spss主成分分析法详细步骤结果分析 spss进行主成分分析图文完整教程( 二 ) _生活百科

成分得分1（成分1）=
0.151*X1+0.142*X2+0.150*X3+0.162*X4+0.152*X5+0.147*X6+0.134*X7+0.142*X8+0.154*X9；
成分得分2（成分2）=
-0.076*X1-0.205*X2-0.097*X3-0.090*X4-0.387*X5-0.498*X6+0.101*X7+0.823*X8+0.463*X9；

文章插图
5.碎石图

文章插图
【spss主成分分析法详细步骤结果分析 spss进行主成分分析图文完整教程】可结合碎石图辅助判断主成分提取个数。当折线由陡峭突然变得平稳时，陡峭到平稳对应的主成分个数即为参考提取主成分个数。实际研究中以专业知识，结合主成分与研究项对应关系情况，综合权衡判断得出主成分个数。图中可以看出当横坐标为2时，折线突然变得比较平稳。
6.载荷图

文章插图
载荷图是针对成分与旋转后载荷值关系的图形化展示，使用较少，通常需要手工加‘圆圈’把挨在一起的因子圈起来，更直观展示成分与分析项的隶属对应关系情况。由于可读性和解释性问题，一般只关注于方差解释率靠前的前面几个成分，多数情况下只关注2个。
7.线性组合系数及权重结果

文章插图
SPSSAU的主成分分析结果中默认提供“线性组合系数及权重结果表”包括上述的过程值及结果，包括线性组合系数、综合得分系数、以及指标各自的权重。

文章插图
6.综合得分排名
根据之前勾选的“综合得分” ，即可自动得到综合得分结果。
SPSSAU默认命名为CompScore_XXXX 。使用【数据处理】→【标题处理】功能可以对题目重命名。

文章插图
【数据处理】→【生成变量】里的排名功能。点击“综合得分” ，再选择“排名（Rank）” ，点击确认处理。

文章插图
右上角“我的数据”也可以将数据进行。
其它说明
1. 提示出现奇异矩阵？
如果提示出现“奇异矩阵” ，通常情况下由于分析样本量太少（比如分析项有20个，分析样本仅10个），此里需要加大样本量或者减少分析项即可；以及还有一种情况是分析项之间的相关性非常非常弱或者非常非常强，此时需要移除掉相关性非常弱或者非常强的分析项（使用相关分析进行检查相关关系）。
2. ‘分析之前是否需要对数据进行标准化处理’？
SPSSAU默认就已经进行过标准化处理，因此不需要再对数据处理。当然标准化后的数据再次标准化依旧还是自身没有任何变化，结果永远均一致。
3.综合得分如何使用？
SPSSAU默认可保存综合得分（以及因子得分等）；一般该值越大表示越有竞争力等；研究者通常需要把综合得分的具体数据后使用，并且在EXCEL进行排序（也可使用SPSSAU生成变量里面的排序功能）。通过右上角我的数据可具体综合得分的具体数据等。
4.特征根值没有大于1可以吗？
主成分分析时通常需要综合自己的专业知识，以及软件结果进行综合判断，即使是特征根值小于1 ，也一样可以提取主成分。
5.主成分回归是什么意思？
进行主成分时，选择保存‘成分得分’ ，然后利用系统生成的‘成分得分’数据进行线性回归，即为主成分回归。
6.累积方差解释率出现100%以上如何办？
正常情况下，累积方差解释率会小于100% ，但如果数据的共线性问题太严重，有可能出现方差解释率值大于100% ，此时建议进行相关分析，找出相关性太强（比如相关系数大于0.8）的项，然后从分析框中移出后再次分析。与此同时，如果样本量太少也可能出现此问题建议加大样本量即可。
7. KMO值过低？
一般需要KMO值大于0.6即可，如果是两个分析项， KMO值一定是0.5；因而建议删除掉共同度(公因子方差)值较低项，这样可以提升KMO值。