SPSS进行主成分分析步骤(图文).docx

主成分分析的操作过程原始数据如下（部分）调用因子分析模块（Analyze―Dimension Reduction―Factor），将需要参与分析的各个原始变量放入变量框，如下图所示：请预览后下载！单击Descriptives按钮，打开Descriptives次对话框，勾选KMO and Bartlett’s test of sphericity选项（Initial solution选项为系统默认勾选的，保持默认即可），如下图所示，然后点击Continue按钮，回到主对话框：其他的次对话框都保持不变（此时在Extract次对话框中，SPSS已经默认将提取公因子的方法设置为主成分分析法），在主对话框中点OK按钮，执行因子分析，得到的主要结果如下面几张表①KMO和Bartlett球形检验结果：请预览后下载！KMO为0.635>0.6，说明数据适合做因子分析；Bartlett球形检验的显著性P值为0.000<0.05，亦说明数据适合做因子分析②公因子方差表，其展示了变量的共同度，Extraction下面各个共同度的值都大于0.5，说明提取的主成分对于原始变量的解释程度比较高本表在主成分分析中用处不大，此处列出来仅供参考。

③总方差分解表如下表由下表可以看出，提取了特征值大于1的两个主成分，两个主成分的方差贡献率分别是55.449%和29.771%，累积方差贡献率是85.220%；两个特征值分别是3.327和1.786④因子截荷矩阵如下：请预览后下载！根据数理统计的相关知识，主成分分析的变换矩阵亦即主成分载荷矩阵U与因子载荷矩阵A以及特征值λ的数学关系如下面这个公式：故可以由这二者通过计算变量来求得主成分载荷矩阵U新建一个SPSS数据文件，将因子载荷矩阵中的各个载荷值复制进去，如下图所示：计算变量（Transform-Compute Variables）的公式分别如下二张图所示：请预览后下载！ 计算变量得到的两个特征向量U1和U2如下图所示（U1和U2合起来就是主成分载荷矩阵）：所以可以得到两个主成分Y1和Y2的表达式如下：Y1＝0.456X1+0.401X2+0.428X3+0.490X4+0.380X5+0.253X6Y2＝-0.367X1+0.322X2-0.323X3-0.303X4+0.453X5+0.602X6由上面两个表达式，可以通过计算变量来得到Y1、Y2的值需要注意的是，在计算变量之前，需要对原始变量进行标准化处理，上述Y1、Y2表达式中的请预览后下载！X1~X9应为各原始变量的标准分，而不是原始值。

另外需注意，本操作需要在SPSS原始文件中来进行，而不是主成分载荷矩阵的那个SPSS数据表中调用描述统计：描述模块（Analyze－Descriptive Statistics－Descriptives），将各个原始变量放入变量框，并勾选Save standardized values as variables框，如下图所示：得到各个原始变量的标准分如下图（部分）：请预览后下载！Z人均GDP即为X1，Z固定资产投资即为X2，其余类推调用计算变量模块（Transform－Compute Variables），输入公式如下图所示：计算出来的主成分Y1、Y2如下图所示：请预览后下载！由上述各步骤，我们就求得了主成分Y1和Y2通过主成分得分，可以进行聚类分析或者综合评价聚类分析不再详述，下面再补充介绍一下综合评价的计算根据公式，综合评价得分Y＝w1*Y1+w2*Y2，w1、w2的值就是等于旋转之前的方差贡献率（如下图所示），本例中，两个权重w1、w2分别是0.55449和0.29771，故Y＝0.55449*Y1+0.29771*Y2注意：如果需要对权重进行归一化处理，则w1、w2分别是55.449/85.220和29.771/85.220，则Y＝（55.449*Y1+29.771*Y2）/85.220。

请预览后下载！以未归一化的权重为例，通过计算变量可以得到主成分综合评价得分Y，操作过程如下图所示：最终可以得出综合评价得分Y值，如下图所示：请预览后下载！ （注：可编辑下载，若有不当之处，请指正，谢谢!） 请预览后下载！。