主成分分析步骤.doc

主成分分析步骤 实验步骤： 将原数据进行标准化处理，此处以标准差标准化为例，用spss的步骤： 工具栏中的分析—描述统计—描述—添加所有变量，并将“将标准化得分另存为变量”勾住—得到标准差和均值如下 表一： 描述统计量 N 均值 标准差 粮食 21 215.7276 32.47025 蔬菜 21 105.8990 32.13360 食油 21 6.8486 1.84640 猪牛羊肉 21 13.464 4.9109 家禽 21 3.9171 2.87086 蛋类及其制品 21 5.9724 3.03876 水产品 21 6.8543 4.90352 食糠 21 1.3510 .62037 酒 21 9.9495 5.46756 有效的 N （列表状态） 21 工具栏中的转换—计算变量—输入数字表达式：（变量—均值）/标准差—依次导入变量，且输入对应的目标变量得到标准化后的数字 计算相关系数矩阵 工具栏分析—降维—因子分析—导入所有变量—在描述中将系数勾上得到相关系数矩阵 表二： t1 t2 t3 t4 t5 t6 t7 相关 t1 1.000 .338 -.192 -.051 .194 -.409 -.041 t2 .338 1.000 .221 .345 .093 -.075 -.033 t3 -.192 .221 1.000 -.011 -.061 .294 .230 t4 -.051 .345 -.011 1.000 .529 -.453 .531 t5 .194 .093 -.061 .529 1.000 -.558 .762 t6 -.409 -.075 .294 -.453 -.558 1.000 -.280 t7 -.041 -.033 .230 .531 .762 -.280 1.000 t8 -.378 -.204 .022 .412 .433 -.111 .508 t9 -.418 -.210 .055 .105 .015 .307 .332 相关矩阵 t8 t9 相关 t1 -.378 -.418 t2 -.204 -.210 t3 .022 .055 t4 .412 .105 t5 .433 .015 t6 -.111 .307 t7 .508 .332 t8 1.000 .419 t9 .419 1.000 3.计算特征值及对应的特征向量 工具栏分析—降维—因子分析—导入变量—在描述中勾“原始分析结果”“系数”—在抽取中，方法：主成分；分析：相关性矩阵；输出：未旋转的因子解；抽取：因子的固定数量：4—在得分中勾上“显示因子得分系数矩阵” 表三： 公因子方差 初始 提取 t1 1.000 .719 t2 1.000 .914 t3 1.000 .907 t4 1.000 .863 t5 1.000 .864 t6 1.000 .785 t7 1.000 .891 t8 1.000 .719 t9 1.000 .631 提取方法：主成份分析。 计算主成分的方差贡献率和累计方差贡献率（上一步骤中已经包括了） 表四： 解释的总方差 成份 初始特征值 提取平方和载入 合计 方差的 % 累积 % 合计 方差的 % 累积 % 1 2.927 32.521 32.521 2.927 32.521 32.521 2 2.220 24.671 57.192 2.220 24.671 57.192 3 1.344 14.936 72.128 1.344 14.936 72.128 4 .801 8.905 81.033 .801 8.905 81.033 5 .654 7.263 88.296 6 .396 4.399 92.694 7 .335 3.727 96.422 8 .222 2.472 98.894 9 .100 1.106 100.000 提取方法：主成份分析。 5.计算主成分 表五： 成份矩阵a 成份 1 2 3 4 t1 .002 -.820 -.006 .216 t2 .093 -.477 .715 -.409 t3 .009 .276 .809 .421 t4 .780 -.113 .194 -.452 t5 .872 -.212