如何用SPSS软件进行主成分分析

文章指出《统计分析软件ＳＰＳＳ／ＰＣ＋》中主成分分析举例中的一处错误,比较了主成分分析和因子分析的异同,进而指出用ＳＰＳＳ软件不能直接进行主成分分析。作者根据主成分分析和因子分析的关系,提出一种先用ＳＰＳＳ的ＰＣ法得出因子载荷阵,然后求出特征向量,建立主成分模型的主成分分析计算方法     

SPSS主成分分析中的特征向量计算问题

文章就《如何用SPSS软件进行主成分分析》一文中主成分分析方法中的特征值与特征向量的关系作了探讨,并指出先用SPSS的PC法求出载荷阵,然后求出特征向量的主成分分析计算过程中,应使特征值与特征向量一一对应来建立主成分的分析模型。     

主成分分析与因子分析的异同比较及应用

主成分分析法和因子分析法都是从变量的方差-协方差结构入手,在尽可能多地保留原始信息的基础上,用少数新变量来解释原始变量的多元统计分析方法。教学实践中,发现学生运用主成分分析法和因子分析法处理降维问题的认识不够清楚,本文针对性地从主成分分析法、因子分析法的基本思想、使用方法及统计量的分析等多角度进行比较,并辅以实例。     

基于SPSS的主成分分析与因子分析的辨析

基于SPSS的主成分分析、因子分析的应用文章不断推出,给读者以许多的启示。但在实际应用中也出现了一些问题。本文力足于主成分分析的基本思想,分析在用SPSS进行主成分分析及因子分析时出现的错误及其产生的原因,并给出了正确的分析结果和相关建议。     

主成分分析与R型因子分析的异同比较

本文从基本思想、数学模型、优缺点以及在SPSS11.0软件中的具体步骤方面,详细地综述了主成分分析与R型因子分析的异同比较,使广大的读者能够在实践应用中更加清楚主成分分析和R型因子分析,并进一步掌握主成分分析和R型因子分析如何在软件应用中的操作方法.     

主成分与因子分析中指标同趋势化方法探讨

样本主成分和样本因子分析法已成为一种最主要的综合评价方法之一,指标变量的同趋势化是运用该方法的重要步骤。文章总结了主成分与因子分析中指标同趋势化的具体方法,论述了这些方法对综合评价的影响,并指出了这些方法的适用条件。     

主成分分析与初始因子分析的异同--兼与卢纹岱《SPSS for Windows统计分析》商榷

0问题产生的背景初始因子分析是指用主成分法提取初始因子载荷阵,并没有旋转过程的因子分析(对应分析用此法)[3]。它与主成分分析最相近,二者的不同隐藏较深,不留意还以为同是主成分分析,如文[2]就出现了这种情况(经运算验明),有些教科书如[1]也没有明确区分。那么这两种方法有     

析主成分分析和因子分析——以Frobenius范数下矩阵近似的新视角

本文通过引入数据阵在Frobenius范数下的最优近似等概念来重新探讨主成分和因子分析。我发现,主成分分析中主成分和因子分析中因子得分（通过主成分解因子载荷,然后用最小二乘解因子得分）的估计为数据阵的最优近似（在Frobenius范数下）在不同正交坐标方向矩阵下的坐标。两种方法分别采用了不同的约束条件分解的最优近似（在Frobenius范数下）,因为该分解并不唯一。     

主成分分析与因子分析的异同和SPSS软件——兼与刘玉玫、卢纹岱等同志商榷

设X =(X1 ,… ,XP)′为标准化随机向量 (p≥ 2 ) ,R为相关系数矩阵 ,Fm =(F1 ,… ,Fm)′为主成分向量 ,Zm =(Z1 ,… ,Zm)′为因子向量 ,m≤p,为方便 ,因子、因子估计、因子得分用同一记号。　　一、问题的提出主成分分析与R -型因子分析是多元统计分析中的两个重要方法 ,同是降维技术 ,应用范围十分广泛 ,但通过流行甚广的SPSS软件调用这两种方法的过程命令 ,有些使用者容易出现混淆性错误 ,如《统计研究》2 0 0 3年第1 2期发表的论文《经济全球化程度的量化研究》(以下称《刘文》)、电子工业出版社 2 0 0 2年 9月出版的《SPSSforW…     

学术期刊主成分、因子分析评价值的判断标准

在期刊评价中，无论采用主成分分析还是因子分析进行评价，均无法根据评价值直接判断优劣，只能排序，这就削弱了主成分分析与因子分析评价的解释力，本质上是评价值的绝对判断标准问题。文章在分析学术评价特点以及成长曲线原理的基础上，提出采用Sigmoid函数对主成分分析或因子分析的评价值进行标准化，并基于JCR2017经济学期刊的数据，采用主成分分析和因子分析进行评价，然后对评价值进行标准化，并分析了标准化结果的数据特征。结果表明：标准化可以提升主成分分析与因子分析评价结果的解释力，可以对评价对象发展阶段进行判断，平滑了评价值且抑制了水平较高的评价对象，使得评价结果更加接近正态分布。     

主成分分析与因子分析的异同比较及应用

在经济实证问题研究中，对某一现象通常会考虑其众多的影响因素，因为人们希望尽可能多地收集关于分析对象的数据信息，进而能够对它有比较全面、完整的把握和认识，于是对某个分析对象的描述就会有许多的变量(或指标)。这些经济变量在大多数情况下不是独立     

实证分析中运用主成分分析法应注意的几个问题

主成分分析方法在一些综合评价的实证分析文章中已屡见不鲜,但常发现有些文章作者,在使用时存在方法的错误运用和一些技术上的问题,影响了所研究问题结论的准确性.文章仅从方法模型的表述、相应的统计检验、指标的处理和与因子分析的区别几方面谈个人看法.     

主成分综合评价方法存在的问题及改进

文章深入分析了用目前普遍采用的主成分分析法进行多指标综合评价时存在的指标权系数不合理问题,并对用主成分构建综合评价函数的方式作了改进,使综合评价函数的权系数变得较为合理。     

如何正确应用SPSS软件做主成分分析

 鉴于目前很多用SPSS软件分析主成分的教材中和发表的文章中有不少错误之处。本文从主成分分析与因子分析的关系出发,借用SPSS软件自带的数据,进行了正确的操作,并将其结果与SAS软件的结果进行比较,两者完全相同。     

主成分分析法在企业评价中的应用

主成分分析法是将分散在一组变量上的众多信息集中到少数几个综合指标(主成分)上,以便于描述数据集内部结构,在社会、经济研究中有着十分广泛的应用。目前许多工作者采用此方法建立综合评价函数,对企业的经济效益、技术经济水平进行综合评价。     

科技期刊质量综合评价的主成分分析法及其改进

应用主成分分析进行理工大学、工业综合类科技期刊质量综合评价,根据主成分累计贡献值确定主成分的有效维数和权重,消除由于指标间的相关性带来的偏差和人为确定指标权重引起的缺陷,使评价结果更客观、公正和准确。研究了评价指标数、期刊种类数等对评价结果的影响,从而确定了合理的评价指标,得到了可靠、有效的评价结果。在18个指标中,根据保留具有重要作用变量的原则,最终选定14个有效评价指标,并且对期刊质量都具有正向作用,其中引用刊教、学科扩散指标等5个指标最重要,而影响因子的重要性最低。     

综合评价主成分分析方法与因子分析方法的比较

主成分分析方法和因子分析方法都是寻求从高维空间到低维空间的映射的方法,其目的是起到降维的效果,以便于用几个较少的综合指标来综合所研究总体各方面的信息,且这几个指标所代表的信息不重叠,也就是说从高维空间到低维空间的映射仍保持高维空间的"序"的结构.但这两种综合评价方法往往易混淆,本文从这两种方法的统计依据、数学模型、计算方法、综合指标的选取等方面比较它们的异同,以供初学者参考.     

多指标综合评价中主成分分析和因子分析方法的比较

文章通过对主成分分析和因子分析在研究目的、分析原理、SPSS软件实现过程方面的比较,指出在多指标综合评价时应用两种方法应该注意四个问题,以正确地进行实证研究。     

我国地区经济发展与环境污染状况的主成分分析

本文利用多元统计分析中主成分分析的方法,分别对我国31个地区的经济发展和环境污染状况进行了评价,并根据两组主成分分别给出了经济发展与环境污染的综合得分.通过对两组综合得分的聚类分析,本文将31个地区划分成四类,并对这四类地区的综合状况给出了合理解释,从而揭示了经济发展与环境污染之间的关系和矛盾.