SPSS处理主成分分析_精品文档Word格式文档下载.doc

1、湖北宜化雅戈尔福建南纸43.3117.1121.1129.5511.0017.632.7329.1120.293.9922.654.435.407.0619.827.267.3912.136.038.628.4113.864.225.449.484.6411.137.308.902.7910.532.998.7317.297.0010.1311.8315.4117.166.0912.979.3514.314.3612.535.2418.556.9954.8944.2589.377325.2236.449.9656.2682.2313.0450.5129.0465.519.7942.0422.7

2、2三、实验内容实验过程：1.数据导入。将实验数据加入到变量窗口如下图一所示： 【图一】2对数据进行标准化处理。（1）依次点击“分析描述统计描述”，并将X1，X2，X3，X4添加到变量窗口中，如下图二所示：【图二】（2）点击“确定”，可以在“数据视图”中产生一一对应的4列标准化的数据，后面的所有操作都是在这4组数据的基础上执行的，数据如下图三所示：【图三】3.现在开始对其进行主成份分析：依次点击“分析数据降维因子分析”，如下图五所示： 【图五】点击“描述”，如下图六所示： 【图六】点击“继续抽取”，如下图七所示：、 【图七】点击“继续得分”，如下图八所示：【图八】点击“继续确定”，得到输出如下表

3、一所示：【表一】描述描述统计量N极小值极大值均值标准差销售净利润1616.403111.41286资产净利润7.74123.2577611.74564.2595344.641324.38808有效的 N （列表状态）因子分析分析 NZscore: 销售净利润.00000001.00000000 资产净利润 净资产收益率 销售毛利率相关矩阵（a）相关1.000.319-.171.606.674.344-.139Sig.（单侧）.114.263.006.002.096.304a 行列式 = .185KMO 和 Bartlett 的检验取样足够度的 Kaiser-Meyer-Olkin 度量。.45

4、5Bartlett 的球形度检验近似卡方21.647df6Sig.001公因子方差初始提取提取方法：主成分分析。说明的总方差成分初始特征值提取平方和载入合计方差的 %累积 %11.89747.42921.55038.74086.1693.3939.82695.9954.1604.005100.000成分矩阵（a）.731-.513.440.095.818.503.014-.278.359.897.257.752-.477-.446.088提取方法 :主成分分析法。a 已提取了 4 个成分。成分得分系数矩阵.385-.3311.120.591.431.325.037-1.737.189.579.

5、0151.605.396-.308-1.136.5494.各个公司综合赢利能力由高到低排序如下表二所示： 【表二】20.56 18.85 18.84 18.65 18.43 18.00 17.55 16.97 16.85 13.90 12.66 12.30 10.12 7.63 7.37 6.22 5 .实验结果分析（1）“相关矩阵”表格显示了各个变量之间相关系数，得到相关矩阵如下：由该相关阵可以发现和的相关性最强，而其余的相关性较弱。在“相关矩阵”表 “相关”一栏中，数据值越大，则表示相关性越显著。由表可以看出，资产净利率和净资产收益率的相关性最大，为0.674。（2）在“KMO 和 Bar

6、tlett 的检验”表中，Bartlett 表示球形度检验，原假设为四项指标两两之间有相关性。而该检验中，因此拒绝原假设，即认为四项指标两两之间没有相关性；KMO越接近1，做主成分分析越好，而该次试验取样足够度的 Kaiser-Meyer-Olkin 度量值为0.455，说明四项指标两两之间的相关性不强；但由于本次试验中只有4种数据，所以KMO虽然是0.455，但也可以进行主成分分析。（3）从“说明的总方差”表中看出，相关阵的四个特征值分别为1.897，1.550，0.393，0.160，由于前2个特征值累积贡献率达86.169，所以仅用前两个变量就可以替代四个变量进行主成分分析。（4）在“成

7、分矩阵（a）”表中，提取了3个主成分，但第3个主成分的系数较小。为了就得到主成分向量，我们还必须把成分矩阵（a）中的每列除以相应的特征根的开方,根据特征向量作出如下线性组合：（第三主成份）（综合指标）根据“成分矩阵（a）”表中的系数解释各主成分的意义：第一主成分在第一，二，四个指标前的系数比较大, 显然是反映销售净利率，资产净利率，销售毛利率的信息；第二主成分中, 第三个指标的系数最大, 这说明该主成分主要是反映净资产收益率的信息；第三主成分中, 第一个指标的系数最大, 这说明该主成分主要是反映销售净利率方面的信息。（5）碎石图：前两个陡峭，后两个平缓，说明仅用前两个变量就可以替代四个变量进行

8、主成分分析。（6）在“成分得分矩阵”中 成分得分系数中0.385表示与之间的相关系数。其他数据类似。四、存在问题与解决情况存在问题：问题1.不知道为什么不能直接对原有的数据进行直接处理，而要标准化？解答：SPSS数据标准化主要功能就是消除变量间的量纲关系，从而使数据具有可比性。总结：其具体过程为：依次点击“分析描述统计描述”。问题2：对“KMO 和 Bartlett 的检验”不了解。它们都是用来分析各指标间的相关程度的，Bartlett 的检验也称球形Bartlett检验，原假设为四项指标两两之间有相关性。KMO越接近1，说明它们的相关性越强。而在主成份分析中要求数据信息要高度集中，因此该检验在主成份分析中起到了关键性作用。在主成份分析中，Kmo越接近1，p值越大，越适合做主成份分析。本次试验总结： 主成份分析是将较多的原指标综合成几个新的指标，要求新指标尽可能多的包含原指标的所有信息，并且个综合的新指标间相互独立，以避免信息重叠。一般有用“KMO 和 Bartlett 的检验”其能否进行主成份分析，然后再根据“成分矩阵（a）”表写出各主成分和综合指标。最后通过综合指标对其进行排序。