CHAP13 主成分分析和因子分析.ppt

第13章 主成分分析与因子分析;主成分分析与因子分析的概念;主成分分析与因子分析的概念（续）;因子分析理论;因子分析理论;因子分析理论;因子分析理论;因子分析理论;因子分析理论;因子分析理论;因子分析理论;主成分分析实例P316－不旋转;洛衫矶对12个人口调查区的数据;因子分析实例322－旋转Rotation;主成分分析实例P330 －不旋转市场研究中的顾客偏好分析;补充：主成分分析和因子分析;主成分分析和因子分析 ;汇报什么？;主成分分析;成绩数据（student.sav）;从本例可能提出的问题;主成分分析;主成分分析;闺镑巴测干溺众辐吾诊杯汀搞慎勾慰饵灼花恩缀媚被纲茸迈越僵炳叹循漫CHAP13 主成分分析和因子分析CHAP13 主成分分析和因子分析;主成分分析;主成分分析;对于我们的数据，SPSS输出为;特征值的贡献还可以从SPSS的所谓碎石图看出;怎么解释这两个主成分。前面说过主成分是原始六个变量的线性组合。是怎么样的组合呢？SPSS可以输出下面的表。 ;如用x1,x2,x3,x4,x5,x6分别表示原先的六个变量，而用y1,y2,y3,y4,y5,y6表示新的主成分，那么，原先六个变量x1,x2,x3,x4,x5,x6与第一和第二主成分y1,y2的关系为： X1=-0.806y1 + 0.353y2 X2=-0.674y1 + 0.531y2 X3=-0.675y1 + 0.513y2 X4= 0.893y1 + 0.306y2 x5= 0.825y1 + 0.435y2 x6= 0.836y1 + 0.425y2 这些系数称为主成分载荷（loading），它表示主成分和相应的原先变量的相关系数。 比如x1表示式中y1的系数为-0.806，这就是说第一主成分和数学变量的相关系数为-0.806。 相关系数(绝对值）越大，主成分对该变量的代表性也越大。可以看得出，第一主成分对各个变量解释得都很充分。而最后的几个主成分和原先的变量就不那么相关了。 ;可以把第一和第二主成分的载荷点出一个二维图以直观地显示它们如何解释原来的变量的。这个图叫做载荷图。;该图左面三个点是数学、物理、化学三科，右边三个点是语文、历史、外语三科。图中的六个点由于比较挤，不易分清，但只要认识到这些点的坐标是前面的第一二主成分载荷，坐标是前面表中第一二列中的数目，还是可以识别的。;因子分析;主成分分析与因子分析的公式上的区别;对于我们的数据，SPSS因子分析输出为;这两个因子的??数所形成的散点图（虽然不是载荷，在SPSS中也称载荷图，;计算因子得分;因子分析和主成分分析的一些注意事项 ;SPSS实现(因子分析与主成分分析)