实验目得: 原始数据中每一所高校具有２0 个相关性很高得变量，利用主成分分析法用较少得变量去解释原来资料中得大部分变异，将手中得众多变量转化成彼此相互独立或不相关得个数较少得变量, 即所谓主成分，并用以解释资料得综合性指标, 其实质得目得就是降维原始数据截屏:操作方法:1.描述性统计ＳＰSS在调用因子分析过程进行分析时,SＰSS会自动对原始数据进行标准化处理，所以在得到计算结果后指得变量都就是指经过标准化处理后得变量, 但ＳＰSS不会直接给出标准化后得数据, 然后后期得计算需得到标准化数据, 则需调用“描述" 过程进行计算，为了瞧到标准化数据, 所以采纳描述性统计下得描述操作获得标准化后得变量数据标准化数据：因子分析操作过程:选取变量:X1：科研经费得分X2：国家人文社科重点讨论基地得分Ｘ3:院士总数得分X ４：生均图书得分X5: 讨论中心数得分X6：国家重点实验室得分X7: 生均教学科研仪器设备得分Ｘ8 ：生均教育事业经费得分X9: 精品课程得分X10:优秀博士生论文总分Ｘ１1:人才得分X12:二级学科建设得分X １３: 生均固定资产得分Ｘ1 ４：科研论文得分X15:博导及相关合计得分X16:老师中博士学位比重得分X17 ：一级学科得分X18:高级职称比重得分Ｘ1 ９: 师资总分Ｘ20:SC Ｉ数量这里分析采纳相关系数矩阵，输出选择为未旋转得因子解, 并选择碎石图, 抽取过程选择基于特征值( 特征值大于1), 最大收敛迭代次数：25, 点击确定。 原数据中有较多得缺失值, 选择按列表排除个案，点击继续.分析结果:ＫM Ｏ越接近1,说明变量之间得相关性越强，原有变量适合做因子分析;Bart ｌett得球度检验值越小于显著性水平０、０5,越说明变量间存在相关关系。本数据中KMO 值为０、７36,sig、值为0 ，符合因子分析条件, 可进行因子分析, 并进一步进行主成分分析累计贡献率７9 、１19％＜80％, 由反映象相关矩阵中我们可以瞧出( 如下图所示） 反映象相关矩阵中对角线上得数值应〉0 、5 ，根据次标准，数据显示生均图书得分变量不适合做因子分析, 所以删去, 重新做因子分析。去除生均图书得分变量之后得因子分析结果：累计百分比为81、４66％〉８０％, 且特征值均大于1结论:初始特征根:λ １=6、9 ０１, ，λ2=４、846 ，λ3=3 、7 ３２主成分贡献率：r1＝36、３2%，ｒ2 ＝25、506%，ｒ3 ＝19、６40%碎石图旋转之后得主成分载荷矩阵, 可以瞧出:SCI数量，国家重点实验室得分, 讨论中心数得分, 讨...
