① spss 主成分分析报告怎么写
我写过很多了,要按照数据分析的结果来写,我可以具体教你,看我名@字
② 主成分分析结果怎么看
一般要读KMO、碎石图、累计解释率、共同度、因子最大正交旋转后的rotate图
③ 怎么用spss做财务主成分分析报告
1输入数据。
2点Analyze 下拉菜单,选Data Rection 下的Factor 。
3打开Factor Analysis后,将数据变量逐个选中进入Variables 对话框中。
4单击主对话框中的Descriptive按扭,打开Factor Analysis: Descriptives子对话框,在Statistics栏中选择Univariate Descriptives项要求输出个变量的均值与标准差,在Correlation Matrix 栏内选择Coefficients项,要求计算相关系数矩阵,单击Continue按钮返回Factor Analysis主对话框。
5单击主对话框中的Extraction 按钮,打开如下图所示的Factor Analysis: Extraction 子对话框。在Method列表中选择默认因子抽取方法——Principal Components,在Analyze 栏中选择默认的Correlation Matrix 项要求从相关系数矩阵出发求解主成分,在Exact 栏中选择Number of Factors;6, 要求显示所有主成分的得分和所能解释的方差。单击Continue按钮返回Factor Analysis主对话框。
6单击主对话框中的OK 按钮,输出结果。
统计专业研究生工作室原创,请勿复杂粘贴
④ 主成分分析法的高手请进。
先看看你的前三个主成分累积贡献率有多少,只要贡献率够大就可以删去。事实上选取多少个主成分都是人为定的,只要包括尽可能多的信息并且满足题目的误差要求的就可以了。
⑤ 您好,我在用spss作主成分分析,要怎么对各个主成分及综合进行排名期待回复,谢谢
要先求出各个样本的主成分得分和综合得分,然后才能排名。(南心网 SPSS主成分分析)
⑥ 如何解读spss的分析结果其中,因子分析和主成分分析的差别在哪里
KMO检验统计量在0.7以上,说明变量之间的偏相关性较强,适合做因子分析,球形检验p小于0.001,说明变量之间存在相关性。第二格表格为共同性,表示各变量中所含原始信息能被提取的共同因子所表示的程度,根据你的数据,你提取的公因子是两个,第三个表格是指提取的俩个主成分能解释差异的比列,第四个表格是主成分表达式,第五表格是因子得分公式。
⑦ SPSS中主成分分析结果问题,急!!!!
因子分析(你这里使用主成分法做因子分析)的好坏主要就是看看KMO,特征值方差贡献率,共同度和因子载荷,如果都比较好(一般就是说KMO值0.8以上,方差贡献率起码0.4,共同度起码也有0.4,因子载荷起码均在0.4以上),那就OK
KMO值书上(《吴明隆统计实务》)说的最低限度是0.5,方差贡献率40%是最低的可接受程度,你的67%已经挺高了,关键问题是KMO不好,KMO的意义在于检验你的这些数据有没有一定的内部相关,能不能形成一些局部因子,最少一个,因为因子分析就是给数据分类分维度,要是数据都零零散散,任何两个题目都不相似,就不适合因子分析,KMO就不高,想提高的话,酌情删除一些题目(主要是看因子载荷,太低的删,一个题目在两个因子上载荷接近的也删),再重新做因子分析看结果,如果还不好,就加题目,加一些你觉得比较好的项目,主要是靠删除不好的项目,不过要注意,每个维度最好至少留下3个题目
⑧ 主成分分析的内容
主成分分析是设法将原来众多具有一定相关性(比如P个指标),重新组合成一组新的互相无关的综合指标来代替原来的指标。
主成分分析,是考察多个变量间相关性一种多元统计方法,研究如何通过少数几个主成分来揭示多个变量间的内部结构,即从原始变量中导出少数几个主成分,使它们尽可能多地保留原始变量的信息,且彼此间互不相关.通常数学上的处理就是将原来P个指标作线性组合,作为新的综合指标。
最经典的做法就是用F1(选取的第一个线性组合,即第一个综合指标)的方差来表达,即Var(F1)越大,表示F1包含的信息越多。因此在所有的线性组合中选取的F1应该是方差最大的,故称F1为第一主成分。如果第一主成分不足以代表原来P个指标的信息,再考虑选取F2即选第二个线性组合,为了有效地反映原来信息,F1已有的信息就不需要再出现在F2中,用数学语言表达就是要求Cov(F1, F2)=0,则称F2为第二主成分,依此类推可以构造出第三、第四,……,第P个主成分。 Fp = a1i*ZX1 + a2i*ZX2 + …… + api*ZXp
其中a1i, a2i, ……,api(i=1,……,m)为X的协方差阵Σ的特征值所对应的特征向量,ZX1, ZX2, ……, ZXp是原始变量经过标准化处理的值,因为在实际应用中,往往存在指标的量纲不同,所以在计算之前须先消除量纲的影响,而将原始数据标准化,本文所采用的数据就存在量纲影响[注:本文指的数据标准化是指Z标准化。
A = (aij)p×m = (a1,a2,…am,), Rai = λiai,
R为相关系数矩阵,λi、ai是相应的特征值和单位特征向量, λ1 ≥ λ2 ≥ …≥ λp ≥ 0 。
进行主成分分析主要步骤如下:
1. 指标数据标准化(SPSS软件自动执行);
2. 指标之间的相关性判定;
3. 确定主成分个数m;
4. 主成分Fi表达式;
5. 主成分Fi命名;
⑨ 主成分分析有什么用
主成分分析最主要的用途在于“降维”.
举个例子,你要做一项分析,选中了20个指标,你觉得都很重要,但是20个指标对于你的分析确实太过繁琐,这时候,你就可以采用主成分分析的方法进行降维.
20个指标之间会有这样那样的相互关系,相互之间会有影响,通过主成分分析后,得到4个或者5个主成分指标.此时,这几个主成分指标既涵盖了你20个指标中的绝大部分信息,又让你的分析得到了简化(从20维降到4、5维),简化了分析过程,增加了结果精度.