spss主成分分析论文

问：spss 做主成分分析

1. 答：①如果你的指标因子中出现了负向指标，即你说的越小越好，那么我建议你不要用SPSS进行标准化，因为SPSS默认的标准化方法是标准差标准化，对负向指哗扒标不太合适。你可以手动用excel进行极差标准化，公式为：X正向=(X-Xmin)/(Xmax-Xmin) ；X负向=(Xmax-X)/(Xmax-Xmin)
   ②通过不了检验说明你选择的数据可能不太合理，就主成分方法而言，其原理是基于大量的指标数据，根据因子间的相关性，进行的一种降维处理。而你只选取了12个指标，是不太合理的。主成分方法一般都要选到20个指标以上，从中筛选出相关因子的代表成分。
   ③用SPSS做主成分分析一般可以不进行标准化处理，因为系乱谈昌统默认步骤已经包含了这个程序。如果你想在论文将标准化数据列出来，也可先进行标准化处理，然后对标准化数据进行主成分分析。
   基于你的提问，回答就这么多了侍祥，最近我也在做论文，主成分早就学习过了，希望能帮到你！
2. 答：嗯 负相关的要转换数据 transform into different(same) variable 1=5 2=4 3=3 4=2 5=1 把负相关的换成简告早正相关。 不用什友宏么标准化数据 你要做的是因素分析 不断淘汰指标 使kmo显著 所以12个维度都重要拦雀都不想删是不行滴

问：如何应用spss对数据进行主成分分析

1. 答：首先、在spss中准备好要处理的数据，然后在菜单栏上执行：analyse--dimension reduction--factor analyse。打开因素分析对话框
   接着、看到下图就是因素分析的对话框，将要分析的变量都放入variables窗口中
   迟租点击descriptives按钮，进入次级对话框，这个对话框可以输出我们想要看到的描述统计谈指量
   因为做主成分分析需要我们看一下各个变量之间的相关，对变量间的关系有一个了解，所以需要输出相关，勾选coefficience，点击continue，返回主对话框
   回到主对话框，点击ok，开始输出数据处理结果
   你看到的这第一个表格就是相关矩阵，现实的是各个变量之间的相关系数，通过相关系数，你可以看到各个变量之间的相关，进而了解各个变量之间的关系
   第二个表格显示的主成分分析的过程，我们看到eigenvalues下面的total栏，他的意思就是特征根，他的意义是主成分影响力度的指标，一般以1为标准，如果特征根小于1，说明这个主因素的影响力度还不如一个基本的变量。所以我们只提取特征根大于1的含旦配主成分。如图所示，前三个主成分就是大于1的，所以我们只能说有三个主成分。另外，我们看到第一个主成分方差占所有主成分方差的46.9%，第二个占27.5%，第三个占15.0%。这三个累计达到了89.5%。
2. 答：新建一个txt文档，后缀改为.SPS，用双击spss打开，把下面的语法文件拷贝进去，把变量/VARIABLES后面的b1 b2 b3 b4 b5 b6 b7 b8 b9 b10 b11……改为你需要分析主成分闭乎胡的变量，然后全部选中。把数据和语法文件同时打开，右击，选择Run Current就可以出结果了/*为注轿拦解，不会影响语法运行。结果在Total Variance Explained表格中,分析出特征根大于1的因素
   语法：
   /* 主成分分析语法，右击，选择Run Current就有结果顷旁了
   FACTOR
   /VARIABLES b1 b2 b3 b4 b5 b6 b7 b8 b9 b10 b11 b12 b13 b14 b15 b16 b17 b18 b19 b20 b21 b22 b23 b24 b25 b26 b27 b28 b29 b30 /MISSING LISTWISE /ANA SIS
   b1 b2 b3 b4 b5 b6 b7 b8 b9 b10 b11 b12 b13 b14 b15 b16 b17 b18 b19 b20 b21
   b22 b23 b24 b25 b26 b27 b28 b29 b30
   /PRINT INITIAL KMO EXTRACTION ROTATION FSCORE
   /FORMAT SORT BLANK(.10)
   /PLOT EIGEN ROTATION
   /CRITERIA MINEIGEN(1) ITERATE(25)
   /EXTRACTION PC
   /CRITERIA ITERATE(25)
   /ROTATION VARIMAX
   /METHOD=CORRELATION .
3. 答：做主键派成分分析要求有一定的样本量，
   同时要祈祷做出来的主成分是有实芦亮带际意义的陪芦。
   analysis-data reduction-factor
   也可以找我们……
   怎么找？qq：909187909
4. 答：可以看看，邮箱：shendingjian@

问：spss主成分分析结果解读

1. 答：结果分析
   （1）KMO与巴特利特球形检验
   由表可以知，巴特利特球形检验的统计量值为3960.473，相应的概率为0。在显著性水平下，应拒绝原假设，认为相关系数矩阵与存在显著差异。同时KMO值为0.844，根据Kaiser给出的度量KMO的标椎可知问卷题项适合做。
   （2）公因子方差
   提取值表示每个变量被公因子表达的多少，一般认为，大于0.7就说明变量被公因子很好地表达。由表可以看出，绝大多数变量的提取值大于0.85，变量能被公因子很好地正闹液表达。
   （3）解释总方差
   提取方法：
   （4）旋转成分矩阵
   提取方法：主成分分析法
   （5）计算举物因子得分:因子分析是基于研究各题项之间的内部依赖关系，将一些信息重叠、高的变量指标归结为几个不相关的综合因子的多重统计方法。通过SPSS23.0得出的成分得分系数矩阵，见表，可得到、、、、公因子的得分为：
   其中、、、、公因子分别代表基础技能，创新能力弯睁，资源运用，合作精神，。