主成分分析的spss實現(xiàn)-全文預覽
【正文】 一般用來對研究現(xiàn)象進行綜合評價、排序及篩選變量 。 ?i （六）主成分 Fi命名：用 SPSS軟件中表“ Component Matrix”中的第 i 列中系數(shù)絕對值大的對應變量對 Fi命名 (有時命名清晰性低 )。 數(shù)據(jù)標準化： （四）確定主成分個數(shù) m：用 SPSS軟件中表“ Total Variance Explained(總方差解釋 )” 的主成分方差累計貢獻率 %、結(jié)合表“ Component Matrix(初始因子載荷陣 )”中變量不出現(xiàn)丟失確定主成分個數(shù) m。 F1 F2 F3 F F F3 Y F1 F2 F3 F F F3 Y 用 SPSS作主成分分析 以 城鎮(zhèn)居民消費支出資料為例 ,用主成分分析法對各省、市作綜合評價 （ spssex2/城鎮(zhèn)居民消費支出的主成分分析 ） 以經(jīng)濟效益數(shù)據(jù)為例，用主成分分析法對各企業(yè)作綜合評價（ spssex2/企業(yè)經(jīng)濟效益的主成分分析） 主成分分析法和 SPSS軟件應用時 一對一的正確步驟： （一）指標的正向化。 主成分得分一般用來對研究現(xiàn)象進行綜合評價、排序及篩選變量 。 ?i （六）主成分 Fi命名：用 SPSS軟件中表“ Component Matrix”中的第 i 列中系數(shù)絕對值大的對應變量對 Fi命名 (有時命名清晰性低 )。 數(shù)據(jù)標準化： （四）確定主成分個數(shù) m：用 SPSS軟件中表“ Total Variance Explained(總方差解釋 )” 的主成分方差累計貢獻率 %、結(jié)合表“ Component Matrix(初始因子載荷陣 )”中變量不出現(xiàn)丟失確定主成分個數(shù) m。用 SPSS作主成分分析 以 城鎮(zhèn)居民消費支出資料為例 ,用主成分分析法對各省、市作綜合評價 （ spssex2/城鎮(zhèn)居民消費支出的主成分分析 ） 以經(jīng)濟效益數(shù)據(jù)為例，用主成分分析法對各企業(yè)作綜合評價（ spssex2/企業(yè)經(jīng)濟效益的主成分分析） 主成分分析法和 SPSS軟件應用時 一對一的正確步驟： （一）指標的正向化。 （三）指標之間的相關性判定：用 SPSS軟件中表“ Correlation Matrix(相關系數(shù)矩陣 )”判定。 將 SPSS軟件中表“ Component Matrix”中的第 i 列向量除以第 i個特征根的開根后就得到第 i個主成分函數(shù) Fi 的系數(shù)（將前 m個因子載荷矩陣輸入到數(shù)據(jù)編輯窗口 ,為變量 A1,A2, ?,A m,在“ transform pute”中進行計算 Ui=Ai / SQR( ），得到特征向量 Ui， 由此寫出主成分 Fi表達式。 最后在” transform_rank case” 中選中 Y進行排序。 x1：人均糧食支出（元 /人） x2：人均副食支出（元 /人） x3：人均煙、酒、茶支出（元 /人） x4：人均其他副食支出（元 /人） x5: 人均衣著商品支出（元 /人） x6: 人均日用品支出（元 /人 x7: 人均燃料支出（元 /人） x8: 人均非商品支出（元 /人） 指標解釋： 城鎮(zhèn)居民消費支出的主成分分析 利用 FACTOR 實現(xiàn)主成分分析時，在確定公共因子個數(shù)（ Numbers of Factor）時，一般直接選擇與原變量數(shù)目相等的個數(shù)，這樣可以避免由于采用默認形式后累計方差貢獻 率達不到
研究報告相關推薦
鄂ICP備17016276號-1