SPSS进行主成分分析步骤(图文)

.

计算变量得到的两个特征向量U1和U2如下图所示（U1和U2合起来就是主成分载荷矩阵）：

所以可以得到两个主成分Y1和Y2的表达式如下：

Y1＝0.456X1+0.401X2+0.428X3+0.490X4+0.380X5+0.253X6 Y2＝-0.367X1+0.322X2-0.323X3-0.303X4+0.453X5+0.602X6

由上面两个表达式，可以通过计算变量来得到Y1、Y2的值。需要注意的是，在计算变量之前，需要对原始变量进行标准化处理，上述Y1、Y2表达式中的X1~X9

.

.

应为各原始变量的标准分，而不是原始值。（另外需注意，本操作需要在SPSS原始文件中来进行，而不是主成分载荷矩阵的那个SPSS数据表中。）

调用描述统计：描述模块（Analyze－Descriptive Statistics－Descriptives），将各个原始变量放入变量框，并勾选Save standardized values as variables框，如下图所示：

得到各个原始变量的标准分如下图（部分）：

.

.

Z人均GDP即为X1，Z固定资产投资即为X2，其余类推。

调用计算变量模块（Transform－Compute Variables），输入公式如下图所示：

计算出来的主成分Y1、Y2如下图所示：

.

.

由上述各步骤，我们就求得了主成分Y1和Y2。

通过主成分得分，可以进行聚类分析或者综合评价。

聚类分析不再详述，下面再补充介绍一下综合评价的计算。

根据公式，综合评价得分Y＝w1*Y1+w2*Y2，w1、w2的值就是等于旋转之前的方差贡献率（如下图所示），本例中，两个权重w1、w2分别是0.55449和0.29771，故Y＝0.55449*Y1+0.29771*Y2。注意：如果需要对权重进行归一化处理，则w1、w2分别是55.449/85.220和29.771/85.220，则Y＝（55.449*Y1+29.771*Y2）/85.220。

.