关于spss的主成分分析

1对于主成分分析，判断大小是根据绝对值大小来判断，而不是看它正负大小。

2主成分分析的目的就是降元，即找到主要的影响因子，排除影响较小的因子。分析因子负荷，看每个因子的负荷值，一般绝对值>07的因子，才能称为主要因子。对于你分析出的因子负荷值，可以看出，主成分1中，打工时间是主要影响因子，主成分2为寝る时间和移动时间，主成分3为外出时间，因此，将打工时间、寝る时间、移动时间和外出时间是主要影响因子，而重要程度依次降低。

补充：没分，就只能回答这些，有分可以更加详细。

旋转后的成分矩阵和因子载荷是因子分析中的两个不同的概念。

成分矩阵是在进行因子分析后，将原始数据映射到因子空间后得到的系数矩阵，它反映了每个因子与原始变量之间的线性关系。成分矩阵可以用于解释因子的含义，如哪些变量与某个因子密切相关。

而因子载荷是在因子分析中，用于描述每个因子与原始变量之间的关系强度，它反映了每个原始变量对于每个因子的贡献大小。因子载荷通常是在因子分析的初始矩阵中得到的，而成分矩阵是在对初始矩阵进行旋转后得到的。

因此，成分矩阵和因子载荷在因子分析中是两个不同的概念，虽然它们都反映了原始变量和因子之间的关系，但是成分矩阵更多的用于解释因子的含义，而因子载荷更多的用于描述变量与因子之间的关系强度。

最大方差旋转只是其中的一种旋转方法，因为该方法旋转后的结果很清楚，所以一般默认选择都是这种方法 至于做主成分分析，是需要看原始数据情况的，如果原始数据变量就很少，不超过三五个这样的，就没必要做主成分分析。

扩展资料：

SPSS之方差分析总结

1，从自变量和因变量的数目上看，如果只有一个自变量和一个因变量，那我们采用“单因素方差分析”；如果有多个自变量和一个因变量，那我们采用“多因素方差分析”；如果有一个自变量和多个因变量，采用“单因素多元方差分析”；如果有多个自变量和多个因变量，则采用“多因素多元方差分析”。

2，其中，“单因素多元方差分析”和“多因素多元方差分析”统称为“多元方差分析，在SPSS上的实现步骤完全一致。

3，另外，对于“协方差分析”法，大家可以将其理解为“控制变量法”，即控制一个因素不变，研究其他因素对试验结果的影响。其中，需要控制的变量就是“协方差分析”中的协变量。而“重复测量方差分析”和字面意义一样，当我们需要对观测结果进行多次取值时，该方法即是最好的选择。

4，从数据结构方面来看，细心的朋友可能已经从前面的几章中发现，方差分析的数据都要求“数值型”，变量类型可以为“分类变量”，也可为数值变量。之所以补充此处，是因为在SPSS软件中，如果不事先设置好相关数据结构，可能在SPSS操作时你会发现有些按钮是灰色的，点不了。