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。
2）菜单栏上执行【分析】——【降维】——【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【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，且不进行因子旋转，则其结果即为主成分分析）
点击【得分】：选中“保存为变量”，方法中选“回归”；再选中“显示因子得分系数矩阵”。
点击【选项】：选择“按列表排除个案”。
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。
相關性矩陣
食品衣着燃料住房交通和通讯娱乐教育文化相關食品 1.000 .692 .319 .760 .738 .556 衣着.692 1.000 -.081 .663 .902 .389 燃料.319 -.081 1.000 -.089 -.061 .267 住房.760 .663 -.089 1.000 .831 .387 交通和通讯.738 .902 -.061 .831 1.000 .326 娱乐教育文化.556 .389 .267 .387 .326 1.000
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。
Communalities
起始擷取
食品 1.000 .878
衣着 1.000 .825
燃料 1.000 .841
住房 1.000 .810
交通和通讯 1.000 .919
娱乐教育文化 1.000 .584
擷取方法：主體元件分析。
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%。
說明的變異數總計
元件
起始特徵值擷取平方和載入
總計變異的% 累加% 總計變異的% 累加%
1 3.568 59.474 59.474 3.568 59.474 59.474
2 1.288 21.466 80.939 1.288 21.466 80.939 3
.600 10.001 90.941
4
.358 5.975 96.916
5
.142 2.372 99.288
6
.043 .712 100.000
擷取方法：主體元件分析。
D.主成分载荷矩阵：
元件矩陣a
元件
1 2
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）.3后才得到的，即（0.490，0.478，0.466，0.465，0.311，0.049）除以568
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
元件評分係數矩陣
元件
1 2
食品.253 .198
衣着.247 -.174
燃料.026 .708
住房.246 -.152
交通和通讯.259 -.196
娱乐教育文化.165 .379
擷取方法：主體元件分析。
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。
元件評分共變異數矩陣
元件 1 2
1 1.000 .000
2 .000 1.000
擷取方法：主體元件分析。
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“显示因子得分系数矩阵”，因此SPSS的输出结果和原始数据一起显示在数据窗口里：
7）主成分得分
特别提醒：
后两列的数据是等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：
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：
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：