spss进行主成分分析及得分分析.doc

-
. z.
spss进行主成分分析及得分
-
. z.
spss进行主成分分析及得分分析
1
将数据录入spss
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，选中将标准化得分另存为变量：
3
进行主成分分析：选择分析→降维→因子分析，
4
设置描述性，抽取，得分和选项：
5
查看主成分分析和分析：
相关矩阵表明，各项指标之间具有强相关性。比如指标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较大。这说明他们之间指标信息之间存在重叠，适合采用主成分分析法。（下表非完整呈现）
6
由 Total Variance E*plained（主成分特征根和贡献率）可知，特征根λ1=，特征根λ2=%，即涵盖了大部分信息。这表明前两个主成分能够代表最初的11个指标来分析河南各个城市经济综合实力的发展水平，故提取前两个指标即可。主成分，分别记作F1、F2。
7
指标*1、*2、*3、*4、*5、*6、*7、*8、*9、*10在第一主成分上有较高载荷，相关性强。第一主成分集中反映了总体的经济总量。*11在第二主成分上有较高载荷，相关性强。第二主成分反映了人均的经济量水平。但是要注意：
这个主成分载荷矩阵并不是主成分的特征向量，也就是说并不是主成分1和主成分2的系数，主成分系数的求法是：各自主成分载荷向量除以各自主成分特征值的算术平方根。
8
成分得分系数矩阵（因子得分系数）列出了强两个特征根对应的特征向量，即各主要成分解析表达式中的标准化变量的系数向量。故各主要成分解析表达式分别为：
-
. z.
F1=*11+*12+*13+*14+*15+*16+*17+*18+