SPSS方法|主成分分析:降低指標維度,使複雜問題簡單化

2020-11-30 經濟學20級3班萃英園

#SPSS方法#

主成分分析

主成分分析是將多個指標化為少數幾個不相關的綜合指標,並對綜合指標按照一定的規則進行分類的一種多元統計分析方法。這種分析方法能夠降低指標維數,濃縮指標信息,將複雜的問題簡化,從而使問題分析更加直觀有效。目前,這種方法已經在經濟等領域中得到廣泛的應用,選好數據就可以利用SPSS進行主成分分析。

本次數據選取陝甘寧蒙晉生態環境指標做生態環境評價分析。操作步驟如下:

01

將數據錄入excel,進行標準化後。得到以下數據:

02

進行主成分分析:選擇分析→降維→因子分析。

03

設置描述性,抽取,得分和選項:

04

查看主成分分析和分析:相關矩陣表明,各項指標之間具有強相關性,適合採用主成分分析法。(下表非完整呈現)

05

由Total Variance Explained(主成分特徵根和貢獻率)可知,特徵根λ1=5.321、λ2=2.106和λ3=1.664前三個主成分的累計方差貢獻率達82.624%,即涵蓋了大部分信息。這表明三個主成分能夠代表最初的11個指標來分析陝甘寧蒙晉生態環境情況。

06

計算因子得分係數矩陣。根據各個主成分特徵根在提取後的特徵根之和的佔比確定主成分權重。第一主成分權重為:

5.321/9.091×100%=58.5%;第二主成分權重為:

2.106/9.091×100%=23.2%;第三主成分權重為:

1.664/9.091×100%=18.3%。

07

根據各主成分的得分與權重,計算出綜合得分:

5.321/9.091×100%=58.5%,綜合得分的計算公式為:

F=58.5%×F1 +23.2%×F2+18.3%×F3。

08

最後得出烏海、鄂爾多斯、石嘴山市在陝甘寧蒙晉中生態環境評價效果最好。

來源:學術無界

相關焦點

  • 數據分析之主成分分析,spss主成分分析實例
    一、主成分分析概要主成分分析,在進行有多個指標的綜合評定時,客觀全面的綜合評價結果非常重要,然而往往多個指標之間通常存在信息不統一或者重複等眾多因素,各指標的權重往往很難確認。主成分分析方法能夠解決以上問題,主成分分析法是一種降維的統計方法,是考察多個變量間相關性一種多元統計方法。二、spss主成分分析操作流程導入數據。
  • spss主成分怎麼進行分析?spss主成分分析法步驟
    spss 這款軟體功能非常多哦,還可以分析主成分哦,但是很多朋友不知道spss主成分怎麼進行分析?小編下面準備了spss主成分分析法詳細步驟,大家安裝 詳細步驟一步步操作就知道spss主成分怎麼進行分析?
  • SPSS超詳細教程:主成分分析
    2、對問題的分析  研究者擬將多個變量歸納為某幾項信息進行分析,即降低數據結果的維度。  此外,檢驗主成分分析數據結構的方法還有以下三種:用Kaiser-Meyer-Olkin (KMO)檢驗對數據的總體分析,KMO檢驗對各變量的單獨分析以及Bartlett's 檢驗 (Bartlett's test of sphericity)。接下來,我們將對這三種方法進行逐一介紹。
  • 關於SPSS因子分析的幾點總結
    對因子分析的幾次嘗試與實踐,有一些新的認識。一、因子分析與主成分分析的區別關於這個問題,見諸各大論壇、博客,還有百度知道等欄目,這裡引用期刊論文中的文字加以說明。1、主成分分析:是研究如何通過少數幾個主成分來解釋多變量的方差一協方差結構的分析方法,也就是求出少數幾個主成分(變量),使它們儘可能多地保留原始變量的信息,且彼此不相關。它是一種數學變換的方法,即把給定的一組變量通過線性變換,轉換為一組不相關的變量(兩兩相關係數為0,或樣本向量彼此相互垂直的隨機變量)。
  • spss怎麼分析因子?spss因子分析法詳細步驟
    spss不僅可以分析主成分 ,還可以分析因子哦,但是很多朋友不知道spss怎麼分析因子?小編下面有一個spss因子分析法詳細步驟哦,只要大家按照spss因子分析法詳細步驟一步步操作就知道spss怎麼分析因子了哦,下面就和小編一起來看看吧!
  • spss如何把多個指標合併成一個變量?
    ,沒想到得到的反饋竟然是「老師,請問怎樣把好幾個問題合併成一個變量進行分析?」、「我的問卷有多個維度,每個維度下都有多個問題,怎麼進行分析?」  那麼本文就介紹幾種指標合併的方法,其實不管是哪種問法,解決方法都是一樣的。把多個指標合併成一個變量,通常有兩種做法:  一、計算平均值  針對問卷量表數據,同時幾個題表示一個維度。
  • SPSS因子分析案例
    因子分析在各行各業的應用非常廣泛,尤其是科研論文中因子分析更是頻頻出現。【一、概念】探討具有相關關係的變量之間,是否存在不能直接觀察到的,但對可觀測變量的變化其支配作用的潛在因素的分析方法就是因子分析,也叫因素分析。通俗點:因子分析是尋找潛在的、起支配作用因子的方法。
  • R語言實現主成分分析
    主成分分析(PCA)是一種常見的排序方法
  • 基本數據統計分析--spss
    在數據分析工作中,描述性統計分析是我們日常使用率最高的,主要的基本統計分析維度包括但不限於均值、 中位數、眾數、方差、百分位、頻數、峰度、偏度、探索分析、交叉聯列表分析、多選項分析、基本統計報表製作等。而這些功能操作在spss中是可以直接使用的。當然我們也需要理解相關定義。
  • 奧卡姆剃刀原理:把複雜問題簡單化
    本質上是把簡單的問題複雜化了,或者沒有把複雜的問題簡單化。結果可想而知。通用電氣前CEO韋爾奇通過畢生實踐總結出了一條最高管理法則:管理的真諦是把複雜的問題簡單化,將混亂的事情規範化。他甚至表示,他的目標就是要「將我們所做的一切事情、所製造的一切東西都『簡單化』。」
  • SPSS有話說:如何得出問卷或量表的結構或維度——探索性因素分析
    探索性因素分析是依據樣本數據,根據變量間相關性的大小對變量進行分組,每組內的變量之間存在較高相關性,意味著這些變量背後有共同的制約因素,用這些公共因子來代替原始的眾多變量的過程。簡單來說,就是探索問卷的結構或維度。探索性因素分析也是在心理測驗編制過程中用來檢驗測驗結構效度的一種非常重要和有效的分析方法,通過檢驗變量(因子)與題項的對應關係。
  • 一文理清主成分分析思路
    主成分分析是一種濃縮數據信息的方法,可將很多個指標濃縮成綜合指標(主成分),並保證這些綜合指標彼此之間互不相關。可用於簡化數據信息濃縮、計算權重、競爭力評價等。一、研究背景某研究想要了解各地區高等教育發展水平的綜合排名。從中選取30個地區10個評價指標,使用主成分分析進行降維,並計算綜合得分。
  • 奧卡姆剃刀定律:複雜的問題可以簡單化
    奧卡姆剃刀定律:複雜的問題可以簡單化提出者:14世紀歐洲邏輯學家、聖方濟各會修士奧卡姆的威廉。內容精解:如無必要,勿增實體,即「簡單有效原理」。正如他在《箴言書注》2卷15題所說的,「切勿浪費較多東西去做,用較少的東西,同樣可以做好的事情」。應用要訣:不做任何多餘的事。
  • 原理+代碼|Python基於主成分分析的客戶信貸評級實戰
    如果我們分別對每個指標進行分析,往往得到的結論是孤立的,並不能完全利用數據蘊含的信息。但是盲目的減少我們分析的指標,又會損失很多有用的信息。所以我們需要找到一種合適的方法,一方面可以減少分析指標,另一方面儘量減少原指標信息的損失。
  • 數據分析難?教你spss使用的正確姿勢
    軟體不會用,各種數據傻傻搞不清楚,尤其是怎麼分析數據更是暈頭轉向,當然跟著靠譜的老師學習,一邊看實操一邊自己做,這樣肯定事半功倍。本次我們整理出了spss的數據分析教程,都是有實操的,只要跟著做,絕對沒問題!
  • 數據分析基礎相關性分析,SPSS實操
    一、相關性分析定義相關性分析用於描述變量之間線性相關程度的強弱,並用適當的統計指標表示出來的過程。一般根據研究的目的不同、或變量的類型不同,採用不同的相關分析方法。 常用的相關分析方法:二元定距變量的相關分析、二元定序變量的相關分析、偏相關分析和距離相關分析等。
  • 單變量回歸分析spss - CSDN
    適用條件與簡單線性回歸分析類似,包括:線性趨勢、獨立性、正態性、方差齊性。但是對樣本量有要求,樣本量太少時,可能會出現檢驗效能不足,回歸結果可靠性降低等問題。一般要求樣本量要超過自變量數的20倍。案例:根據多個步態指標預測老年人動態平衡能力實驗對象:60歲左右的老年人。測試內容:老年人平衡分數,以及步態指標。· 時間類指標:雙支撐時間、單支撐時間。· 空間類指標:步長、步向角、左右側COP、前後側COP。
  • 通俗易懂的講解奇異值分解(SVD)和主成分分析(PCA)
    現在,我們有了一件非常令人興奮的事,我們得到了一種可以分解任何矩陣的方法,而不僅僅局限於對方陣進行特徵分解。我們現在可以將任何矩陣分解成兩個正交矩陣和一個對角矩陣,其中矩陣U的維度為m×r,對角陣Σ的維度為r×r和矩陣V的維度為r×n,其並且矩陣A的秩為r。4.
  • spss 方法 線性回歸專題及常見問題 - CSDN
    本文收集整理關於spss多元線性回歸結果解讀的相關議題,使用內容導航快速到達。內容導航:Q1:請高手幫忙分析下SPSS的多元線性回歸結果吧~急啊~~~你的回歸方法是直接進入法擬合優度R方等於0.678,表示自變量可以解釋因變量的67.8%變化,說明擬合優度還可以。
  • 物聯網落地秘籍:讓複雜的事情簡單化
    原標題:物聯網落地秘籍:讓複雜的事情簡單化   隨風潛入夜,潤物細無聲。很少有人會將詩聖杜甫這般悄然細膩的描述和時下熱鬧非凡的物聯網聯想在一起。