SPSS进行主成分分析(PCA).doc

SPSS进行主成分分析(PCA)SPSS进行主成分分析(PCA)SPSS进行主成分分析(PCA)利用SPSS进行主成分分析以全国31个省市的8项经济指标为例，进行主成分分析。第一步:录入或调入数据(图1）。图1原始数据（未经标准化）第二步：打开“因子分析"对话框.沿着主菜单的“Analyze→DataReduction→Factor”的路径（图2）打开因子分析选项框（图3）。图2打开因子分析对话框的路径图3因子分析选项框第三步：选项设置.首先，在源变量框中选中需要进行分析的变量，点击右边的箭头符号，将需要的变量调入变量（Variables）栏中(图3）。在本例中,全部8个变量都要用上，故全部调入（图4）。因无特殊需要，故不必理会“Value”栏.下面逐项设置。图4将变量移到变量栏以后=1\＊GB1⒈设置Descriptives选项。单击Descriptives按钮(图4)，弹出Descriptives对话框（图5)。图5描述选项框在Statistics栏中选中Univariatedescriptives复选项，则输出结果中将会给出原始数据的抽样均值、方差和样本数目（这一栏结果可供检验参考）；选中Initialsolution复选项，则会给出主成分载荷的公因子方差（这一栏数据分析时有用)。在CorrelationMatrix栏中，选中Coefficients复选项,则会给出原始变量的相关系数矩阵（分析时可参考）；选中Determinant复选项，则会给出相关系数矩阵的行列式，如果希望在Excel中对某些计算过程进行了解，可选此项，否则用途不大。其它复选项一般不用，但在特殊情况下可以用到（本例不选）.设置完成以后，单击Continue按钮完成设置（图5）。=2\＊GB1⒉设置Extraction选项。打开Extraction对话框（图6）。因子提取方法主要有7种,在Method栏中可以看到,系统默认的提取方法是主成分（），因此对此栏不作变动,就是认可了主成分分析方法。在Analyze栏中，选中Correlationmatirx复选项，则因子分析基于数据的相关系数矩阵进行分析;如果选中Covariancematrix复选项，则因子分析基于数据的协方差矩阵进行分析.对于主成分分析而言，由于数据标准化了，这两个结果没有分别，因此任选其一即可。在Display栏中，选中Unrotatedfactorsolution（非旋转因子解)复选项，则在分析结果中给出未经旋转的因子提取结果。对于主成分分析而言，这一项选择与否都一样；对于旋转因子分析，选择此项，可将旋转前后的结果同时给出，以便对比。选中ScreePlot（“山麓"图），则在分析结果中给出特征根按大小分布的折线图（形如山麓截面,故得名），以便我们直观地判定因子的提取数量是否准确。在Extract栏中，有两种方法可以决定提取主成分（因子）的数目。一是根据特征根（Eigenvalues)的数值,系统默认的是。我们知道，在主成分分析中，主成分得分的方差就是对应的特征根数值.如果默认，则所有方差大于等于1的主成分将被保留,其余舍弃。如果觉得最后选取的主成分数量不足，可以将值降低，例如取；如果认为最后的提取的主成分数量偏多，则可以提高值，例如取。主成分数目是否合适,要在进行一轮分析以后才能肯定.因此,特征根数值的设定，要在反复试验以后才能决定。一般而言,在初次分析时,最好降低特征根的临界值（如取），这样提取的主成分将会偏多，根据初次分析的结果，在第二轮分析过程中可以调整特征根的大小。第二种方法是直接指定主成分的数目即因子数目，这要选中Numberoffactors复选项。主成分的数目选多少合适?开始我们并不十分清楚。因此，首次不妨将数值设大一些，但不能超过变量数目.本例有8个变量,因此,最大的主成分提取数目为8，不得超过此数.在我们第一轮分析中，采用系统默认的方法提取主成分。图6提取对话框需要注意的是:主成分计算是利用迭代（Iterations）方法，系统默认的迭代次数是25次。但是，当数据量较大时,25次迭代是不够的,需要改为50次、100次乃至更多。对于本例而言,变量较少，25次迭代足够，故无需改动。设置完成以后，单击Continue按钮完成设置（图6)。=3\＊GB1⒊设置Scores设置。选中Saveasvariables栏，则分析结果中给出标准化的主成分得分(在数据表的后面）.至于方法复选项，对主成分分析而言，三种方法没有分别，采用系统默认的“回归"（Regression）法即可。图7因子得分对话框选中Displayfactorscorecoefficientmatrix，则在分析结果中给出因子得分