SPSS进行主成分分析的步骤(图文)[借鉴].pdfVIP

精品文档 ·可编辑版 主成分分析的操作过程 原始数据如下（部分） 调用因子分析模块（Analyze ―Dimension Reduction―Factor），将需要参与分析 的各个原始变量放入变量框，如下图所示： 1 / 10 精品文档 ·可编辑版 单击Descriptives 按钮，打开Descriptives 次对话框，勾选KMO and Bartlett’s test of sphericity 选项（Initial solution 选项为系统默认勾选的，保持默认即可）， 如下图所示，然后点击Continue 按钮，回到主对话框： 其他的次对话框都保持不变（此时在Extract 次对话框中，SPSS 已经默认将提取 公因子的方法设置为主成分分析法），在主对话框中点OK 按钮，执行因子分析， 得到的主要结果如下面几张表。 ①KMO和Bartlett 球形检验结果： 2 / 10 精品文档 ·可编辑版 KMO 为0.6350.6 ，说明数据适合做因子分析；Bartlett 球形检验的显著性P 值 为0.0000.05 ，亦说明数据适合做因子分析。 ②公因子方差表，其展示了变量的共同度，Extraction 下面各个共同度的值都大 于0.5 ，说明提取的主成分对于原始变量的解释程度比较高。本表在主成分分析 中用处不大，此处列出来仅供参考。 ③总方差分解表如下表。由下表可以看出，提取了特征值大于1 的两个主成分， 两个主成分的方差贡献率分别是55.449%和29.771%，累积方差贡献率是 85.220%；两个特征值分别是3.327 和1.786。 ④因子截荷矩阵如下： 3 / 10 精品文档 ·可编辑版 根据数理统计的相关知识，主成分分析的变换矩阵亦即主成分载荷矩阵U 与因子载荷矩阵 A 以及特征值 λ的数学关系如下面这个公式： Ui  Ai i 故可以由这二者通过计算变量来求得主成分载荷矩阵U。 新建一个SPSS 数据文件，将因子载荷矩阵中的各个载荷值复制进去，如下图所 示： 计算变量（Transform-Compute Variables ）的公式分别如下二张图所示： 4 / 10 精品文档 ·可编辑版 计算变量得到的两个特征向量U1 和U2 如下图所示（U1 和U2 合起来就是主成 分载荷矩阵）： 所以可以得到两个主成分Y1 和Y2 的表达式如下： Y1 ＝0.456X1+0.401X2+0.428X3+0.490X4+0.380X5+0.253X6 Y2 ＝-0.367X1+0.322X2-0.323X3-0.303X4+0.453X5+0.602X6 由上面两个表达式，可以通过计算变量来得到Y1 、Y2 的值。需要注意的是，在 计算变量之前，需要对原始变量进行标准化处理，上述Y1 、Y2 表达式中的 5 / 10 精品文档 ·可编辑版 X1~X9 应为各原始变量的标准分，而不是原始值。（另外需注意，本操作需要在 SPSS 原始文件中来进行，而不是主成分载荷矩阵的那个SPSS 数据表中。） 调用描述统计：描述模块（Analyze －Descriptive St