spss第十一章主成分分析和因子分析-文庫(kù)吧
2025-04-23 11:52 本頁(yè)面
【正文】 11 法國(guó) 12 德國(guó) 36 13 意大利 27 14 俄羅斯 15 澳大利亞 16 新西蘭 西南財(cái)經(jīng)大學(xué)出版社 7 主成分析 ?第 1步 分析：根據(jù)題目要求，需進(jìn)行主成分分析。 ?第 2步 數(shù)據(jù)組織：按如上表所示的“指標(biāo)”一列定義變量，輸入數(shù)據(jù)并保存； ?第 3步 主成分分析的設(shè)置，主要如下兩圖所示。 西南財(cái)經(jīng)大學(xué)出版社 8 主成分析 ?第 4步 因子分析的結(jié)果； ?特征值與方差貢獻(xiàn)表 Component Initial Eigenvalues Extraction Sums of Squared Loadings Total % of Variance Cumulative % Total % of Variance Cumulative % 1 2 3 4 .876 5 .599 6 .326 7 .119 .796 8 .041 .272 9 .018 .121 10 .010 .063 11 .004 .027 12 .001 .009 13 .000 .002 14 .000 .001 15 Extraction Method: Principal Component Analysis. 從表中可以看出前 3個(gè)主成分已經(jīng)解釋了總方差的近 %，故可以選擇前 3個(gè)主成分進(jìn)行分析。 西南財(cái)經(jīng)大學(xué)出版社 9 主成分析 ?主成分的碎石圖 該圖從另一個(gè)側(cè)面說(shuō)明了取前三個(gè)主成分為宜。 西南財(cái)經(jīng)大學(xué)出版社 10 主成分析 ?旋轉(zhuǎn)前的因子載荷矩陣 Component 1 2 3 x1 .407 .805 .268 x2 .596 .209 x3 .016 .821 x4 .895 x5 .614 .763 .028 x6 .826 x7 .273 .184 x8 .636 .703 .041 x9 .619 .703 .008 x10 .552 .766 .196 x11 .654 .172 x12 .666 .166 x13 .863 x14 .728 .144 x15 .579 .760 .005 Extraction Method: Principal Component Analysis. a. 3 ponents extracted. 西南財(cái)經(jīng)大學(xué)出版社 11 主成分析 ?第 5步 利用因子分析的結(jié)果進(jìn)行主成分分析：上 表是旋轉(zhuǎn)前的因子載荷矩陣，并不是主成分分析中所需要的標(biāo)準(zhǔn)化的正交向量，要得到標(biāo)準(zhǔn)化正交向量還需作如下運(yùn)算： ?將上表因子載荷矩陣中的數(shù)據(jù)輸入 SPSS數(shù)據(jù)
高考資料相關(guān)推薦
鄂ICP備17016276號(hào)-1