: .
,例如取
c c
。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
c
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
c
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Number of factors 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)。
⒊ 设置 Scores 设置。
选中 Save as variables 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 Display factor score coefficient matrix,则在分析结果中给出因子得分系数矩阵
及其相关矩阵。
设置完成以后,单击 Continue 按钮完成设置(图 7)。
⒋ 其它。
对于主成分分析而言,旋转项(Rotation)可以不必设置;对于数据没有缺失的情
况下,Option 项可以不必理会。
全部设置完成以后,点击 OK 确定,SPSS 很快给出计算结果(图 8)。图 8 主成分分析的结果
第四步,结果解读。
在因子分析结果(Output)中,首先给出的 Descriptive Statistics,第一列 Mean 对
应的变量的算术平均值,计算公式为
1 n
x x
j n ij
i1
第二列 Std. Deviation 对应的是样本标准差,计算公式为
1 n
[ (x x ) 2 ]1/ 2
j n 1 ij j
i1
第三列 Analysis N 对应是样本数目。这一组数据在分析过程中可作参考。
Descriptive Statistics
Mean Std. Deviation Analysis N
利用SPSS进行主成分分析 来自淘豆网www.taodocs.com转载请标明出处.