主成分分析spss实例（主成分分析 spss）_全球观速讯

主成分分析spss实例，主成分分析 spss很多人还不知道，现在让我们一起来看看吧！

1.将数据输入excel或spss。

(相关资料图)

2.数据标准化：打开数据后，选择分析描述统计描述对数据进行标准化，选择将标准化分数保存为变量：

3.主成分分析：选择分析降维因子分析。

4.设置描述、提取、评分和选项：

5.查主成分分析分析：相关矩阵显示指标间有很强的相关性。比如GDP总量与财政收入、固定资产投资总额、第二产业增加值、第三产业增加值、工业增加值的相关系数就大。这说明它们的指标信息之间存在重叠，适合进行主成分分析。

6.解释的总方差(特征根和主成分贡献率)表明，特征根1=9.092，特征根2=1.150。前两个主成分的累积方差贡献率为93.107%，涵盖了大部分信息。结果表明，前两个主成分可以代表分析河南省各市综合经济实力发展水平的前11个指标，因此可以提取前两个指标。主要成分分别为F1和F2。

7.指标X1，X2，X3，X4，X5，X6，X7，X8，X9，X10在第一主成分上的负荷高，相关性强。第一主成分反映整体经济总量。X11对第二主成分的负荷高，相关性强。第二个主成分反映的是人均经济水平。但是需要注意的是，这个主成分载荷矩阵不是主成分的特征向量，也就是说，它不是主成分1和主成分2的系数。主成分系数的计算方法如下：每个独立分量负荷向量除以每个独立分量特征值的算术平方根。

8.分量得分系数矩阵(因子得分系数)列出了强两个特征根对应的特征向量，即主分量解析表达式中标准化变量的系数向量。因此主要成分的解析表达式为f1=0.32 zx 11 0.33 zx 12 0.31 zx 13 0.31 zx 14 0.32 zx 15 0.32 zx 16 0.32 zx 17 0.32 zx 18 0.32 zx 19 0.21 zx 110 0.15 zx 111。

F2=8.46 zx21 0.02 zx22-0.02 zx23-0.20 zx24-0.23 z25-0.04 zx26-0.15 zx27-0.02 zx28 0.10 zx29 0.47 zx210 0.78 zx211

9.主成分得分是相应因子得分乘以相应方差的算术平方根。即主成分1得分=因子1得分乘以算术平方根9.092，主成分2得分=因子2得分乘以算术平方根1.150。比如郑州：主成分因子=fac 1 _ 1 * 9.092的算术平方根=3.59386 * 9.092的算术平方根=10.83，将各指标的标准化数据带入主成分解析表达式，分别计算两个主成分得分(F1，F2)，然后取各主成分对全书的贡献率，对主成分得分进行加权平均，即H=(82.672*F1 10.497*F2)/93。

本文到此结束，希望对大家有所帮助。

关键词：