spss軟件進(jìn)行主成分分析的應(yīng)用例子(編輯修改稿)
2025-07-22 22:41 本頁(yè)面
【文章內(nèi)容簡(jiǎn)介】 解釋方差或者解釋的總方差(Total Variance Explained) 初始特征根（Initial Eigenvalues）大于1，并且累計(jì)百分比達(dá)到80%~85%以上。查看相關(guān)系數(shù)矩陣的特征根及方差貢獻(xiàn)率見(jiàn)表3，由于前2個(gè)主成分貢獻(xiàn)率≥85%、結(jié)合表4中變量不出現(xiàn)丟失，所以提取的主成分個(gè)數(shù)m=2。所的結(jié)論：初始特征根：λ1= λ2=主成分貢獻(xiàn)率：r1= r2=注意：主成分的數(shù)目可以根據(jù)相關(guān)系數(shù)矩陣的特征根來(lái)判定，如前所說(shuō)，相關(guān)系數(shù)矩陣的特征根剛好等于主成分的方差，而方差是變量數(shù)據(jù)蘊(yùn)涵信息的重要判據(jù)之一。根據(jù)λ值決定主成分?jǐn)?shù)目的準(zhǔn)則有三：1的特征根對(duì)應(yīng)的主成分從Total Variance Explained表中可見(jiàn)，第一、第二和第三個(gè)主成分對(duì)應(yīng)的λ值都大于1，這意味著這三個(gè)主成分得分的方差都大于1。本例正是根據(jù)這條準(zhǔn)則提取主成分的。%~85%以上的λ值對(duì)應(yīng)的主成分在Total Variance Explained表可以看出，%，這暗示只要選取三個(gè)主成分，信息量就夠了。從特征根分布的折線圖（Scree Plot）上可以看到，第4個(gè)λ值是一個(gè)明顯的折點(diǎn)，這暗示選取的主成分?jǐn)?shù)目應(yīng)有p≤4。那么，究竟是3個(gè)還是4個(gè)呢？根據(jù)前面兩條準(zhǔn)則，選3個(gè)大致合適（但小有問(wèn)題）。第四，計(jì)算特征向量矩陣（主成分表達(dá)式的系數(shù)）【1】將初始因子載荷矩陣中的兩列數(shù)據(jù)輸入( 可用復(fù)制粘貼的方法) 到數(shù)據(jù)編輯窗口( 為變量VV2)；F1=V1/SQR(λ1)【2】然后利用“轉(zhuǎn)換”|“計(jì)算變量”, 打開(kāi)“計(jì)算變量”對(duì)話框，在“目標(biāo)變量”文本框中輸入“F1”，然后在數(shù)字表達(dá)式中輸入“V1/SQR(λ1)”[注:λ1=], 即可得到特征向量F1；【3】然后利用“轉(zhuǎn)換”|“計(jì)算變量”, 打開(kāi)“計(jì)算變量”對(duì)話框，在“目標(biāo)變量”文本框中輸入“F2”，然后在數(shù)字表達(dá)式中輸入“V2/SQR(λ2)”[注:λ1=], 即可得到特征向量F2；【4】最后得到特征向量矩陣（主成分表達(dá)式的系數(shù)）。
研究報(bào)告相關(guān)推薦
鄂ICP備17016276號(hào)-1