精品文档---下载后可任意编辑以教材第五章习题 8 的数据为例，演示并说明主成分分析的详细步骤：一．原始数据的输入注意事项：关键注意设置好数据的类型（数值？字符串？等等）以及小数点后保留数字的个数即可。二．选项操作1. 打开 SPSS 的“分析”→“降维”→“因子分析”，打开“因子分析”对话框（如下图）2. 把六个变量：食品、衣着、燃料、住房、交通和通讯、娱乐教育文化输入到右边的待分析变量框。3. 设置分析的统计量 打开最右上角的“描述”对话框，选中“统计量”里面的“原始分析结果”和“相关矩阵”里面的“系数”。（选中原始分析结果，SPSS 自动把原始数据标准差标准化，但不显示出来；选中系数，会显示相关系数矩阵。）。然后点击“继续”。精品文档---下载后可任意编辑打开第二个的“抽取”对话框：“方法”里选取“主成分”；“分析”、“输出”和“抽取”这三项都选中各自的第一个选项即可。然后点击“继续”。 第三个的“旋转”对话框里，选取默认的也是第一个选项“无”。第四个“得分”对话框中，选中“保存为变量”的“回归”；以及“显示因子得分系数矩阵”。第五个“选项”对话框，默认即可。这时点击“确定”，进行主成分分析。三．分析结果的解读根据 SPSS 输出结果的先后顺序逐个介绍1.相关系数矩阵：是 6 个变量两两之间相关系数大小的方阵。2.共同度： 给出了这次主成分分析从原始变量中提取的信息，可以看出交通和通讯最多，而娱乐教育文精品文档---下载后可任意编辑化损失率最大。CommunalitiesInitialExtraction食品.878衣着.825燃料.841住房.810交通和通讯.919娱乐教育文化.584：系统默认方差大于 1 的为主成分，所以只取前两个，前两个主成分累加占到总方差的80.939%。并且第一主成分的方差是 3.568，第二主成分的方差是 1.288。Total Variance ExplainedComponentInitial EigenvaluesExtraction Sums of Squared LoadingsTotal% of VarianceCumulative %Total% of VarianceCumulative %123.6004.3595.1426.043.712Extraction Method: Principal Component Analysis.4. 主成分载荷矩阵：Component MatrixaComponent12交通和通讯.925食品.902.255衣着.880住房.878娱乐教育文化.588.488燃料.093.912应该特别注意：这个主成分载荷矩阵并不是主成分的特征向量，也就是说并不是主成分 1 和主成分 2 的系数，主成分系数的求法是：各自主成分载荷向量除以各自主成分特征...
