您的位置首页>互联网>

主成分分析:spss主成分分析教程

导读今天来聊聊一篇关于主成分分析:spss主成分分析教程的文章,现在就为大家来简单介绍下主成分分析:spss主成分分析教程,希望对各位小伙伴们有

今天来聊聊一篇关于主成分分析:spss主成分分析教程的文章,现在就为大家来简单介绍下主成分分析:spss主成分分析教程,希望对各位小伙伴们有所帮助。

主成分分析的主要原理是寻找一个适当的线性变换:

•将彼此相关的变量转变为彼此独立的新变量;

•方差较大的几个新变量就能综合反应原多个变量所包含的主要信息;

•新变量各自带有独特的专业含义。

主成分分析的作用是:

•减少指标变量的个数

•解决多重相关性问题

1、先在spss中准备好要处理的数据,然后在菜单栏上执行:analyse--dimension reduction--factor analyse。打开因素分析对话框;

2、我们看到下图就是因素分析的对话框,将要分析的变量都放入variables窗口中;

3、点击descriptives按钮,进入次级对话框,这个对话框可以输出我们想要看到的描述统计量;

4、因为做主成分分析需要我们看一下各个变量之间的相关,对变量间的关系有一个了解,所以需要输出相关,勾选coefficience,点击continue,返回主对话框;

5、回到主对话框,点击ok,开始输出数据处理结果;

6、你看到的这第一个表格就是相关矩阵,现实的是各个变量之间的相关系数,通过相关系数,你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;

7、第二个表格显示的主成分分析的过程,我们看到eigenvalues下面的total栏,他的意思就是特征根,他的意义是主成分影响力度的指标,一般以1为标准,如果特征根小于1,说明这个主因素的影响力度还不如一个基本的变量。所以我们只提取特征根大于1的主成分。如图所示,前三个主成分就是大于1的,所以我们只能说有三个主成分。另外,我们看到第一个主成分方差占所有主成分方差的46.9%,第二个占27.5%,第三个占15.0%。这三个累计达到了89.5%。

相信通过主成分分析:spss主成分分析教程这篇文章能帮到你,在和好朋友分享的时候,也欢迎感兴趣小伙伴们一起来探讨。

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时间联系我们修改或删除,多谢。