0你这个问卷设计得有问题，我用你的数据做了个问卷的项目分析：分别是题总相关、题项区分度。两项分析得出的结果都不是很理想。
1在题项总相关那里，只有域名规范、响应速度是显著的，即是跟你的问卷目的相关。
2而在体相区分度那里，只得出定制服务、域名规范、隐私说明、响应速度、语言版本这5项的数据。
首先说明了只有这5项数据符合spss的检验要求。因为从你你的统计数据也可以看出，1、2、5、6、10（对应信息检索、网站地图、域名规范、版权说明、ICP备案）五项都是相同的数据，说明没有区分度，不存在统计意义！！
而在制服务、域名规范、隐私说明、响应速度、语言版本这5项里，得出的区分度分析都不显著，均没有鉴别度，不能鉴别出不同问卷回答者的反应程度。
3结论：主成分分析是设法将原来众多具有一定相关性（比如P个指标），重新组合成一组新的互相无关的综合指标来代替原来的指标。以上的结果表明，是在是提不出至少两个相互无关的指标（主因子）来分组，因为你的题项没有区分度，相关性很强。
素以你的问卷设计有问题，需要从新设计题项或者答案！！所以不能进行主成份分析。
希望能帮到你！！
、 好辛苦啊，给分吧~~~~~！！我没金币了··T T
主成分分析和因子分析都是信息浓缩的方法，即将多个分析项信息浓缩成几个概括性指标。如果希望进行将指标命名，SPSSAU建议使用因子分析。原因在于因子分析在主成分基础上，多出一项旋转功能，该旋转目的即在于命名。
主成分分析目的在于信息浓缩（但不太关注主成分与分析项对应关系），权重计算，以及综合得分计算。
同时SPSSAU可直接保存因子得分及综合得分，不需要手动计算。
保存因子分析就好，如果用spssau分析前先勾选“因子得分”选项，即可在分析后得到因子得分项。
spss直接把几个因子都已经算出来了，就是duFAC1-1列就是因子F1，同理可以得知F2，F3不用算的，如果问F1怎么来的，就说是F1=0701X1-0549X2+0736X3+0216X4+0112X5-0318X6。
如果进行主成分分析之后又要进行回归分析，应该是用提取出来的主因子作为自变量进行计算的，回归是只能有一个自变量，一个因变量才算回归的，如果不是的话，建议你使用多项式属分析。
把因变量的值还有自变量的值放到EXCEL里，按列排列。然后全部圈起来，找图表选项，绘制散点图，之后对其中的点点击右键，进行数据拟合就可以得出式子。
扩展资料：
标准逐步回归法做两件事情。即增加和删除每个步骤所需的预测。
向前选择法从模型中最显著的预测开始，然后为每一步添加变量。
向后剔除法与模型的所有预测同时开始，然后在每一步消除最小显著性的变量。
这种建模技术的目的是使用最少的预测变量数来最大化预测能力。这也是处理高维数据集的方法之一。
-回归分析
(1)首先将数据标准化，这是考虑到不同数据间的量纲不一致，因而必须要无量纲化。
(2)对标准化后的数据进行因子分析(主成分方法)，使用方差最大化旋转。
(3)写出主因子得分和每个主因子的方程贡献率。 Fj =β1jX1 +β2jX2 +β3jX3 + ……+ βnjXn ; Fj 为主成分(j=1、2、……、m)，X1、X2 、X3 、……、Xn 为各个指标，β1j、β2j、β3j、……、βnj为各指标在主成分Fj 中的系数得分，用ej表示Fj的方程贡献率。
(4)求出指标权重。 ωi=[(m∑j)βijej]/[(n∑i)(m∑j)βijej]，ωi就是指标Xi的权重。
扩展资料
产品特点
1、操作简便
界面非常友好，除了数据录入及部分命令程序等少数输入工作需要键盘键入外，大多数操作可通过鼠标拖曳、点击“菜单”、“按钮”和“对话框”来完成。
2、编程方便
具有第四代语言的特点，告诉系统要做什么，无需告诉怎样做。只要了解统计分析的原理，无需通晓统计方法的各种算法，即可得到需要的统计分析结果。
对于常见的统计方法，SPSS的命令语句、子命令及选择项的选择绝大部分由“对话框”的操作完成。因此，用户无需花大量时间记忆大量的命令、过程、选择项。
3、功能强大
具有完整的数据输入、编辑、统计分析、报表、图形制作等功能。自带11种类型136个函数。SPSS提供了从简单的统计描述到复杂的多因素统计分析方法，比如数据的探索性分析、统计描述、列联表分析、二维相关、秩相关、偏相关、方差分析、非参数检验、多元回归、生存分析、协方差分析、判别分析、因子分析、聚类分析、非线性回归、Logistic回归等。
-spss
spss如何做主成分分析 主成分分析的主要原理是寻找一个适当的线性变换： •将彼此相关的变量转变为彼此独立的新变量； •方差较大的几个新变量就能综合反应原多个变量所包含的主要信息； •新变量各自带有独特的专业含义。 住成分分析的作用是： •减少指标变量的个数 •解决多重相关性问题 步骤阅读 工具/原料 spss200 方法/步骤 >01 先在spss中准备好要处理的数据，然后在菜单栏上执行：analyse--dimension reduction--factor analyse。打开因素分析对话框 >02 我们看到下图就是因素分析的对话框，将要分析的变量都放入variables窗口中 >03 点击descriptives按钮，进入次级对话框，这个对话框可以输出我们想要看到的描述统计量 >04 因为做主成分分析需要我们看一下各个变量之间的相关，对变量间的关系有一个了解，所以需要输出相关，勾选coefficience，点击continue，返回主对话框 >05 回到主对话框，点击ok，开始输出数据处理结果 >06 你看到的这第一个表格就是相关矩阵，现实的是各个变量之间的相关系数，通过相关系数，你可以看到各个变量之间的相关，进而了解各个变量之间的关系 >07 第二个表格显示的主成分分析的过程，我们看到eigenvalues下面的total栏，他的意思就是特征根，他的意义是主成分影响力度的指标，一般以1为标准，如果特征根小于1，说明这个主因素的影响力度还不如一个基本的变量。所以我们只提取特征根大于1的主成分。如图所示，前三个主成分就是大于1的，所以我们只能说有三个主成分。另外，我们看到第一个主成分方差占所有主成分方差的469%，第二个占275%，第三个占150%。这三个累计达到了895%。
业务上对特征值维度的要求：
统计学模型：3-15个维度，高维度可能导致维度灾难------理论
机器学习模型：50个维度，速度问题------降维
如何降维：
保留重要的特征，剔除不重要的特征
处理流程：
1经验法
2数据分析法(使用yx相关分析，剔除与y无关的变量）
3经验法+数据分析法(x与x相关分析)
4数据分析法+经验法（逐步回归法）
5主成分分析（因为前四步，已经把重要的变量筛选出来了，不重要的删除了，剩下的变量意义很模糊）
下面使用 bankloan_binning (提取码：78uh）做个案例：
1经验法（通过业务判断age_group是重要的）
2数据分析法
3经验法+数据分析法
下面将使用统计学方法对变量做整合
4数据法+经验法（删除变量）
5主成分分析（若变量个数仍大于15，对整个结果进行压缩）
欢迎分享，转载请注明来源：品搜搜测评网
微信扫一扫
支付宝扫一扫
