主成分分析操作步骤

1、.主成分分析操作步骤1）先在 spss中录入原始数据。2）菜单栏上执行【分析】【降维】【因子分析】，打开因素分析对话框，将要分析的变量都放入【变量】窗口中。;.3）设计分析的统计量点击【描述】：选中“ Statistics”中的“原始分析结果”和“相关性矩阵”中的“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；选中系数，会显示相关系数矩阵）然后点击“继续”。点击【抽取】：“方法”里选取“主成分”；“分析”、“输出”、“抽取”均选中各自的第一个选项即可。;.点击【旋转】：选取第一个选项“无”。 （当因子分析的抽取方法选择主成分法时，且不进行因子旋转，则其结果即为

2、主成分分析）点击【得分】 ：选中“保存为变量” ，方法中选 “回归” ；再选中 “显示因子得分系数矩阵”。点击【选项】：选择“按列表排除个案”。;.4）结果解读5）A. 相关系数矩阵 ：是 6 个变量两两之间的相关系数大小的方阵。通过相关系数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。相關性矩陣食品衣着燃料住房交通和通讯娱乐教育文化相關食品1.000.692.319.760.738.556衣着.6921.000-.081.663.902.389燃料.319-.0811.000-.089-.061.267住房.760.663-.0891.000.831.387交通和通讯.738.90

3、2-.061.8311.000.326娱乐教育文化.556.389.267.387.3261.000B. 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。Communalities起始擷取食品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1.000.584擷取方法：主體元件分析。C. 总方差的解释： 系统默认方差大于 1 的为主成分。如果小于 1，说明这个主因素的影响力度还不如一个基本的变量。 所以只取前两个， 且第一主成分的方差为 3.568，第二主成分的方差

4、为1.288，前两个主成分累加占到总方差的 80.939%。說明的變異數總計起始特徵值擷取平方和載入元件總計變異的 %累加 %總計變異的 %累加 %13.56859.47459.4743.56859.47459.47421.28821.46680.9391.28821.46680.9393.60010.00190.9414.3585.97596.9165.1422.37299.2886.043.712100.000擷取方法：主體元件分析。;.D.主成分载荷矩阵：元件矩陣 a元件12食品.902.255衣着.880-.224燃料.093.912住房.878-.195交通和通讯.925-.252娱

5、乐教育文化.588.488擷取方法：主體元件分析。a. 擷取2 個元件。特别注意：该主成分载荷矩阵并不是主成分的特征向量，即不是主成分 1 和主成分 2 的系数。主成分系数的求法：各自主成分载荷向量除以各自主成分特征值得算数平方根。则第 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 后才得到的，即（ 0.490，0.478，0.466，0.465， 0.311， 0.049）才是主成分 1 的特征向量，满足条件是系数的平方和等于 1，分别乘以 6 个原始变量标准化之后的变量即为第 1 主成分的函数表达式（ 作业中不用写

6、公式 ）：Y1 =0.490*Z 交 +0.478*Z 食+0.466*Z 衣+0.465*Z 住+0.311*Z 娱+0.049*Z 燃同理可求出第 2 主成分的函数表达式。E.主成分得分系数矩阵元件評分係數矩陣元件12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擷取方法：主體元件分析。元件評分。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。;.元件評分共變異數矩陣元件1211.000.0002.0001.000擷取方法：主體元件分析。

7、元件評分。6）因子得分在之前的“得分”对话框中，由于选中了“保存为变量”，方法中的“回归”；又选中了“显示因子得分系数矩阵”，因此 SPSS 的输出结果和原始数据一起显示在数据窗口里：7）主成分得分特别提醒：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数平方根。即：主成分 1 得分 =因子 1 得分乘以 3.568 的算数平方根主成分 2 得分 =因子 2 得分乘以 1.288 的算数平方根得出各地区主成分1 和主成分 2 的得分如下表：;.后两列就是16 个地区主成分1 和主成分2 的得分。（

8、有兴趣的同学可以验证一下：上面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的得分一致）8）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：Y=0.73476* 主成分 1 得分 +0.26524*主成分 2 得分按照此公式计算出各地区的综合得分Y 为：;.按照综合得分 Y 的大小进行 16 个地区的排序：点击【数据】【排序个案】;.特别提醒：1.若主成分分析中有n 个变量，则特征值（或方差）之和就等于n；2.特征向量（或主成分的系数）中各个数值的平方和等于1，否则就不是特征向量，也不是主成分系数；3.主成分载荷向量各系数的平方和等于其对应的主成分的方差；本例中 0.9252 + 0.9022 + 0.8802 + 0.8782 + 0.5882 + 0.0932 = 3.5684.SPSS 没有专门的主成分分析模块，是在因子分析