1、首先打开SPSSAU，右上角上传数据，点击或者拖拽原始数据文件上传。
2、选择进阶方法->主成分，选择需要分析的题目，拖拽到右侧。点击“开始主成分分析”。
3、可以自行设置好要输出的主成分个数，而不是让软件自动识别。
4、完成以上操作后，即可得到分析结果，结果如下：KMO 和 Bartlett 的检验，及智能分析。
一、性质不同
1、主成分分析法性质：通过正交变换将一组可能存在相关性的变量转换为一组线性不相关的变量，转换后的这组变量。
2、因子分析法性质：研究从变量群中提取共性因子的统计技术。
二、应用不同
1、主成分分析法应用：比如人口统计学、数量地理学、分子动力学模拟、数学建模、数理分析等学科中均有应用，是一种常用的多变量分析方法。
2、因子分析法应用：
（1）消费者习惯和态度研究（U&A）
（2） 品牌形象和特性研究
（3）服务质量调查
（4） 个性测试
（5）形象调查
（6） 市场划分识别
（7）顾客、产品和行为分类
扩展资料：
主成分分析的原理是设法将原来变量重新组合成一组新的相互无关的几个综合变量，同时，根据实际需要，尽量少取几个求和变量，以反映原始变量的信息。
这种统计方法被称为主成分分析或主成分分析，这也是一种处理降维的数学方法。主成分分析（PCA）是试图用一组新的不相关的综合指标来代替原来的指标。
因子分析为社会研究的一种有力工具，但不能确定一项研究中有几个因子。当研究中选择的变量发生变化时，因素的数量也会发生变化。此外，对每个因素的实际含义的解释也不是绝对的。
-主成分分析
-因子分析
提取主成分之后要计算标化因子得分，既用各因子的标化分来代替原先所有的研究变量的观察值，最后将各因子的得分分别从低到高排序并划分为3～4等分（视样本量而定），以4等分（Q1～Q4）为例，Q4包含的人群属于对应因子的最佳拟合人群，Q3其次，Q2较弱，Q1既为该因子的对照人群，将Q1～Q4作为自变量引入Logistic回归后，主要观察OR值（Q4/Q1）是否有统计学意义，有的话既表示该因子对应变量有贡献。因子分析及其意义请你自己参考教材。
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
