主成分
分析
定性数据统计分析pdf销售业绩分析模板建筑结构震害分析销售进度分析表京东商城竞争战略分析
步骤
实验步骤:
1. 将原数据进行
标准
excel标准偏差excel标准偏差函数exl标准差函数国标检验抽样标准表免费下载红头文件格式标准下载
化处理,此处以标准差标准化为例,用spss的
步骤:
工具栏中的分析—描述统计—描述—添加所有变量,并将“将标准化
得分另存为变量”勾住—得到标准差和均值如下 表一:
描述统计量
均值 标准差 N
粮食 21 215.7276 32.47025
蔬菜 21 105.8990 32.13360
食油 21 6.8486 1.84640
猪牛羊肉 21 13.464 4.9109
家禽 21 3.9171 2.87086
蛋类及其制品 21 5.9724 3.03876
水产品 21 6.8543 4.90352
食糠 21 1.3510 .62037
酒 21 9.9495 5.46756
有效的 N (列表状态) 21
工具栏中的转换—计算变量—输入数字表达式:(变量—均值)/标准差—依次导入变量,且输入对应的目标变量得到标准化后的数字
2. 计算相关系数矩阵
工具栏分析—降维—因子分析—导入所有变量—在描述中将系数勾上得到相关系数矩阵
表二:
t1 t2 t3 t4 t5 t6 t7 相关 t1 1.000 .338 -.192 -.051 .194 -.409 -.041
t2 .338 1.000 .221 .345 .093 -.075 -.033
t3 -.192 .221 1.000 -.011 -.061 .294 .230
t4 -.051 .345 -.011 1.000 .529 -.453 .531
t5 .194 .093 -.061 .529 1.000 -.558 .762
t6 -.409 -.075 .294 -.453 -.558 1.000 -.280
t7 -.041 -.033 .230 .531 .762 -.280 1.000
t8 -.378 -.204 .022 .412 .433 -.111 .508
t9 -.418 -.210 .055 .105 .015 .307 .332
相关矩阵
t8 t9
相关 t1 -.378 -.418
t2 -.204 -.210
t3 .022 .055
t4 .412 .105
t5 .433 .015
t6 -.111 .307
t7 .508 .332
t8 1.000 .419
t9 .419 1.000
3.计算特征值及对应的特征向量 工具栏分析—降维—因子分析—导入变量—在描述中勾“原
始分析结果”“系数”—在抽取中,方法:主成分;分析:
相关性矩阵;输出:未旋转的因子解;抽取:因子的固定数
量:4—在得分中勾上“显示因子得分系数矩阵”
表三:
公因子方差
初始 提取
t1 1.000 .719
t2 1.000 .914
t3 1.000 .907
t4 1.000 .863
t5 1.000 .864
t6 1.000 .785
t7 1.000 .891
t8 1.000 .719
t9 1.000 .631
提取方法:主成份分析。
3. 计算主成分的方差贡献率和累计方差贡献率(上一
步骤中已经包括了)
表四:
解释的总方差
初始特征值 提取平方和载入 成份 合计 方差的 % 累积 % 合计 方差的 % 累积 % 1 2.927 32.521 32.521 2.927 32.521 32.521 2 2.220 24.671 57.192 2.220 24.671 57.192 3 1.344 14.936 72.128 1.344 14.936 72.128 4 .801 8.905 81.033 .801 8.905 81.033
5 .654 7.263 88.296
6 .396 4.399 92.694
7 .335 3.727 96.422
8 .222 2.472 98.894
9 .100 1.106 100.000 提取方法:主成份分析。
5.计算主成分
表五:
a成份矩阵
成份 1 2 3 4
t1 .002 -.820 -.006 .216
t2 .093 -.477 .715 -.409 t3 .009 .276 .809 .421 t4 .780 -.113 .194 -.452 t5 .872 -.212 -.064 .235 t6 -.563 .608 .312 -.018 t7 .857 .177 .130 .328 t8 .664 .496 -.151 -.101 t9 .241 .735 -.023 -.180 提取方法 :主成份。
a. 已提取了 4 个成份。
表六:
(主成分载荷)成份得分系数矩阵
成份 1 2 3 4 t1 .001 -.369 -.004 .270 t2 .032 -.215 .532 -.510 t3 .003 .125 .601 .525 t4 .266 -.051 .145 -.564 t5 .298 -.095 -.048 .294 t6 -.192 .274 .232 -.023 t7 .293 .080 .097 .410 t8 .227 .223 -.112 -.126 t9 .082 .331 -.017 -.225
(主成分载荷)成份得分系数矩阵
成份 1 2 3 4 t1 .001 -.369 -.004 .270 t2 .032 -.215 .532 -.510 t3 .003 .125 .601 .525 t4 .266 -.051 .145 -.564 t5 .298 -.095 -.048 .294 t6 -.192 .274 .232 -.023 t7 .293 .080 .097 .410 t8 .227 .223 -.112 -.126 t9 .082 .331 -.017 -.225 提取方法 :主成份。
构成得分。
表七:
综上所述,我们可以看出:
1. 第一主成分Z1与t5,t7,t4,t8呈现出较强的正相关.即猪牛羊肉,家禽,水产品,食糠。
第二主成分Z2与t1呈现出较强的负相关,与t6,t9呈现出较强的正相关.即粮食,蛋类及其制品,酒 第三主成分Z3与t2,t3呈现出较强的正相关.即蔬菜,食油
第四主成分Z4与t4,t2呈现出较强的负相关,与t3呈现出较强的正相关.即蔬菜,食油,猪羊肉
2. 表七代表的是各个国家的各个主成分所代表的产品的消费量,即主成分
如:第一行代表的城市是北京,它的第二主成分较大,即Z2,表示北京对粮食,蛋类及其制品,酒的消耗量比较大;第二行代表的城市是天津,它的第二主成分较大,第四主成分次之,表示天津同样对粮食,蛋类及其制品,酒的消耗量也比较大,但是没有北京的需求大,且它对蔬菜,食油,猪羊肉的消耗也比较大;
以此类推,得到各城市对这些产品的消费量,从而生产适量产品,防止劳动产品的剩余或不足。