Correlation Matrix(相关系数矩阵)”判定。 ;数据标准化：; （四）确定主成分个数m：用SPSS软件中表“Total Variance Explained(总方差解释)” 的主成分方差累计贡献率 %、结合表“Component Matrix(初始因子载荷阵)”中变量不出现丢失确定主成分个数m。 （SPSS中选取主成分的方法有两个：一是根据特征根≥1来选取； 另一种是用户直接规定主成分的个数来选取。）; （六）主成分Fi命名：用SPSS软件中表“Component Matrix”中的第 i 列中系数绝对值大的对应变量对Fi命名(有时命名清晰性低)。 （七）主成分与综合主成分得分(评价值) （这是SPSS软件及其教科书中没完善的地方）：主成分得分是根据表达式将标准化后的相应数据代入得到的， 在“transform_compute”中输入主成分的表达式（特征向量与标准化后的数据相乘），确定后即可得到各主成分的得分Fi 。; 若需要综合得分，还需在“transform_compute”中输入综合评价函数 ; （八）检验：综合主成分(评价)值用实际结果、经验与原始数据做聚类分析进行检验（对有争议的结果，可用原始数据做判别分析解决争议）。 （九）综合实证分析。;x1：人均粮食支出（元/人） x2：人均副食支出（元/人） x3：人均烟、酒、茶支出（元/人） x4：人均其他副食支出（元/人） x5: 人均衣着商品支出（元/人） x6: 人均日用品支出（元/人 x7: 人均燃料支出（元/人） x8: 人均非商品支出（元/人）; 利用FACTOR 实现主成分分析时，在确定公共因子个数（Numbers of Factor）时，一般直接选择与原变量数目相等的个数，这样可以避免由于采用默认形式后累计方差贡献;;;;F1;;;结束;用SPSS作主成分分析;主成分分析法和SPSS软件应用时 一对一的正确步骤： ? ; （一）指标的正向化。 指标最好有同趋势化，一般为了评价分析的方便，需要将逆指标转化为正指标，转化的方式为用逆指标的倒数值代替原指标。 （二）指标数据标准化（SPSS软件自动执行，下图）。 （三）指标之间的相关性判定：用SPSS软件中表“Correlation Matrix(相关系数矩阵)”判定。 ;数据标准化：; （四）确定主成分个数m：用SPSS软件中表“Total Variance Explained(总方差解释)” 的主成分方差累计贡献率 %、结合表“Component Matrix(初始因子载荷阵)”中变量不出现丢失确定主成分个数m。 （SPSS中选取主成分的方法有两个：一是根据特征根≥1来选取； 另一种是用户直接规定主成分的个数来选取。）; （五）主成分Fi表达式（这是SPSS软件及其教科书中没完善的地方）：经过FACTOR 过程产生的是因子载荷阵，但主成分分析模型需要的不是因子载荷量而是特征向量，所以还需将因子载荷量输入数据编辑窗口，利用 “主成分相应特征根的平方根与特征向量乘积为因子载荷量”的性质用TRANSFORM——COMPUTE 来计算特征向量，得到主成分的线性表达式。; 将SPSS软件中表“Component Matrix”中的第i 列向量除以第i个特征根的开根后就得到第i个主成分函数Fi 的系数（将前m个因子载荷矩阵输入到数据编辑窗口,为变量A1,A2, …,Am,在“transform --compute”中进行计算 Ui=Ai / SQR( ），得到特征向量Ui，由此写出主成分Fi表达式。; （六）主成分Fi命名：用SPSS软件中表“Component Matrix”中的第 i 列中系数绝对值大的对应变量对Fi命名(有时命名清晰性低)。 （七）主成分与综合主成分得分(评价值) （这是SPSS软件及其教科书中没完善的地方）：主成分得分是根据表达式将标准化后的相应数据代入得到的， 在“t