文档介绍：spss进行主成分分析及得分分析
XB
将数据录入spss
-b 恋茜 llJ^wn2d"6<r^^.AXU- H & ’厚 & 9 8 4^3300 7^56 16^ 9 4 ? 3 「.！ s n— Tta -h- n 4 ，适合采用主成分分析法。（下表非完整呈现）
相关系数矩阵
由Total Variance Explained （主成分特征根和贡献率）可知，特征根入1=,特征根入2=%,即涵盖了大部分信息。这表明前两个主成分能够代表最初的11个指标来分析XX各个城市经济综合实力的发展水平，故提取前两个指标即可。主成分，分别记作F1、F2。
lol £.1 巧 riaoniCB Esp |
lull ill E1 cAirrthti
Ei VrlCli L^ei 险諾 of Sqn^LE^dl Lo^dinc占
Tfltil
* Viri inCi
Cwu]*i iv« K
Tvtd
* mf Tillince
CumlitLv« <
?.WJ
羿卸
U^!l

】
2

L0J56
収IE
1J50
10.
3
351
3』讣
WJ17
4
.ill
■
5
.MS
49,oai
舀
.056
ML

1
■ ®7
.334
蚁923
3
■ DIM
.(HI
般曲
号
.DQ3
.031
的g叭
30
.DOI
.咂

]]
£.49 IE 00$
血L

指标XI、X2、X3、X4、X5、X6、X7、X8、X9、X10在第一主成分上有较高载荷，相关性强。第一主成分集中反映了总体的经济总量OX11在第二主成分上有较高载荷, 相关性强。第二主成分反映了人均的经济量水平。但是要注意：
这个主成分载荷矩阵并不是主成分的特征向量，也就是说并不是主成分1和主成分2 的系数，主成分系数的求法是：各自主成分载荷向量除以各自主成分特征值的算术平方根。
CmigjonGnt Matrix
Conpanent
1
2
XI
.975
-.197
X2
,01S
,940
-,027
X4
,94&
-.213 I
.952
-.251 1
X6
.975
-.MS
-.150 1
XS
.965
-.027
.957
.110
JflO
.71S
.506
,465
,M1
yl
Y2
0. 32
3. 46
0. 33
0. 02
0. 31
-0. 02
0. 31
-0. 2
0. 32
-0. 23
0. 32
-0. 04
0. 32
-0. 15
0. 32
-0. 02
0. 32
0. 1
0. 24
0. 47
0. 15
0. 78
成分得分系数矩阵（因子得分系数）列出