spss进行主成分分析及得分分析

spss进行主成分分析及得分分析XB将数据录入spss-bllJ^wn2d"6<r^^.AXU-HXB将数据录入spss-bllJ^wn2d"6<r^^.AXU-H984^33007^5616^94?3「.！sn—Tta-h-n4r.Mdi5xydjnJJ3gI1ffrisg7305<3_733-a137r®2JHcv10.-9Is712!53£221Io7ooE.4--^1-£-57w4s31fi3s

as2211-1--Ed-T1R-TsA-9_25Jw

Q_y33$I2b-—Q-10-DMD$fl!1■IL1nlIIl*-rmU1，选中将标数据标准化：打开数据后选择分析T描述统计T描述，对数据进行标准化准化得分另存为变量：，选中将标□(1ZX3zmZK5ZXGzxr3MTIQ37«K3SJ133I05M5-H»«Q32HJ5并W9曹J1M«•4-3514-.39wr-2S?ifl-«9S40>2M26-J1S341-1?39K5D«1■U2&iS.1O1490137W31055Kt367«OZ445nuz•0374?-3S254•24545263J11巧删PW7・06567■11HB・W6121■25M3M2K-U71H71H91"丽血-45145-951-Si■94839•現gH2iB7>92^21-12106-.BW97-03W94B7-G?"3836-118M-J73W-1®335-.Mira■丽954-2E93fiDBtHEh・3223323912-233K31938-.&1H13"砂-.350C3-655A?・5S■47613■逊前■.如SOQI3Z87・1C1IS-21^L15&S&245453蚁日-JWl42204-.73317Jam丄將&-B72it-J61M55G24!->311-S215S・.4W?「25«70™32»2■JllMS■29S25■assn77607・01T91-60216TB732-■962旳58B9515513572410-.17^33-J2A33♦17?1H「・lOiVS-44DJ4-WK・492跡-J.55M伽甜1B45S.-5MH-Mm54•7明茴-.07416-1E5$£:1R250t??Ea』3&刚191E7■翌丘卿-41151-.imi■JF131-.631賢-U3T5■6S24-5d13844•62441■117«1>-1-Q1429-1呻1■W9«■1PWS进行主成分分析：选择分析T降维T因子分析，设置描述性，抽取，得分和选项：25卜烷凶子分析:啊唏四子分析厂抽取厂辎出©相关性矩博迟｝©协方差矩晖世）島大收敛性迭代友数Q9：3未旋转的因子宦25卜烷凶子分析:啊唏四子分析厂抽取厂辎出©相关性矩博迟｝©协方差矩晖世）島大收敛性迭代友数Q9：3未旋转的因子宦□碎石图•固［堆续］确富J|耗贴日|1重詈®n取洋H显币因子得分条敎矩阵©両］［取消］儒丽「方法關回归O©Bartlett(B)©Anderson-RubinCA)城市X1X2X3X4X5X6X7XSX9X103固子分折:国子得井方送雪iiS；帮助©基于特征值［目特证值犬于也）；E©因子的固定数S（N）要提取的因子CD；查看主成分分析和分析：相关矩阵表明，各项指标之间具有强相关性。比如指标GDP总量与财政收入、固定资产投资总额、第二产业增加值、第三产业增加值、工业增加值的相关系数较大。这说明他们之间指标信息之间存在重叠，适合采用主成分分析法。（下表非完整呈现）相关系数矩阵由TotalVarianceExplained（主成分特征根和贡献率）可知，特征根入1=9.092,特征根入2=1.150前两个主成分的累计方差贡献率达93.107%,即涵盖了大部分信息。这表明前两个主成分能够代表最初的11个指标来分析XX各个城市经济综合实力的发展水平，故提取前两个指标即可。主成分，分别记作F1、F2。lol£.1巧riaoniCBEsp|lullillE1cAirrthtiEiVrlCliL^ei险諾ofSqn^LE^dlLo^dinc占Tfltil*ViriinCiCwu]*iiv«KTvtd*mfTillinceCumlitLv«<?.WJ羿卸U^!lv.vn越.琦】21.150L0J56収IE1J5010.33513』讣WJ174.ill■96.21135.MS49,oai舀.056MLW.55C1■®7.334蚁9233■DIM.(HI般曲号.DQ3.031的g叭30.DOI.咂W.9TS]]£.49IE00$血LIM.DOO指标XI、X2、X3、X4、X5、X6、X7、X8、X9、X10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OX11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。CmigjonGntMatrixConpanent12XI.975-.197X2,01S,940-,027X4,94&-.213I.952-.2511X6.975-.MS-.1501XS.965-.027.957.110JflO.71S.506,465,M1ylY20.323.460.330.020.31-0.020.31-0.20.32-0.230.32-0.040.32-0.150.32-0.020.320.10.240.470.150.78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：F1=0.32ZX11+0.33ZX12+0.31ZX13+0.31ZX14+0.32ZX15+0.32ZX16+0.32ZX17+0.32ZX18+0.32ZX19+0.21ZX110+0.15ZX111F2=8.46ZX21+0.02ZX22-0.02ZX23-0.20ZX24-0.23Z25-0.04ZX26-0.15ZX27-0.02ZX28+0.10ZX29+0.47ZX210+0.78ZX211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得分二因子1得分乘以9.092的算术平方根主成分2得分二因子2得分乘以1.150的算术平方根例如XX:主成分因子二FAC1_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个主成分解析表达式中，分别计算出2个主成分得分（F1、F2）,再以个主成分的贡献率为全书对主成分得分进行加权平均，即：H=（82.672*F1+10.497*F2）/93.124,求得主成分综合得分。

MflrareMflrare许r新会th山EfT^Uftrwe卿MEFl*4F2F常峯舞合g舟10KX13279.«fi13ItI -351027821153■的15w3首414324.215 -M4.26&.<BS19B.466■w7-4i15•恃7a?3■Ifi9s-1.2?123■9891019-1.2»1B•1.4BID1014-14M11■i.a11.1IT17■1JO12-1.S3-153351■i.ifi13•1.站13-1.1116-i.ji14-1.fi?14j601315■i.er15.2$111d£l161717■ISi18435■iis16END经验内容仅供参考，如果您需解决具体问题（尤其法律、医学等领域），建议您详细咨询相关领域专业人士。举报作者声明：本篇经验系本人依照真实经历原创，未经许可，谢绝。6.10根据习题5.卫中2003年我国省会城训和计划单列巾的主要径济指标数据,利用主成好彷析法対这些地区进行猎类。解：SPSS 分分析的具障方龍参见丘&分析结杲如卞：表SJ特社根和方差贡献率表1234567B9解秤的龍育差初始特征值提取平启抑载入台计育差的粘累飛％台计育差的隔累執％I5.05856,1995S1995.05856.19956.1982.3902655182J502.3902655132750.614904191.790.3413,78495.575.2482.75998.3331001.10899.441.02730499.744.02021999.964.003.036100.0006.8因子載荷阵成伪12xl.655.722x2E2S.736x3,315-.444x4.694-571x5.SOS-.302x6B94-.419x7E87.607X8.683.180,682-.370衣6・6特征向竝饨阵zlz2X10.290.17x20.280.18x30.14-0.29xl0.31-0.37x50.10-0.20x60.10-0.27x70.310.39x80.390.12x90.39-0.21根据表6.6得i成分的表达式：丫1=0.29X1+0.28X2+0.14X3+0.31X4+0.4X5-0.4X6+0.31X7+0.39X8+0.39X9K2=0.47Xl+0.4SX2-0.29X3-0.37X4-0.2X5-0.27X6+0.39X7+0.12X8-0.24X9分别计算山以上顷后.利用公式y二厶丫1+厶『2命到综介幻分并扌4•序如卜农yly2y探圳170038.89254204.05197055.90-.海70185.8834213.0258638.59厦门50894.5369593.9356897.04厂州55849.2132174.5848249.65杭州42167.7129244.9838019.51宁波40552.8528367.3436641.30.i：M45747.3811555.7334771.86幽〒45747.3811555.7334771.86共津39597.9021080.5233653.82海L39597.9021080.5233653.82南京36680.7525804.6533189.52