spss第10章主成分分析和因子分析(完整版)
【正文】 0 .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)編輯窗口中，將3個(gè)變量名分別命名為 a1,a2和 a3。 西南財(cái)經(jīng)大學(xué)出版社 4 主成分析 (2)統(tǒng)計(jì)原理 1 1 2 239。分類變量和連續(xù)變量均可以參與兩步聚類分析。 ?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。由于是以相關(guān)系數(shù)矩陣為出發(fā)點(diǎn)進(jìn)行因子分析的，所以主成分分析表達(dá)式中的變量應(yīng)該是經(jīng)過(guò)標(biāo)準(zhǔn)化的數(shù)據(jù)。 ?第 2步 數(shù)據(jù)組織：建立 x1x15共 15個(gè)數(shù)據(jù)變量和一個(gè)“省市”字符型變量，將北京、天津等 8個(gè)省市作為個(gè)案數(shù)據(jù)輸入并保存。 省市 F1 F2 F3 F 綜合排序 山東 8 浙江 7 江蘇 6 廣東 5 遼寧 4 天冿 3 上海 2 北京 1 02 8 1 95 07 2 41 37 3F F F F? ? ?。 西南財(cái)經(jīng)大學(xué)出版社 23 因子分析 ?旋轉(zhuǎn)前的因子載荷矩陣 在表的底部表明使用的是主成分分析法， 3個(gè)主成分被抽取出來(lái)。因子分析主要應(yīng)用到兩個(gè)方面：一是尋求基本結(jié)構(gòu)，簡(jiǎn)化觀測(cè)系統(tǒng)；二是對(duì)變量或樣本進(jìn)行分類。 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。主成分分析不能看作是研究的結(jié)果，而應(yīng)該在主成分分析的基礎(chǔ)上繼續(xù)采用其他多元統(tǒng)計(jì)方法來(lái)解決實(shí)際問(wèn)題。 每個(gè)主成分均是原始變量的線性組合，且各個(gè)主成分之間互不相關(guān)，這就使得主成分比原始變量具有某些更優(yōu)越的性能。 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
公司管理相關(guān)推薦
鄂ICP備17016276號(hào)-1