实验名称：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
一、实验目的和要求通过上机操作，完成spss软件的主成分分析二、实验
内容
财务内部控制制度的内容财务内部控制制度的内容人员招聘与配置的内容项目成本控制的内容消防安全演练内容
和步骤6.8如图所示点击analyze-datareduction-factor将6个变量选入变量框中分别点击descriptiverotation选项，进行以下操作点击extraction进行以下分析点击options结果如下所示CorrelationMatrixX1X2X3X4X5X6CorrelationX11.000.711.420.182.081-.166X2.7111.000.141.275.302-.051X3.420.1411.000.028-.142.353X4.182.275.0281.000.384.042X5.081.302-.142.3841.000.104X6-.166-.051.353.042.1041.000上
表
关于同志近三年现实表现材料材料类招标技术评分表图表与交易pdf视力表打印pdf用图表说话 pdf
为相关矩阵，给出了6个变量之间的相关系数主对角线的值均为1，绝大大部分小于0.01，因此可以说明因子之间相关性不是特别的大。KMOandBartlett'sTestKaiser-Meyer-OlkinMeasureofSamplingAdequacy..434Bartlett'sTestofSphericityApprox.Chi-Square45.919df15Sig..000上表为KMO和Bartlett检验表，KMO检验是对变量是否适合做因子分析的检验，根据Kaiser常用度量标准，因为此时KMO=0.434,表示此事不适合做因子分析，所以我们用主成分分析。CommunalitiesInitialExtractionX11.000.911X21.000.785X31.000.835X41.000.585X51.000.744X61.000.859ExtractionMethod:PrincipalComponentAnalysis.上表额为公因子方差，给出了盖茨分析中从每个原始变量中提取的信息，从表中可以看出除了人均城市道路面积X4（平方米），主成分几乎都包含了其余各个变量至少80%的信息。TotalVarianceExplainedComponentInitialEigenvaluesExtractionSumsofSquaredLoadingsTotal%ofVarianceCumulative%Total%ofVarianceCumulative%12.08234.69534.6952.08234.69534.69521.39223.19757.8921.39223.19757.89231.24520.75778.6491.24520.75778.6494.66511.09089.7395.4427.36297.1016.1742.899100.000ExtractionMethod:PrincipalComponentAnalysis.上表为特征根于方差贡献表，给出了个主成分解释原始变量总方差的情况，从表中可以看出，本例中保留了3个主成分，集中了原始变量总信息的78.649%上图为碎石土，分析碎石土看出因子1与因子2与因子3特征值差值比较大，而其他特征值比较小，可以出保留3个因子能概括绝大部分信息。ComponentMatrixaComponent123X2.861-.071-.196X1.840.236-.387X4.528-.406.376X3.402.801.179X5.440-.580.462X6.024.434.819ExtractionMethod:PrincipalComponentAnalysis.a.3componentsextracted.以上为因子载荷矩阵，包含了3个特征向量。可以根据这个计算主成分，例如，X1=0.861a1-0.071a2-0.196a3。令Zi为第i个主成分的变量系数向量，Z1=a1/squrt(2.154),以此类推Z2，Z3可以对Z排序做综合排序指标，并作结果说明。RotatedComponentMatrixaComponent123X1.954.027.015X2.808.364-.057X4.171.803.109X3.481-.290.732X5.064.916-.102X6-.225.165.884以上为旋转后矩阵，第一个公共因子在前两个指标上有较大载荷，说明这两个指标有较强的相关性，可以归为一类ComponentTransformationMatrixComponent1231.785.616.0582.480-.666.5713-.391.421.819通过相加对角线元素，判断是正交矩阵。ComponentScoreCoefficientMatrixComponent123X1.528-.090-.048X2.413.125-.075X4-.002.471.114X3.254-.191.507X5-.062.540-.032X6-.200.172.690ExtractionMethod:PrincipalComponentAnalysis.RotationMethod:VarimaxwithKaiserNormalization.ComponentScores.可知F1=0.528X1+0.413X2-0.002X3+0.254X4-0.062X5-0.2X6F2=-0.09X1+0.125X2-0.471X3-0.191X4-0.540X5-0.172X6F3=-0.048X1-0.075X2+0.114X3+0.507X4-0.032X5-0.690X6
浙公网安备 33021202002483