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。