主成分分析SPSS操作步骤

1、临沂大学建筑学院房地产系主成分分析SPSS操作步骤以教材第五章习题8的数据为例，演示并说明主成分分析的详细步骤:.原始数据的输入习里5工塞根-SPSS£一数据.修久日编物©锐困心。抵假（解掩（1）分杨（因困出处用宸序甜冗再道5窗口型D限釉昌星匕r*L屏生M蝴曲；工地区食品衣着燃料住房交通和通讯娱乐教育文化1北京190.3343.779.73E0.5449.019.042天津136203B,4010.4744.16壬的3943河北96.21228393022.4422.312.804山西1047825116.409.9913V3.255内蒙古128.4127.638.9412

2、.6823.992.276辽宁1456832.83177927.2939.D93.477吉林109.3733.3313.3711.8125295.22a黑龙江116.2229.5713.24137621.756.049上海221.1136:6412.53115.5650W5.09101149829.1211.6742.6027.3057411浙江169.923275127247.1234.355.0D12安献135.J123.09156223.5418.206.3913福建144922126伯.9619及217553714江西140.5421.5017.6419.1915974.9415山东1

3、15.8430.26122033,6033.773.B516河南101JS23.228,4G20.2020.504.30注意事项：关键注意设置好数据的类型（数值？字符串？等等）以及小数点后保留数字的个数即可。i临沂大学建筑学院房地产系选项操作1 .打开SPSS的“分析”一“降维”一“因子分析”打开“因子分析”对话框（如下图）2 .把六个变量：食品、衣着、燃料、住房、交通和通讯、娱乐教育文化输入到右边的待分析变量框3 .设置分析的统计量打开最右上角的“描述”对话框，选中“统计量”里面的“原始分析结果和“相关矩阵”里面的“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

4、；选中系数，会显示相关系数矩阵。）。然后点击统计量尊更是幡述恒5叵题始分折结臬相关矩阵叵霁股©OMN），香佳水平（国月生C&行列式值口反映靠|KM©和Bartlett的蟀形度检验供）打开第二个的“抽取”对话框：“方法”里选取“主成分”；“分析”、“输出和“抽取”这三项都选中各自的第一个选项即可。然后点击“继续15第三个的“旋转”对话框里，选取默认的也是第一个选项“无”第四个“得分”对话框中，选中“保存为变量”的“回归”；以及“显示因子得分系数矩阵回捍有为侠霰I方法a'回归因OBartlett(B)Ander5on-Rublrt(A)M!显示因手阻分荒敷矩醉(

5、必I盘片掣只j|就肋第五个“选项”对话框，默认即可。这时点击“确定”，进行主成分分析.分析结果的解读按照SPSS输出结果的先后顺序逐个介绍1 .相关系数矩阵：是6个变量两两之间相关系数大小的方阵。CorrelationMatrix食品衣着燃料住房交通和通讯娱乐数意文化Correlaiion,食品1.000.692,319.760.736.556会1.000-.081,603.9023B3颉319-.0611.000-.093二061.267窃,760.663-.0B91.000,931,3B7交通和通讯738J02-.061.631LOOO,325娱乐教育文化556.38926?.387.32

6、61.0002 .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。CommunalitiesInitialExtraction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1.000.5843 .总方差的解释:系统默认方差大于1的为主成分，所以只取前两个，前两个主成分累加占到总方差的80.939%。并且第一主成分的方差是3.568,第二主成分的方差是1.288TotalVarianceExplainedComponentInitialEigenvaluesEx

7、tractionSumsofSquaredLoadingsTotal%ofVarianceCumulative%Total%ofVarianceCumulative%13.56859.47459.4743.56859.47459.47421.28821.46680.9391.28821.46680.9393.60010.00190.9414.3595.97596.9165.1422.37299.2886.043.712100.000ExtractionMethod:PrincipalComponentAnalysis.4 .主成分载荷矩阵:ComponentMatrixComponent12交

8、通和通讯.925-.252食品.902.255衣着.880-.224住房.878-.195娱乐教育文化.588.488燃料.093.912应该特别注意：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。那么第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后得到,即(0.490,0.478,0.466,0.465,0.311,0.049)(这才是主成分1的特征向量，满足条件：系数的平方和等于1),分别乘以6个原始变量标准

9、化之后的变量即为第1主成分的函数表达式：Y10.490*Z交0.478*2食0.466*2衣0.465*2住0.311*Z娱0.049*2燃同理可以求出第2主成分的函数表达式。（同学们自己求解！）5 .主成分得分系数矩阵ComponentScoreCoefficientMatrixComponent12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。6 .因子得分在步骤二中，第四个“得分”对话框中，

10、我们选中“保存为变量”的“回归”；以及“显示因子得分系数矩阵"。SPSS的输出结果和原始数据一起显示在数据窗口里面：匿力爵瞰9在耿齿船歌的妹榛出甘折®图形食品榄阴或阳制内袒8窗口皿昌邑国料r+占ISO?删福陶昌工国海J:交通和通iR地区食品衣着燃料住房交通和通讯娱乐教育文化FAC1JFAC2_11北京190.3343.7797360.54H9U19C42.04910,-0.223702)天津135.2036/0W.4744.1636.493940,41770-1.035603河北952122.8393022.4422.612.601.03956-1.019G44山西1D47

11、B25.116409.0918173.25-1.08619-1317865内蒙古128.412763B.9412.6823.99227-072782-L1Q2736辽宁145.6832.8317.7927.2939.093.470.273820455997吉林1593733.3818.3711.B126295220.095661.362733黑龙江1162229.5713.2413.7621756.04-0.392780.47057g上海2211138641253115.6550.625.692.35563>0,4333410回114.98291211H42.6027.305.740,0

12、5796-0.1565411浙江0.92327512.7247.1234.355000.63552-004990M2_I安徽r135.1123.0915.6223.5418.206.39-0.437961.29179福建144.9221.2616.9619.5221.756.370.377671.60657M1405421.5017.6419.1915.974.94-0.677551.4906415山东115.8430.2612.2033.6033.77365-0.11593-05695116河南101.1823.26846202020.604.3D-0.91422-0.7644817特别提醒

13、：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术平方根。即：主成分1得分=因子1得分乘以3.568的算术平方根主成分2得分=因子2得分乘以1.288的算术平方根四.主成分的得分：把因子1和因子2的数值分别乘以各自的方差的算术平方根，得出各地区主成分1和主成分2的得分。（:伴旧索姬曰裸困（中教埴支皓帙务析密）国快0笠用程用限加内甑国窗口迎Q宜曲心0黯割I?第*9曲嚣由画将弋:YAROGOOB1.0地区因子1因子2主成分1主成分2VAROC1北京2.04910-022G703.6706442695G2天津0.41

14、770-1J03E8OC.78900-1.176673河北I-1D3S56-1.018B4-1.96173-1.156064ill西,036191,31汨52口5170J.49564内蒙古-072792-1.10273-1.37478-125149辽宁0.273320.466990.617220.617517吉林0.095661.36273C.180701546568黑龙江0,392760.47057-0741920.534059上海2.35533-0.433344,44994-0.4917S10江苏-0.05796电15654-0J0948,1776511浙江0.63552-0.04990L

15、2D044-0.0566312安徽、43437961.29179-C.8272714660513福建0.377671606570713371.6233014人曲0.67755119084-L279831.6919515山东011653-O.6G051.220870E4G3316河南-0.9U22-0.76449-1.726870.86761后两列就是这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：由步骤3.4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得分一致？）五.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：丫3.568*主成分i得分1.28

16、8*主成分2得分,化简得:3.5681.2883.5681.288Y0.7348*主成分1得分0.2652*主成分2导分。按照此公式计算出各地区的综合得分Y为：靠眼目翱困敷阳口蟀锹KD分园图形（虫生用短序（W用加内散色德口西尊身屋Si'号鼬M裾曲W电感郑明VARU000310地区因子1因子2主成分1主成分2Y1北京2X4910-0.228703.87054-0.259662775242天津0.41770-1.03680073900-1175670.26771,3河北-1.03656-1.D1064*1.96173-1,15606174B074山西-T08619-1.31796-2.05

17、170-1.49564-1.904235内羲古-072782-L10273-1.37478-1.25149-1.342096江宁0.2738204空990.517220,51751051729Vi吉林0.0%S61.382730.190701.546660.54293Fe黑龙江-0.392780470570741%0.63405-0.403539上海2.35533-043334444994-0.491793.1393910江苏4057英-0,15654-0.1034B-0177GS-0.1275611浙江_0E255241,04990120044-0.06BE30.6670612安徽、-0.4

18、37961.2917943.827271.46605-0.2190813福建4J.37/b/1.60657-0713371.02330用.口如5514江西,677551,轨号41.279田1.09195-0.4917215山东,11693-05Q951-Q.22087-0645330.3337口16洵南-09MH-076448-1726870.06761-1.49900按照综合得分Y的大小进行16个地区的排序，结果如下:t（D瑞胃就用（由裁断好襁（D分凤办图额由用后序M用加内苗皂）菌口图0白昌目正居弋迄5畤Y地区因子1因子2主成分1主成分2YV1上海2.35683-0.433344.44994

19、-0491793.139392北京2.04910-0.22B703.87054-025956277524p3浙江063652-O.D49901.20044-0066630.867C®吉林0.095061.302730.130701.546560542936辽宁0.2Z332045599D.517220.517510.51729E天津0.41770-1.036300.73900-1.176670.267717福建-0.377671.60657-D71337182330-0.04065e江苏口。5796-0.15654-0.10949017765-0.127569安微0,437961.29179-0