2024年6月10日发(作者：)

(完整版)主成分分析SPSS操作步骤

主成分分析SPSS操作步骤

以教材第五章习题8的数据为例，演示并说明主成分分析的详细步骤：

一．

原始数据的输入

注意事项:关键注意设置好数据的类型（数值?字符串?等等）以及小数点后保留数字的个数即可。

1

(完整版)主成分分析SPSS操作步骤

二．选项操作

1. 打开SPSS的“分析"→“降维”→“因子分析”，

打开“因子分析"对话框（如下图）

2. 把六个变量：食品、衣着、燃料、住房、交通和通讯、娱乐教育文化输入到右边的待分析

变量框.

3. 设置分析的统计量

2

(完整版)主成分分析SPSS操作步骤

打开最右上角的“描述”对话框，选中“统计量"里面的“原始分析结果”和“相关矩阵”

里面的“系数”。（选中原始分析结果，SPSS自动把原始数据标准差标准化，但不显示出来;

选中系数，会显示相关系数矩阵。）。然后点击“继续".

打开第二个的“抽取”对话框：“方法”里选取“主成分”;“分析”、“输出"和“抽取”这

三项都选中各自的第一个选项即可。然后点击“继续”。

3

(完整版)主成分分析SPSS操作步骤

第三个的“旋转”对话框里,选取默认的也是第一个选项“无”。

第四个“得分”对话框中，选中“保存为变量"的“回归”；以及“显示因子得分系数矩阵”。

第五个“选项"对话框，默认即可.

这时点击“确定”，进行主成分分析。

三．分析结果的解读

4

(完整版)主成分分析SPSS操作步骤

按照SPSS输出结果的先后顺序逐个介绍

1.相关系数矩阵：是6个变量两两之间相关系数大小的方阵。

2。共同度：

给出了这次主成分分析从原始变量中提取的信息，可以看出交通和通讯最多,而娱乐教育文

化损失率最大。

Communalities

食品

衣着

燃料

住房

交通和通讯

娱乐教育文化

Initial

Extraction

1.000

1.000

1。000

1.000

1.000

1.000

.878

.825

.841

.810

。919

.584

3.总方差的解释：

系统默认方差大于1的为主成分，所以只取前两个,前两个主成分累加占到总方差的80。939％。

并且第一主成分的方差是3。568,第二主成分的方差是1.288。

Total Variance Explained

Compon

Initial Eigenvalues

Extraction Sums of Squared Loadings

5

(完整版)主成分分析SPSS操作步骤

ent

1

2

3

4

5

6

Total

3。568

1。288

.600

。359

。142

。043

% of Variance

Cumulative ％

59。474

21.466

10。001

5。975

2。372

。712

59.474

80.939

90。941

96.916

99。288

100。000

Total

％ of Variance

Cumulative ％

59.474

21.466

59。474

80。939

3.568

1.288

Extraction Method: Principal Component Analysis.

4. 主成分载荷矩阵：

Component Matrix

a

交通和通讯

食品

衣着

住房

娱乐教育文化

燃料

Component

1

.925

.902

.880

。878

.588

.093

2

—。252

.255

-。224

—。195

。488

.912

应该特别注意：

这个主成分载荷矩阵并不是主成分的特征向量，也就是说并不是主成分1和主成分2的系数，

主成分系数的求法是:各自主成分载荷向量除以各自主成分特征值的算术平方根.那么第1主成

分的各个系数是向量（0。925, 0。902， 0.880, 0。878, 0.588， 0。093）除以

3.568

后得

到，即（0.490， 0.478, 0。466, 0.465， 0.311， 0.049)（这才是主成分1的特征向量，满

足条件：系数的平方和等于1)，分别乘以6个原始变量标准化之后的变量即为第1主成分的函数

表达式：

Y

1

0.490*Z交0.478*Z食0.466*Z衣0.465*Z住0.311*Z娱0.049*Z燃

同理可以求出

第2主成分的函数表达式。(同学们自己求解！)

5. 主成分得分系数矩阵

6