1 / 9
文档名称:

主成分分析方法在主成分分析方法中的应用.doc

格式:doc   大小:323KB   页数:9页
下载后只包含 1 个 DOC 格式的文档,没有任何的图纸或源代码,查看文件列表

如果您已付费下载过本站文档,您可以点这里二次下载

分享

预览

主成分分析方法在主成分分析方法中的应用.doc

上传人:wh7422 2022/2/18 文件大小:323 KB

下载得到文件列表

主成分分析方法在主成分分析方法中的应用.doc

文档介绍

文档介绍:...wd...
...wd...
...wd...
主成分分析与因子分析及SPSS实现〔一〕:原理与方法
(2014-09-08 13:33:57)
转载▼
一、主成分分析
〔1〕问题提出
在问题研究中,为了不遗漏和准确,能解释原始变量间的内在构造。
下一篇文章,将介绍主成分分析和因子分析的在SPSS中的实现。
主成分分析与因子分析及SPSS实现〔二〕:实例讨论
(2014-09-13 06:34:09)
转载▼
标签: 
spss
 
教育
 
统计
 
因子分析
分类: SPSS
SPSS没有提供单独的主成分分析方法,而是混在因子分析当中,下面通过一个例子来讨论主成分分析与因子分析的实现方法及相关问题。
一、问题提出
男子十项全能比赛包含100米跑、跳远、跳高、撑杆跳、铅球、铁饼、标枪、400米跑、1500米跑、110米跨栏十个工程,总分为各个工程得分之和。为了分析十项全能主要考察哪些方面的能力,以便有针对性的进展训练,研究者收集了134个顶级运发动的十项全能成绩单,将通过因子分析来到达分析目的。
二、分析过程
变量视图:
数据视图〔局部〕:
菜单项选择择〔分析->降维->因子分析〕:
翻开因子分析的主界面,将十项成绩选入〞变量“框中〔不要包含总分〕,如下:
...wd...
...wd...
...wd...
点击〞描述“按钮,翻开对话框,选中〞系数“和〞KMO和Bartlett球形度检验“:
上图相关解释:
〞系数“:为变量之间的相关系数阵列,可以直观的分析相关性。
〞KMO和Bartlett球形度检验“:用于定量的检验变量之间是否具有相关性。
点击〞继续“,回到主界面,点击〞抽取“,翻开对话框。
〞方法“ =>〞主成分“,〞输出“=>〞未旋转的因子解“和〞碎石图“,〞抽取“=>〞基于特征值“,其余选择默认。
解释:
①因子抽取的方法:选取默认的主成分法即可,其余方法的计算结果可能有所差异。
②输出:〞未旋转的因子解〞极为主成分分析结果。碎石图有助于我们判断因子的重要性〔详细介绍见后面〕。
③抽取:为抽取主成分〔因子〕的方法,一般是基于特征值大于1,默认即可。
点击〞继续“,回到主界面,点击〞确定“,进入分析。
输出的主要表格如下:
〔1〕相关性检验
因子分析要求变量之间有相关性,所以首先要进展相关性检验。首先输出的是变量之间的相关系数矩阵:
可以直观的看到,变量之间有相关性。但需要检验,接着输出的是相关性检验:
上图有两个指标:第一个是KMO值,。第二个是Bartlett球形度检验,P值<。综合两个指标,说明变量之间存在相关性,可以进展因子分析。否那么,不能进展因子分析。
〔2〕提取主成分和公因子
接下来输出主成分结果:
这就是主成分分析的结果,表中第一列为10个成分;第二列为对应的〞特征值“,表示所解释的方差的大小;第三列为对应的成分所包含的方差占总方差的百分比;第四列为累计的百分比。一般来说,选择〞特征值“大于1的成分作为主成分,这也是SPSS默认的选择。
在本例中,成分1和2的特征值大于1,%的方差,还算不错。所以我们可以提取1和2作为主成分,抓住了