如何用spss主成分分析的时间序列分析

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%。

因为对阁下的题目不了解，所以不知道上图中的结果代表什么含义。

你的理解是正确的，主成分分析得到的主成分是一个综合性指标。

从数学的运算来看，主成分分析的过程只是在原来的相关系数矩阵上做了一个正交旋转。而降维处理应该体现在“选取”二字上（根据特征值大小筛选）。这是因为特征值（也就是图中的贡献率）反映了对应的主成分包含的信息量，一般都是选累积贡献率达到85%以内的，换个说法就是选取的主成分含有85%的信息量。

通常由于主成分分析得到的主成分是多个变量的综合，它们的实际意义很难解释，我们可以在最后的结果基础上再做一次旋转，使每个主成分与一定向量的相关性提高，从而可以更容易地解释。在SPSS中应该有这么一个选项，通常都是选择方差最大的旋转（因为用的是英文版，不清楚中文翻译是什么，英文是factor->rotation->varimax）。

你可以试试。

新建一个txt文档，后缀改为SPS，用双击spss打开，把下面的语法文件拷贝进去，把变量/VARIABLES后面的b1 b2 b3 b4 b5 b6 b7 b8 b9 b10 b11……改为你需要分析主成分的变量，然后全部选中。右击，选择Run Current就可以出结果了/为注解，不会影响语法运行。结果在Total Variance Explained表格中我用的是spss115不同版本语法都差不多的

语法：

/ 主成分分析语法，右击，选择Run Current就有结果了

FACTOR

/VARIABLES b1 b2 b3 b4 b5 b6 b7 b8 b9 b10 b11 b12 b13 b14 b15 b16 b17 b18 b19 b20 b21 b22 b23 b24 b25 b26 b27 b28 b29 b30 /MISSING LISTWISE /ANALYSIS

b1 b2 b3 b4 b5 b6 b7 b8 b9 b10 b11 b12 b13 b14 b15 b16 b17 b18 b19 b20 b21

b22 b23 b24 b25 b26 b27 b28 b29 b30

/PRINT INITIAL KMO EXTRACTION ROTATION FSCORE

/FORMAT SORT BLANK(10)

/PLOT EIGEN ROTATION

/CRITERIA MINEIGEN(1) ITERATE(25)

/EXTRACTION PC

/CRITERIA ITERATE(25)

/ROTATION VARIMAX

/METHOD=CORRELATION

spss中的因子分析要怎么做。

因子分析(探索性因子分析)用于探索分析项(定量数据)应该分成几个因子(变量),比如20个量表题项应该分成几个方面较为合适;用户可自行设置因子个数,如果不设置,系统会以特征根值大于1作为判定标准设定因子个数。

因子分析的步骤：

因子分析通常有三个步骤;第一步是判断是否适合进行因子分析;第二步是因子与题项对应关系判断;第三步是因子命名。

如何进行因子分析？

这里以在线版SPSSAU进行举例说明，操作如下：

因子得分可用于进一步分析使用如果进行聚类分析使用等，因子得分需要选中按钮才会生效，且SPSSAU单独生成新标题名称类似为：“FAC_score1”。用户可通过数据处理->标题处理对名称进行修改即可。

SPSSAU默认就已经进行过标准化处理，因此不需要再对数据处理。当然标准化后的数据再次标准化依旧还是自身没有任何变化，结果永远均一致。

在SPSS中，主成分分析是通过设置因子分析中的抽取方法实现的，如果设置的抽取方法是主成分，那么计算的就是主成分得分，另外，因子分析和主成分分析尽管原理不同，但是两者综合得分的计算方法是一致的。

层次分析法根据问题的性质和要达到的总目标，将问题分解为不同的组成因素，并按照因素间的相互关联影响以及隶属关系将因素按不同层次聚集组合，

形成一个多层次的分析结构模型，从而最终使问题归结为最低层(供决策的方案、措施等)相对于最高层(总目标)的相对重要权值的确定或相对优劣次序的排定。

扩展资料：

主成分分析法是一种降维的统计方法，它借助于一个正交变换，将其分量相关的原随机向量转化成其分量不相关的新随机向量，这在代数上表现为将原随机向量的协方差阵变换成对角形阵，在几何上表现为将原坐标系变换成新的正交坐标系，

使之指向样本点散布最开的p 个正交方向，然后对多维变量系统进行降维处理，使之能以一个较高的精度转换成低维变量系统，再通过构造适当的价值函数，进一步把低维系统转化成一维系统。

-主成分分析法

可以进行主成分分析的

至于你的数据只提取了一个主成分，有可能是数据有问题，当然也有可能的确是这些变量之间本身就存在很强的相关性，所以主成分分析只提取一个主成分就能够代表你目前的这些变量了，没必要太奇怪，你可以做一下这些变量之间的简单相关，看相关性如何