spss主成分分析报告.docx

实验目的:原始数据中每一所高校具有20个相关性很高的变量,利用主成分分析法用较少的变量去解释原来资料中的大部分变异,将手中的众多变量转化成彼此相互独立或不相关的个数较少的变量,即所谓主成分,并用以解释资料的综合性指标,其实质的目的是降维原始数据截屏:操作方法:描述性统计SPSS在调用因子分析过程进行分析时,SPSS会自动对原始数据进行标准化处理,所以在得到计算结果后指的变量都是指经过标准化处理后的变量,但SPSS不会直接给出标准化后的数据,然后后期的计算需得到标准化数据,则需调用“描述”过程进行计算,为了看到标准化数据,所以采用描述性统计下的描述操作获得标准化后的变量数据标准化数据:因子分析操作过程:选取变量:X1:科研经费得分X2:国家人文社科重点研究基地得分X3:院士总数得分X4:生均图书得分X5:研究中心数得分X6:国家重点实验室得分X7:生均教学科研仪器设备得分X8:生均教育事业经费得分X9:精品课程得分X10:优秀博士生论文总分X11:人才得分X12:二级学科建设得分X13:生均固定资产得分X14:科研论文得分X15:博导及相关合计得分X16:教师中博士学位比重得分X17:一级学科得分X18:高级职称比重得分X19:师资总分X20:SCI数量这里分析采用相关系数矩阵,输出选择为未旋转的因子解,并选择碎石图,抽取过程选择基于特征值(特征值大于1),最大收敛迭代次数:25,点击确定。原数据中有较多的缺失值,选择按列表排除个案,点击继续。分析结果:KMO越接近1,说明变量之间的相关性越强,原有变量适合做因子分析;,越说明变量间存在相关关系。,,符合因子分析条件,可进行因子分析,%<80%,由反映象相关矩阵中我们可以看出(如下图所示)反映象相关矩阵中对角线上的数值应>,根据次标准,数据显示生均图书得分变量不适合做因子分析,所以删去,重新做因子分析。去除生均图书得分变量之后的因子分析结果:%>80%,且特征值均大于1结论:初始特征根:λ1=,,λ2=,λ3=:r1=%,r2=%,r3=%碎石图旋转之后的主成分载荷矩阵,可以看出:SCI数量,国家重点实验室得分,研究中心数得分,研究中心数得分,科研经费得分,二级学科建设得分,科研论文得分,优秀博士生论文得分,一级学科得分,精品课程得分与主成分1密切相关,可将其总结归纳为软实力与资源指标;师资总分,博导及相关合计得分,人才得分,院士总数得分,高级职称比重得分,教师中博士学位比重得分与主成分2密切相关,可将其归纳总结为师资结构指标;生均教学科研仪器设备得分,生均教育事业经费得分,生均固定资产得分与主成分3密切相关,可将其归纳为学生平均资产指标。根据主成分1得分降序排列:由主成分1可以看出,清华大学,浙江大学,北京大学,华中科技大学,西安交通大学,武汉大学,上海交通大学,中南大学,四川大学,东南大学在论文发表以及国家级实验室得分方面位列前十名,其软实力雄厚;