主成分分析操作步骤
主成分分析操作步骤
1）先在spss中录入原始数据
袁幌0 KMCi 删曲唇亶馳卜DG（W S^njRtJJ 11口辿J KU删
吕叫? r茗命窗?n靂二?1 a
15柞mjj 和啊r fJl I 111
1芋砂1a Q X X目
2險￡g 2壬无8
3>SB壬9
4申料皺咱 B Z X a
t8 2±@
&一:jfi fulfil9 2￡X9
?寓咽8 ?E9
2）菜单栏上执行【分析】一一【降维】一一【因子分析】，打开因素分析对话框，将要分析的变量都放入【变量】窗口中
3）设计分析的统计量
点击【描述】：选中“ Statistics ”中的“原始分析结果”和“相关性矩阵”中的“系数”。（选中原始分析结果，SPSS自动把原始数据标准差标准化，但不显示出来；选中系数，会显示相关系数矩阵）然后点击“继续”。
点击【抽取】：“方法”里选取“主成分”；“分析”、“输出”、“抽取”均选中各自的第一个选项即可。
点击【得分】：选中“保存为变量”，方法中选“回归”；再选中 V 尿存为穽昼腔｝
「方法 -------------- ◎目甘砂 < Bartlett
C Ardorson-F?ubin
点击【选项】：选择“按列表排除个案”。
点击【旋转】：选取第一个选项“无”。
（当因子分析的抽取方法选择主成分法时，且不进
“显示因子得分系数矩阵”
行因子旋转，则其结果即为主成分分析）
4)结果解读
5) A.相关系数矩阵：是6个变量两两之间的相关系数大小的方阵。通过相关系数可以看到各个变量之间的相关，进而了解各个变量之间的关系。
B.共同度：给出了这次主成分分析从原始变量中提取的信息，可以看出交通和通讯最多，而娱乐教育文化损失率最大。
C.总方差的解释：系统默认方差大于1的为主成分。如果小于1,说明这个主因素的影响力度还不如一个基本的变量。所以只取前两个，且第一主成分的方差为3.568，第二主成分的方差为1.288，前两个主成分累加占到总方差的80.939%<
D.主成分载荷矩阵:
a.擷取2個元件。
特别注意：
该主成分载荷矩阵并不是主成分的特征向量，即不是主成分1和主成分2的系数。
主成分系数的求法：各自主成分载荷向量除以各自主成分特征值得算数平方根。
则第1主成分的各个系数是向量（0.925，0.902，0.880 , 0.878，0.588，0.093）除
以.3.568 后才得到的，即（0.490, 0.478，0.466，0.465，0.311，0.049）
才是主成分1的特征向量，满足条件是系数的平方和等于1,分别乘以6个原始
变量标准化之后的变量即为第1主成分的函数表达式（作业中不用写公式）：
Y1=0.490*Z 交+0.478*Z 食+0.466*Z 衣+0.465*Z 住+0.311*Z 娱+0.049*Z 燃同理可求出第2主成分的函数表达式。
E.主成分得分系数矩阵
元件評分。
该矩阵是主成分载荷矩阵除以各自的方差得来的，实际上是因子分析中各个因子的系数，在主成分分析中可以不考虑它。
元件評分
6）因子得分在之前的“得分”对话框中，由于选中了“保存为变量”，方法中的“回归”；又选中了“显示因子得分系数
结果和原始数据一起显示在数据窗口里:
矩阵”，因此S P S S的输出
特别提醒: 后两列的数据是北京等16个地区的因子1和因子2的得分，不是主成分1和主成
分2的得分。主成分的得分是相应的因子得分乘以相应的方差的算数平方根。
即：主成分1得分=因子1得分乘以3.568的算数平方根
主成分2得分=因子2得分乘以1.288的算数平方根得出各地区主成分1和主成分2的得分如下表:
些?未礙2閏指棄L]-加时St
t 熬薛疑耳
a
后两列就是16个地区主成分1和主成分2的得分。（有兴趣的同学可以验证一下：上面推
导出来的主成分的函数关系式计算出来的主成分得分是否与该数据栏的的得分一致）
8）综合得分及排序：
每个地区的综合得分是按照下列公式计算的：
2 斥右乂1
化简得: Y =——二-------------- 赚丄成分1得分+ ---------------- - --------- 水丄成分2得分，
3,56^5 + 1 3 .56?+ 丨加只
Y=0.73476*主成分1得分+0.26524*主成分2得分
按照此公式计算出各地区的综合得分Y为：