spss主成分分析报告.docx

文案大全
实用标准文档
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。
文案大全
閒国子分析:描述姉计
「绕计里
B单变里描述性刖
回原始分析结果①
-相关矩眸
素敷9）逆欖型迥）
H显著性水平建）［；再生迟）
行列武匸）反映象追）
&||刖0和Bartlett的瑚缠检噓闵
文案大全
文案大全
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：
KMOandBartlett'sTest
Kaiser-Meyer-OlkinMeasureofSamplingAdequacy.
Bartlett'-Square
Sphericity苗
Sig.
.736

190
.000
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。
,sig•值为0，符合因子分析条件，可进行因子分析，并进一步进行主成分分析
文案大全
UariaiiES
Cornpo仃Ent
InitialElgerwalue®
E/traction5umsoTSquaredLoading5
尺DlalicnnSumsof5quanedLoadings
To讯
%arvarlance
CymuNUve%
Total
%ofVadance
Cumulall¥9%
TD13I
%orvaManco
Cumul^'rt!%
1
-3
fiuie







2
2143
10741
?

10741


32702

3




?
?


4
B41
41Q5
5
750
3749
：T7
6
&aa
3/19B
9DJ73
.«■
5og
92B17
8
.266

-45
g
135
1177
10
:厂
1067
90399
■tmr
n7nn7
%<80%，
由反映象相关矩阵中我们可以看出
如下图所示）
AiilHrna斜CnrrehtiQri
.B31J
-.0&2
J23
-.155
494
.155
.122
-.139
■215
仲旻总号
|-.'
fi65J
-躺!j
-.751
-.761
-.321
-.570
.260
f3导囲畴I
.023
.5iDJ
.622
720
.035
.冃37
.620
.351
J-T-：
-.155
61
&22
.32fl
.541
er-i
.376
.109
-1
-.761
720
.32Q
.713J
.711
.720
.2H2
JJEIIj
.155
-8iS
B35
W1
■T
612
4in
23T
f卢：町_M謝Lfii初
.122
-.921
.B3T
67d
.730
.642
.561J
255
生切咖轴
-.133
-.576
.37B
■312
.4-iCi
.am
1泅
-.215
».35D
351
.189
£106
.337
.295
SO旷
生肉戦開衣器号
|
-.070
093