SPSS处理主成分分析Word文档格式.docx
- 文档编号:18756968
- 上传时间:2023-01-01
- 格式:DOCX
- 页数:16
- 大小:67.58KB
SPSS处理主成分分析Word文档格式.docx
《SPSS处理主成分分析Word文档格式.docx》由会员分享,可在线阅读,更多相关《SPSS处理主成分分析Word文档格式.docx(16页珍藏版)》请在冰豆网上搜索。
6.09
56.26
贵州茅台
20.29
9.48
12.97
82.23
中铁二局
3.99
4.64
9.35
13.04
红星发展
22.65
11.13
14.3
50.51
伊利股份
4.43
7.30
14.36
29.04
青岛海尔
5.40
8.90
12.53
65.5
湖北宜化
7.06
2.79
5.24
19.79
雅戈尔
19.82
10.53
18.55
42.04
福建南纸
7.26
2.99
6.99
22.72
三、实验内容
实验过程:
1.数据导入。
将实验数据加入到变量窗口如下图一所示:
创1
垃1
x3
ss
J
43.引
7.39
8.73
2
17.11
IN13
3
21,11
6.03
7,00
4
29.55
氐62
10.13
73.Oil
5
B.41
IL83
浙江阳关
6
17.63
13.86
*44
7
2,73
IT.16
方正科技
&
29.11
5*44
氐09
56*26
红河光日月
9
S.43
12.97
E2.23
畫州茅台二
10
4.64
9.35
中谍―
11
11.13
14.30
12
7,30
14.36
29.04
13
sToo
E.00
12.53
65.50
14
7.0d
2.79
5.24
10.53
18.55
42,04
16
7,25
【图一】
2.对数据进行标准化处理。
(1)依次点击“分析t描述统计t描述”,并将X1,X2,X3,X4添加到变量窗口中,如
F图二所示:
【图二】
(2)点击“确定”,可以在“数据视图”中产生一一对应的4列标准化的数据,后面
的所有操作都是在这4组数据的基础上执行的,数据如下图三所示:
ZK1
ZX2
ZX3
ZX4
歌华肴线
2.35759
10782
70797
.42024
五粮能
・06194
1.34717
1.30164
=01604
.41242
52528
-1.11412
1.83404
丈太商业
L15194
.26974
-,37930
1,16281
-.47342
-20528
.01981
「79634
烟台)5华
*10750
L87821
.86028
=33628
-L1S805
-L08088
1.27112
-1.42206
红河光期
L11338
-,70639
-L32776
.47641
贵刑茅台
.34057
.B3373
.28744
1.E4128
-L08764
-.95193
-.56242
-L29577
II星麺
・54735
1.04021
.59969
*24064
悸利股份
-L04909
-*<
.3546
61377
-.63971
青罔海尔
「96410
.35569
.1841B
.85E28
湖北宜花
—・31865
-1.51983
-L52731
-L01899
.29939
.85603
1.59745
10666
-*80112
-L45844
-L11647
-.89885
【图三】
3.现在开始对其进行主成份分析:
依次点击“分析t数据降维t因子分析”,如下图五所示:
13因子分析IS3
虱公京[Y]
变蛍(V):
确走
裱涓售淨利奉DC1J
<
^>
Zscore:
梢售净利冬
鮎皿占(?
)
‘莎资产字利奉[监]
^Zscor*:
夷产净利至
T1-IXU3*
衿淨资声收总卒[X3]
:
争资产收务
重置面1
鸟消售毛利率W
□J
Ztcore:
梢售毛利?
取消
耕助
选择变髦㈡
Q
值CL)
插述①)…I抽取区I龍转Of)…]得分I选项也〕•,
【图五】
点击“描述”,如下图六所示:
继续
帮助
园子务析:
辰述统1十
【&
单娈里描述性0J1硕原始分析结果(I〕
相关矩阵
两系数创厂逆®
嗣显著性水平⑼厂再生站
丽行列武CD)厂反映象⑷
VKMD和Eartlett的球形度检验(K)
【图六】
点击“继续t抽取”,如下图七所示:
因孑分析:
推取
方法如:
1主成分
-W
a相关性矩阵G)
厂协方差矩阵⑴
显不
P未覘转的因子解(?
0碎石图⑼
ichm)
广特征值犬于⑻:
厂a因子颓⑷:
[4—
最大收錢性迭代次數co:
【图七】
亘|继续|Wfi:
帮助I
点击“继续t得分”,如下图八所示:
厂保存拘妾里⑸方法冷回归CBartlettIB)广An^rsun-Eubirt(A1
匝显示因子得分系数矩阵6〕
【图八】
点击“继续T确定”,得到输出如下表一所示:
【表一】
描述
描述统计量
N
极小值
极大值
均值
标准差
销售净利润
16.4031
11.41286
资产净利润
7.7412
3.25776
11.7456
4.25953
44.6413
24.38808
有效的N(列表状态)
因子分析
分析N
Zscore:
销售净利
1.000000
.0000000
润
00
资产净利
净资产收
益率
销售毛利
率
相关矩阵(a)
净资产收益
相关Zscore:
销售净
利润
资产净
净资产
收益率
销售毛
利率
Sig.(单侧)Zscore:
1.000
.319
-.171
.606
.114
.263
.006
.674
.344
.002
.096
1.000-.139
.304
-.139
a行列式=.185
KMO和Bartlett的检验
取样足够度的
Kaiser-Meyer-Olkin度量。
Bartlett的球近似卡方
形度检验df
Sig.
.455
21.647
.001
公因子方差
初始
提取
销售净利
提取方法:
主成分分析。
说明的总方差
成分
初始特征值
提取平方和载入
合计
方差的%
累积%
1
1.897
47.429
2
1.550
38.740
86.169
.393
9.826
95.995
.160
4.005
100.000
碎石图
成分矩阵(a)
.731
-.513
.440
.095
.818
.503
.014
-.278
.359
.897
.257
.752
-.477
-.446
.088
主成分分析法。
a已提取了4个成分。
成分得分系数矩阵
.385
-.331
1.120
.591
.431
.325
.037
-1.737
.189
.579
.015
1.605
.396
-.308
-1.136
.549
4.各个公司综合赢利能力由高到低排序如下表二所示:
【表二】
20.56
18.85
18.84
18.65
18.43
18.00
17.55
16.97
16.85
13.90
12.66
12.30
方正科技10.12
7.63
7.37
6.22
5.实验结果分析
0.391
-1.171
(0.606
0.319
0.647
0.344
-0.139
0.606
(1)“相关矩阵”表格显示了各个变量之间相关系数,得到相关矩阵如下:
由该相关阵可以发现
Z1和Z4的相关性最强,而其余的相关性较弱。
在“相关矩阵”
表“相关”一栏中,数据值越大,则表示相关性越显著。
由表可以看出,资产净利率和净资产收益率的相关性最大,为0.674。
(2)在“KMO和Bartlett的检验”表中,Bartlett表示球形度检验,原假设为H0:
四项指标两两之间有相关性。
而该检验中p=0.001:
:
0.05,因此拒绝原假设,即认为四项
指标两两之间没有相关性;
KMO越接近1,做主成分分析越好,而该次试验取样足够度的
Kaiser-Meyer-Olkin度量值为0.455,说明四项指标两两之间的相关性不强;
但由于本次
试验中只有4种数据,所以KMO1然是0.455,但也可以进行主成分分析。
(3)从“说明的总方差”表中看出,相关阵的四个特征值分别为1.897,1.550,0.393,0.160,由于前2个特征值累积贡献率达86.169%,所以仅用前两个变量就可以替代四个变量进行主成分分析。
(4)在“成分矩阵⑻”表中,提取了3个主成分,但第3个主成分的系数较小。
为了就得到主成分向量,我们还必须把成分矩阵(a)中的每列除以相应的特征根的开方,根据特征向
量作出如下线性组合:
r0.7310.8180.3590.752
flXiX2X3X4
Vi.899v'
1.899Jl.899V1.899
=0.53捲0.59x20.26x30.55x4(第一主成份)
r-0.5130.5030.897-0.477
f2X1X2X3X
v1.550v'
1.550V1.550备'
--0.41X10.40X20.72X3-0.38X4(第二主成份)
F=0.47429f10.3874f2(综合指标)
根据“成分矩阵(a)”表中的系数解释各主成分的意义:
第一主成分在第一,二,四
个指标前的系数比较大,显然是反映销售净利率,资产净利率,销售毛利率的信息;
第
二主成分中,第三个指标的系数最大,这说明该主成分主要是反映净资产收益率的信
息;
第三主成分中,第一个指标的系数最大,这说明该主成分主要是反映销售净利率方
面的信息。
(5)碎石图:
前两个陡峭,后两个平缓,说明仅用前两个变量就可以替代四个变量
进行主成分分析。
(6)在“成分得分矩阵”中成分得分系数中0.385表示f1与x1之间的相关系数。
其他数据类似。
四、存在问题与解决情况
存在问题:
问题1.不知道为什么不能直接对原有的数据进行直接处理,而要标准化?
解答:
SPSS数据标准化主要功能就是消除变量间的量纲关系,从而使数据具有可比性。
总结:
其具体过程为:
依次点击“分析T描述统计T描述”。
问题2:
对“KMO和Bartlett的检验”不了解。
它们都是用来分析各指标间的相关程度的,Bartlett的检验也称球形Bartlett检验,
原假设为H0:
KMO越接近1,说明它们的相关性越强。
而在主
成份分析中要求数据信息要高度集中,因此该检验在主成份分析中起到了关键性作用。
在主成份分析中,Kmo越接近1,p值越大,越适合做主成份分析。
本次试验总结:
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- SPSS 处理 成分 分析