2024年6月10日发(作者：)

统计分析软件应用SPSS-主成分分析实验报告

本实验采用SPSS软件搭配PCA算法，运用主成分分析（Principal Component

Analysis）对数据建模，从而对原始数据进行数据挖掘，挖掘出其内在关联性及约束条件。

1.实验介绍

主成分分析分析的数据主要是离散（或连续）的变量矩阵，它是将一组变量转换成一

组新的变量，称为主成分，这些新变量有不同程度的解释能力，可以代表输入变量的内在

趋势。

2.实验方法

以SPSS软件中的主成分分析为例，具体进行主成分分析如下：

（1）通过点击“分析”菜单栏的“统计方法”按钮打开对话框；

（2）在统计方法中选择“主成分分析”；

（3）选择变量；

（4）设置相关的参数，其中的设置包括是否对输入变量进行标准化或是与原来输入

变量一样不标准化等；

（5）然后点击“OK”运行。

3.实验结果

运行之后，SPSS软件就会给出主成分分析的结果，其主要内容有：载荷矩阵、方差表、

方差序列图、因子得分表。

4.载荷矩阵

载荷矩阵主要是列出每个原始变量与主成分的相关性，矩阵中的值代表相关系数，是

两个变量之间的变化关系，相关系数的大小代表其相关性。

5.方差表

方差表包括每个主成分的方差以及其贡献率，贡献率表示每个成分在总方差中所占的

比重，通过该表可以较好地分析出因子各自所占方差比重。

6.方差序列图

方差序列图是指把所有主成分的方差按从高到低的顺序排列，从而构成的图形，它可

以清晰地展示每个成分的贡献率。

7.因子得分表

因子得分表主要是列出每个观测值在每个主成分上的因子得分，利用因子得分可以更

精确地表征观测值的差异，从而更好地挖掘出内在的数据关联。

5.结论

本实验使用SPSS软件中的主成分分析对数据进行建模，分析出数据内在的关联关系。

通过矩阵载荷分析、方差表、方差序列图以及因子得分表等计算出来的数值，可以观察出

原始变量间的内在关联，从而发现其内在的趋势，从而实现数据挖掘。