利用SPSS进行主成分分析.pdf

: .
，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
i1
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
i1
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