资源描述：
《主成分分析在spss中的操作应用new》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、理论与方法主成分分析在SPSS中的操作应用#慧聪国际行业研究院广州分公司张文霖在所有的线性组合中选取的F1应该是方差最大的,故称F1为第一主成分。如果第一主成分不足以代表原来P个一、引言指标的信息,再考虑选取F2即选第二个线性组合,为了有在社会经济统计综合评价中主成分分析和因子分析效地反映原来信息,F1已有的信息就不需要再出现在F2是两个常被使用的统计分析方法。现在SPSS、SAS等统计中,用数学语言表达就是要求Cov(F1,F2)=0,则称F2为第软件使用越来越普遍,但SPSS并未像SAS一样,将主成二主成分,依此类推可以构造出第三、第四,⋯⋯,第P个分分析
2、与因子分析作为两个独立的方法并列处理[注:主主成分。成分分析与因子分析二者是又有着区别与联系,最主要(二)主成分分析数学模型的不同在于它们的数学模型的构建上,具体区别请见参F1=a11ZX1+a21ZX2+⋯⋯+ap1ZXp考文献[2],而是根据二者之间的关系有机地将主成分分F2=a12ZX1+a22ZX2⋯⋯+ap2ZXp析嵌入到因子分析之中,这样虽然简化了分析程序,却为{⋯⋯主成分分析的计算带来不便。且国内许多SPSS教程并没Fp=a1mZX1+a2mZX2+⋯⋯+apmZXp有详细讲解如何应用SPSS进行主成分分析,那到底如何其中a1i,a2i,⋯⋯,a
3、pi(i=1,⋯⋯,m)为X的协方差阵Σ使用SPSS进行主成分分析呢?为使读者能够正确使用的特征值多对应的特征向量,ZX1,ZX2,⋯⋯,ZXp是原始SPSS软件进行主成分分析,本文将通过一个实例来详细变量经过标准化处理的值,因为在实际应用中,往往存在介绍如何用SPSS进行主成分分析。接下来先简单介绍主指标的量纲不同,所以在计算之前须先消除量纲的影响,成分分析原理与模型,以便读者对主成分分析有个大致而将原始数据标准化,本文所采用的数据就存在量纲影的了解。响[注:本文指的数据标准化是指Z标准化]。A=(aij)p×m=(a1,a2,⋯am,),Rai=λiai,
4、R为相关系数矩阵,λi、二、主成分分析原理和模型[1]ai是相应的特征值和单位特征向量,λ1≥λ2≥⋯≥λp≥0。进行主成分分析主要步骤如下:(一)主成分分析原理1.根据研究问题选取指标与数据;主成分分析是设法将原来众多具有一定相关性(比2.进行指标数据标准化(SPSS软件Factor过程自动如P个指标),重新组合成一组新的互相无关的综合指标执行);来代替原来的指标。通常数学上的处理就是将原来P个3.进行指标之间的相关性判定;指标作线性组合,作为新的综合指标。最经典的做法就是4.确定主成分个数m;用F1(选取的第一个线性组合,即第一个综合指标)的方5.确定主成
5、分Fi表达式;差来表达,即Var(F1)越大,表示F1包含的信息越多。因此6.进行主成分Fi命名;12■2005■市场研究#$理论与方法7.计算综合主成分值并进行评价与研究。体系中选取了10个指标:X1——GDPX2——人均GDP三、对沿海10个省市经济综合指标进X3——农业增加值X4——工业增加值行主成分分析X5——第三产业增加值X6——固定资产投资X7——基本建设投资(一)指标选取原则X8——国内生产总值占全国比重(%)本文所选取的数据来自《中国统计年鉴2003》中X9——海关出口总额2002年的统计数据,在沿海10个省市经济状况主要指标X10——地方财政
6、收入表1沿海10个省市经济数据农业工业第三产业固定资基本建社会消费品海关出地方财地区GDP人均GDP增加值增加值增加值产投资设投资零售总额口总额政收入辽宁5458.21300014883.31376.22258.41315.9529.02258.4123.7399.7山东10550.0116431390.03502.53851.02288.71070.73181.9211.1610.2河北6076.69047950.21406.72092.61161.6597.11968.345.9302.3天津2022.62206883.9822.8960.0703.736
7、1.9941.4115.7171.8江苏10636.0143971122.63536.33967.22320.01141.33215.8384.7643.7上海5408.84062786.22196.22755.81970.2779.32035.2320.5709.0浙江7670.016570680.02356.53065.02296.61180.62877.5294.2566.9福建4682.013510663.01047.11859.0964.5397.91663.3173.7272.9广东11770.0150301023.94224.64793.6302
8、2.91275.55013.61843
