主成分分析的spss實現(xiàn)-wenkub
2022-08-22 18:17:09 本頁面
【正文】 表達式（特征向量與標準化后的數(shù)據(jù)相乘 ） ，確定后即可得到各主成分的得分 Fi 。 （ SPSS中選取主成分的方法有兩個：一是根據(jù)特征根 ≥1來選??； 另一種是用戶直接規(guī)定主成分的個數(shù)來選取。 指標最好有同趨勢化，一般為了評價分析的方便，需要將逆指標轉(zhuǎn)化為正指標，轉(zhuǎn)化的方式為用逆指標的倒數(shù)值代替原指標。 （二）指標數(shù)據(jù)標準化（ SPSS軟件自動執(zhí)行，下圖）。） （五）主成分 Fi表達式（ 這是 SPSS軟件及其教科書中沒完善的地方 ）：經(jīng)過 FACTOR 過程產(chǎn)生的是因子載荷陣，但主成分分析模型需要的不是因子載荷量而是特征向量，所以還需將因子載荷量輸入數(shù)據(jù)編輯窗口，利用 “主成分相應(yīng)特征根的平方根與特征向量乘積為因子載荷量”的性質(zhì)用 TRANSFORM——COMPUTE 來計算特征向量，得到主成分的線性表達式。 若需要綜合得分，還需在“ transform_pute”中輸入綜合評價函數(shù) ,??? 2211 FFF mmY ??? ???? ??i 是主成分的方差貢獻率。 （九）綜合實證分析。 （二）指標數(shù)據(jù)標準化（ SPSS軟件自動執(zhí)行，下圖）。） （五）主成分 Fi表達式（ 這是 SPSS軟件及其教科書中沒完善的地方 ）：經(jīng)過 FACTOR 過程產(chǎn)生的是因子載荷陣，但主成分分析模型需要的不是因子載荷量而是特征向量，所以還需將因子載荷量輸入數(shù)據(jù)編輯窗口，利用 “主成分相應(yīng)特征根的平方根與特征向量乘積為因子載荷量”的性質(zhì)用 TRANSFORM——COMPUTE 來計算特征向量，得到主成分的線性表達式。 若需要綜合得分，還需在“ transform_pute”中輸入綜合評價函數(shù) ,??? 2211 FFF mmY ??? ???? ??i 是主成分的方差貢獻率。 （九）綜合實證分析。 Extraction 展開相應(yīng)的子對話框可以選擇不同的提取公因子的方法和控制提取結(jié)果的判據(jù)。 Descriptives子對話框中的選擇項 Descriptives子對話框如圖 32所示。這是分析的基礎(chǔ) ② Significance levels 顯著性水平選擇此項給出每個相關(guān)系數(shù)相對于相關(guān)系數(shù)為 0的設(shè)檢驗的概率水平。 ⑥ Antiimage 反映象相關(guān)陣。選擇此項給出對采樣充足度的 KaisexMeyerOlkin測度。 Cntinue按鈕確認選擇 ， 返回主對話框； Cancle按鈕使選擇作廢，返回主對話框。單擊矩形框右面的箭頭可以展開提取方法選擇項表，提供七種提取方法可以選擇： ① Principal ponents 主成份法。 ③ Generalized least square 用變量的單位加權(quán)一體觀測的和再生的相關(guān)陣之差的平方最小。 ⑤ Principal Axis factoring 使用多元相關(guān)的平方作為對公因子方差的初始估計。 （ 2） Extract 控制提取進程和提取結(jié)果的選擇項 理論上因子數(shù)目與原始變量數(shù)目相等，但因子分析的目的是用少量因子代替多個原始變色選擇提取多少個因子由本組選擇項決定。 ② Number of factor 該選擇項指定提取公因子的數(shù)目。 ② Scree plot 要求顯示按特征值大小排列的因子序號與特征值為兩個坐標軸的碎石圖。 Rotation 旋轉(zhuǎn)方法選擇子對話框 Rotation 旋轉(zhuǎn)方法選擇子對話框如圖 34所示，選擇項分三組（如果是主成分分析就選 None）。 0值產(chǎn)生最高相關(guān)因子，
研究報告相關(guān)推薦
鄂ICP備17016276號-1