主成分分析-spss主成分分析结果解读

因子分析选项中有一项是特征根植大于1或者说是指定主成分个数，默认是提取的特征根植为1，你改成下面的指定主成分个数那一项就可以了你想指定几项都可以不过要小于所有变量个数

Fpa1iZX1a2iZX2……

其中a1ia2i……1……m为X的协方差阵Σ的特征值所对应的特征向量，ZX1ZX2……ZXp是原始变量经过标准化处理的值，因为在实际应用中，往往存在指标的量纲不同，所以在计算之前须先消除量纲的影响，而将原始数据标准化，本文所采用的数据就存在量纲影响注：本文指的数据标准化是指Z标准化。

×ma1a2…am，

Raiλiai，

R为相关系数矩阵，λi、ai是相应的特征值和单位特征向量λ1≥λ2≥…≥λp≥0。

进行主成分分析主要步骤如下：

1指标数据标准化（软件自动执行）；

2指标之间的相关性判定；

3确定主成分个数m；

4主成分Fi表达式；

5主成分Fi命名；

主成分分析法的计算步骤

向左转向右转

一般要读KMO、碎石图、累计解释率、共同度、因子最大正交旋转后的图

你提取几个主成分啊，我看你一点都不会啊

因子得分可以直接保存的，你选择“保存”，把因子得分选项前面的对勾打上，然后点运行就行了

主成分是变量的线性组合。提取出两个主成分意味着变量可以用这两个主成分进行解释。所以你可以对这两个主成分进行多元线性回归。主成分分析本身和多元线性回归无关哦。

主成分分析有两个应用一是主成分评价综合评价，二是多重共线性时作主成分回归。

许多的书，包括影响较大的张文彤的书，并没有要求要把指标正向化，即逆指标都化成正指标。

我的理解，对于第一种应用，主成分评价，因为要算综合得分，分值越大越好，因此，必须要正向化。

而对于第二种应用，即主成分回归，因为不是要综合评价，分值越大越好，而只自变量对因变量的影响。因此，无须正向化。