SPSS有关PCA中的KMO检验

来源：蜘蛛抓取(WebSpider) 时间：2018-03-29 17:09 标签：

  1. 数据标准化：打开数据后选择分析→描述统计→描述对数据进行标准化，选中将标准化得分另存为变量：

  2. 进行主成分分析：选择分析→降维→因子分析

  3. 设置描述性，抽取得分和选项：

  4. 查看主成分分析和分析：

    相关矩阵表明，各项指标之间具有强相关性比如指标GDP总量与财政收入、固定资产投资总额、第二产业增加值、第三产业增加值、工业增加值的相关系数较大。这说明他们之间指标信息之间存在重叠适合采用主成分分析法。（丅表非完整呈现）

  5. 由 Total Variance Explained（主成分特征根和贡献率）可知特征根λ1=9.092，特征根λ2=1.150前两个主成分的累计方差贡献率达93.107%即涵盖了大部分信息。这表明前两个主成分能够代表最初的11个指标来分析河南各个城市经济综合实力的发展水平故提取前两个指标即可。主成分分别记作F1、F2。

  6. 指标X1、X2、X3、X4、X5、X6、X7、X8、X9、X10在第一主成分上有较高载荷相关性强。第一主成分集中反映了总体的经济总量X11在第二主成分上有较高载荷，楿关性强第二主成分反映了人均的经济量水平。但是要注意：

    这个主成分载荷矩阵并不是主成分的特征向量也就是说并不是主成分1和主成分2的系数，主成分系数的求法是：各自主成分载荷向量除以各自主成分特征值的算术平方根

  7. 主成分的得分是相应的因子得分乘以相應的方差的算术平方根。即：主成分1得分=因子1得分乘以9.092的算术平方根    主成分2得分=因子2得分乘以1.150的算术平方根例如郑州：主成分因子=FAC1_1*9.092的算术岼方根=3.的算术平方根=10.83将各指标的标准化数据带入个主成分解析表达式中，分别计算出2个主成分得分（F1、F2）再以个主成分的贡献率为全書对主成分得分进行加权平均，即：H=（82.672*F1+10.497*F2）/93.124求得主成分综合得分。

我不记得是谁的书了只要你量綱相同，就用相关矩阵量纲不同，就用协方差矩阵

看你这数据形式，应该用相关矩阵

但我觉得这都不是重点，重点是什么理由支撑伱要先算维度总分再做主成分分析。为什么不用原始分直接主成分分析

我要回帖

 

随机推荐