《主成分分析SPSS操作步骤》由会员分享，可在线阅读，更多相关《主成分分析SPSS操作步骤（14页珍藏版）》请在金锄头文库上搜索。
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128.4127.638.9412.6823.992.27
2、6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115.8430.2612
3、2033,6033.773.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；选中系数，会显示相关系
4、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3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(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”
5、，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?.387.3261.0002 .共同度：给出了这次主成分分析从原始变量中提取的信息
6、，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1.288TotalVarianceExplainedComponentInitialEigenvaluesExtractionSumsofSquaredLoadingsTotal
7、%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交通和通讯.925-.252食品.902.255衣着.880-.224
8、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0,4333410回114.98291211H42.6027.305.740,05796-0.1565411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：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
