文档介绍：主成分分析法研究问题时尽可能多的收集资料, 便于对问题有充分了解, 这样确实便于全面、精确地描述事物,实际数据建模中,有些变量不一定可以真正发挥作用,还可能加大计算工作量, 所以要因子分析。对于高纬变量和海量数据是不可忽略的问题。收集到的变量数据通常之间存在一定的相关性, 变量间的信息高度重叠和高度相关给统计方法带来困难, 例如, 在多元线性回归分析中, 若变量之间有较强的相关性, 则会对回归方程参数估计带来困难, 致使参数不准确,模型不可用。(联系本题,几个变量之间有一定的相关性) 按照因子分析法的步骤, 首先对原始数据进行标准化, 然后计算标准化数据的相关系数矩阵, 求出相关系数矩阵的特征值和特征向量, 再使用方差最***进行正交变换, 最后确定因子个数,从而得到因子得分系数,计算因子得分(联系本题) 利用主成分分析法确定出。。。给出的各个一级指标的主成分, 在贡献率达到统计要求的情况下进行必要的因子剔除以后, 保留产生主导因素的因子, 把原来较多的评价指标用较少的几个综合指标来代替,综合指标既保留了原有指标的绝大多数信息, 又把复杂的问题简单化。首先, 我们基于主成分分析法逐步得到了。。。的综合得分, 并对其进行排名, 应用主成分分析法既避免了大量数据处理的复杂同时也尽可能地获得了最大的信息量。问题要求我们建立起酿酒葡萄和葡萄酒理化指标的联系,指标过多将导致联系的复杂性。所以选取贡献率最高的 4 个因子中显著性指标的交互作用代替主成分,使模型更易求解又不至于影响分析的结果。方差最***进行正交变换为了更容易解释主成分变量,采用最大方差正交旋转法对因子载荷矩阵进行旋转,使得各碧昂在同一主成分上载荷的平方向最大与最小两极最大限度地分化开来, 也就是要使得每个主成分只在少数变量上集中着较大的因子载荷,而在其余变量上的因子载荷为零或接近为零。在因子分析中, 因子个数认为指定,( SPSS 根据一定的条件自动设定, 只要是特征值大于 1 的因子进入分析,) 390 页