1、用SPSS作主成分分析,以城鎮(zhèn)居民消費(fèi)支出資料為例,用主成分分析法對各省、市作綜合評價（spssex-2/城鎮(zhèn)居民消費(fèi)支出的主成分分析 ） 以經(jīng)濟(jì)效益數(shù)據(jù)為例，用主成分分析法對各企業(yè)作綜合評價（ spssex-2/企業(yè)經(jīng)濟(jì)效益的主成分分析）,主成分分析法和SPSS軟件應(yīng)用時 一對一的正確步驟：,（一）指標(biāo)的正向化。 指標(biāo)最好有同趨勢化，一般為了評價分析的方便，需要將逆指標(biāo)轉(zhuǎn)化為正指標(biāo)，轉(zhuǎn)化的方式為用逆指標(biāo)的倒數(shù)值代替原指標(biāo)。 （二）指標(biāo)數(shù)據(jù)標(biāo)準(zhǔn)化（SPSS軟件自動執(zhí)行，下圖）。 （三）指標(biāo)之間的相關(guān)性判定：用SPSS軟件中表“Correlation Matrix(相關(guān)系數(shù)矩陣)”判定。,數(shù)據(jù)標(biāo)

2、準(zhǔn)化：,（四）確定主成分個數(shù)m：用SPSS軟件中表“Total Variance Explained(總方差解釋)” 的主成分方差累計貢獻(xiàn)率 %、結(jié)合表“Component Matrix(初始因子載荷陣)”中變量不出現(xiàn)丟失確定主成分個數(shù)m。 （SPSS中選取主成分的方法有兩個：一是根據(jù)特征根1來選取； 另一種是用戶直接規(guī)定主成分的個數(shù)來選取。）,（五）主成分Fi表達(dá)式（這是SPSS軟件及其教科書中沒完善的地方）：經(jīng)過FACTOR 過程產(chǎn)生的是因子載荷陣，但主成分分析模型需要的不是因子載荷量而是特征向量，所以還需將因子載荷量輸入數(shù)據(jù)編輯窗口，利用 “主成分相應(yīng)特征根的平方根與特征向量乘積為因子載

3、荷量”的性質(zhì)用TRANSFORMCOMPUTE 來計算特征向量，得到主成分的線性表達(dá)式。,將SPSS軟件中表“Component Matrix”中的第i 列向量除以第i個特征根的開根后就得到第i個主成分函數(shù)Fi 的系數(shù)（將前m個因子載荷矩陣輸入到數(shù)據(jù)編輯窗口,為變量A1,A2, ,Am,在“transform -compute”中進(jìn)行計算 Ui=Ai / SQR( ），得到特征向量Ui，由此寫出主成分Fi表達(dá)式。,（六）主成分Fi命名：用SPSS軟件中表“Component Matrix”中的第 i 列中系數(shù)絕對值大的對應(yīng)變量對Fi命名(有時命名清晰性低)。 （七）主成分與綜合主成分得分(評價

4、值) （這是SPSS軟件及其教科書中沒完善的地方）：主成分得分是根據(jù)表達(dá)式將標(biāo)準(zhǔn)化后的相應(yīng)數(shù)據(jù)代入得到的， 在“transform_compute”中輸入主成分的表達(dá)式（特征向量與標(biāo)準(zhǔn)化后的數(shù)據(jù)相乘），確定后即可得到各主成分的得分Fi 。,若需要綜合得分，還需在“transform_compute”中輸入綜合評價函數(shù),是主成分的方差貢獻(xiàn)率。,最后在”transform_rank case”中選中Y進(jìn)行排序。,主成分得分一般用來對研究現(xiàn)象進(jìn)行綜合評價、排序及篩選變量 。,（八）檢驗(yàn)：綜合主成分(評價)值用實(shí)際結(jié)果、經(jīng)驗(yàn)與原始數(shù)據(jù)做聚類分析進(jìn)行檢驗(yàn)（對有爭議的結(jié)果，可用原始數(shù)據(jù)做判別分析解決爭議）。 （九）綜合實(shí)證分析。,x1：人均糧食支出（元/人） x2：人均副食支出（元/人） x3：人均煙、酒、茶支出（元/人） x4：人均其他副食支出（元/人） x5: 人均衣著商品支出（元/人） x6: 人均日用品支出（元/人 x7: 人均燃料支出（元/人） x8: 人均非商品支出（元/人）,指標(biāo)解釋：,城鎮(zhèn)居民消費(fèi)支出的主成分分析,利用FACTOR 實(shí)現(xiàn)主成分分析時，在確定公共因子個數(shù)（Numbers of Factor）時，一般直接選擇與原變量數(shù)目相等的個數(shù)，這樣可以避免由于