SPSS主成分分析与因子分析.ppt

SPSS主成分分析与因子分析.ppt

ID:49410987

大小:1013.00 KB

页数:31页

时间:2020-02-06

SPSS主成分分析与因子分析.ppt_第1页
SPSS主成分分析与因子分析.ppt_第2页
SPSS主成分分析与因子分析.ppt_第3页
SPSS主成分分析与因子分析.ppt_第4页
SPSS主成分分析与因子分析.ppt_第5页
资源描述:

《SPSS主成分分析与因子分析.ppt》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、第13章主成分分析与因子分析介绍:1、主成分分析与因子分析的概念2、主成分分析与因子分析的过程主成分分析与因子分析的概念需要与可能:在各个领域的科学研究中,往往需要对反映事物的多个变量进行大量的观测,收集大量数据以便进行分析寻找规律。多变量大样本无疑会为科学研究提供丰富的信息,但也在一定程度上增加了数据采集的工作量,更重要的是在大多数情况下,许多变量之间可能存在相关性而增加了问题分析的复杂性,同时对分析带来不便。如果分别分析每个指标,分析又可能是孤立的,而不是综合的。盲目减少指标会损失很多信息,容易产生错误的结论。因此需要找到一个合理的方法,减少分

2、析指标的同时,尽量减少原指标包含信息的损失,对所收集的资料作全面的分析。由于各变量间存在一定的相关关系,因此有可能用较少的综合指标分别综合存在于各变量中的各类信息。主成分分析与因子分析就是这样一种降维的方法。主成分分析与因子分析是将多个实测变量转换为少数几个不相关的综合指标的多元统计分析方法直线综合指标往往是不能直接观测到的,但它更能反映事物的本质。因此在医学、心理学、经济学等科学领域以及社会化生产中得到广泛的应用。主成分分析与因子分析的概念(续)由于实测的变量间存在一定的相关关系,因此有可能用较少数的综合指标分别综合存在于各变量中的各类信息,而综

3、合指标之间彼此不相关,即各指标代表的信息不重叠。综合指标称为因子或主成分(提取几个因子),一般有两种方法:特征值>1累计贡献率>0.8主成分分析实例P316-不旋转使用默认值进行最简单的主成分分析(默认为主成分分析法:Principalcomponents)例子P316:对美国洛杉矶12个人口调查区的5个经济学变量的数据进行因子分析,data13-01a,数据见下一张幻灯片)菜单:Analyze-DataReduction-FactorVariables:pop,School,employ,Services,house其他使用默认值(主成分分析法P

4、rincipalcomponents,选取特征值>1,不旋转)比较有用的结果:两个主成分(因子)f1,f2及因子载荷矩阵(ComponentMatrix),根据该表可以写出每个原始变量(标准化值)的因子表达式:Pop0.581f1+0.806f2School0.767f1-0.545f2employ0.672f1+0.726f2Services0.932f1-0.104f2house0.791f1-0.558f2每个原始变量都可以是5个因子的线性组合,提取两个因子f1和f2,可以概括原始变量所包含信息的93.4%。f1和f2前的系数表示该

5、因子对变量的影响程度,也称为变量在因子上的载荷。但每个因子(主成分)的系数(载荷)没有很明显的差别,所以不好命名。因此为了对因子进行命名,可以进行旋转,使系数向0和1两极分化,这就要使用选择项。洛衫矶对12个人口调查区的数据编号总人口中等学校平均总雇员数专业服务中等房价nopop校龄Schoolemploy项目数Serviceshouse1570012.82500270250002100010.96001010000334008.810001090004380013.61700140250005400012.8160014025000682008.

6、3260060120007120011.440010160008910011.5330060140009990012.534001801800010960013.73600390250001196009.63300801200012940011.4400010013000因子分析实例322-旋转Rotation由于系数没有很明显的差别,所以要进行旋转(Rotation:method一般用Varimax方差最大旋转),使系数向0和1两极分化,例子同上菜单:Analyze-DataReduction-FactorVariables:pop,School

7、,employ,Services,houseExtraction:使用默认值(method:Principalcomponents,选取特征值>1)Rotation:method选VarimaxScore:Saveasvariables和DisplayfactorscoreCoefficientmatrix比较有用的结果:两个主成分(因子)f1,f2及旋转后的因子载荷矩阵(RotatedComponentMatrix),根据该表可以写出每个原始变量(标准化值)的因子表达式:Pop0.01602f1+0.9946f2School0.941f1-0

8、.00882f2employ0.137f1+0.98f2Services0.825f1+0.447f2house0.

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。