SPSS軟件進行主成分分析的應(yīng)用總結(jié)歸納例子

1、精心整理SPSS軟件進行主成分分析的應(yīng)用例子2002年16家上市公司4項指標(biāo)的數(shù)據(jù)5見表2,定量綜合贏利能力分析如下:表2 2002年16家上市公司4項指標(biāo)的數(shù)據(jù)公司銷售凈利率（X1）資產(chǎn)凈利率（X）凈資產(chǎn)收益率（X銷售毛利率（X”歌華有線43.317.398.7354.89五糧液？17.1112.1317.2944.25用友軟件21.116.037.0089.37太太藥業(yè)29.558.6210.1373浙江陽光11.008.4111.8325.22煙臺萬華17.6313.8615.4136.44方正科技2.734.2217.169.96紅河光明29.115.446.0956.26貴州茅臺20

2、.299.4812.9782.23中鐵二局3.994.649.3513.04紅星發(fā)展22.6511.1314.350.51伊利股份4.437.3014.3629.04青島海爾5.408.9012.5365.5湖北宜化7.062.795.2419.79雅戈爾？19.8210.5318.5542.04福建南紙7.262.996.9922.721.主成分分析的做法第一,將 EXCEL中的原始數(shù)據(jù)導(dǎo)入到SPSSa件中；注意：導(dǎo)入Spss的數(shù)據(jù)不能出現(xiàn)空缺的現(xiàn)象，如出現(xiàn)可用 0補齊。第二，對四個指標(biāo)百標(biāo)準(zhǔn)化處理;11 “分析” | “描述統(tǒng)計” | “描述”。21彈出“描述統(tǒng)計”對話框，首先將準(zhǔn)備標(biāo)準(zhǔn)化

3、的變量移入變量組中，此時，最重 要的一步就是勾選“將標(biāo)準(zhǔn)化得分另存為變量”，最后點擊確定?！?】返回SPSS的“數(shù)據(jù)視圖”，此時就可以看到新增了標(biāo)準(zhǔn)化后數(shù)據(jù)的字段。所做工作：a.原始數(shù)據(jù)的標(biāo)準(zhǔn)化處理數(shù)據(jù)標(biāo)準(zhǔn)化主要功能就是消除變量間的量綱關(guān)系，從而使數(shù)據(jù)具有可比性，可以舉個簡單的例子，一個百分制的變 量與一個5分值的變量在一起怎么比較？只有通過數(shù)據(jù)標(biāo)準(zhǔn)化，都把它們標(biāo)準(zhǔn)到同一個標(biāo)準(zhǔn)時才具有可比性，一般標(biāo)準(zhǔn) 化采用的是Z標(biāo)準(zhǔn)化，即均值為 0,方差為1,當(dāng)然也有其他標(biāo)準(zhǔn)化，比如 0-1標(biāo)準(zhǔn)化等等，可根據(jù)自己的研究目的進 行選擇，這里介紹怎么進行數(shù)據(jù)的Z標(biāo)準(zhǔn)化。所的結(jié)論：標(biāo)準(zhǔn)化后的所有指標(biāo)數(shù)據(jù)。注意：S

4、PSS在調(diào)用Factor Analyze 過程進行分析時，SPSS會自動對原始數(shù)據(jù)進行標(biāo)準(zhǔn)化處理，所以在得到計算結(jié)果后的變量都是指經(jīng)過標(biāo)準(zhǔn)化處理后的變量，但SPSS并不直接給出標(biāo)準(zhǔn)化后的數(shù)據(jù)，如需要得到標(biāo)準(zhǔn)化數(shù)據(jù)，則需調(diào)用Descriptives 過程進行計算。第三，并把標(biāo)準(zhǔn)化后的數(shù)據(jù)保存在數(shù)據(jù)編輯窗口中然后利用SPSS的factor過程對數(shù)據(jù)進行因子分析(指標(biāo)之間的相關(guān)性判定略)。表;11 “分析” | “降維” | “因子分析”選項卡，將要進行分析的變量選入“變量”列21設(shè)置“描述”，勾選“原始分析結(jié)果”和“KMOtf Bartlett 球形度檢驗”復(fù)選框;31設(shè)置“抽取”，勾選“碎石圖”

5、復(fù)選框；41設(shè)置“旋轉(zhuǎn)”，勾選“最大方差法”復(fù)選框；【5】設(shè)置“得分”，勾選“保存為變量”和“因子得分系數(shù)”復(fù)選框；61查看分析結(jié)果。所做工作：a.查看KMOF口 Bartlett 的檢驗KMO直接近1.KMO值越接近于1,意味著變量間的相關(guān)性越強，原有變量越適合作因子分析；Bartlett球度度中驗的Sig值越小于顯著水平 0.05 ,越說明變量之間存在相關(guān)關(guān)系。所的結(jié)論：符合因子分析的條件，可以進行因子分析，并進一步完成主成分分析。注意：1.KM0 (Kaiser-Meyer-Olkin)KM%計量是取值在 0和1之間。當(dāng)所有變量間的簡單相關(guān)系數(shù)平方和遠遠大于偏相關(guān)系數(shù)平方和時，KMO直接

6、近1.KMO值越接近于1,意味著變量間的相關(guān)性越強，原有變量越適合作因子分析；當(dāng)所有變量間的簡單相關(guān)系數(shù)平方和接 近0時，KMO直接近0.KMO值越接近于0,意味著變量間的相關(guān)性越弱，原有變量越不適合作因子分析。Kaiser給出了常用的kmo度量標(biāo)準(zhǔn)：0.9以上表示非常適合；0.8表示適合；0.7表示一般；0.6表示不太適合； 0.5以下表示極不適合。2.Bartlett球度檢驗：巴特利特球度檢驗的統(tǒng)計量是根據(jù)相關(guān)系數(shù)矩陣的行列式得到的，如果該值較大，且其對應(yīng)的相伴概率值小于用戶 心中的顯著性水平，那么應(yīng)該拒絕零假設(shè)，認(rèn)為相關(guān)系數(shù)矩陣不可能是單位陣，即原始變量之間存在相關(guān)性，適合于做 主成份分

7、析；相反，如果該統(tǒng)計量比較小，且其相對應(yīng)的相伴概率大于顯著性水平，則不能拒絕零假設(shè)，認(rèn)為相關(guān)系數(shù) 矩陣可能是單位陣，不宜于做因子分析。Bartlett球度檢驗的原假設(shè)為相關(guān)系數(shù)矩陣為單位矩陣，Sig值為0.001小于顯著水平0.05 ,因此拒絕原假設(shè)，說明變量之間存在相關(guān)關(guān)系，適合做因子分析。所做工作：b.全部解釋方差或者解釋的總方差(Total Variance Explained)初始特征根(Initial Eigenvalues )大于1 ,并且累計百分比達到80%85%Z上。查看相關(guān)系數(shù)矩陣的特征木K及方差貢獻率見表3,由于前2個主成分貢獻率85%結(jié)合表4中變量不出現(xiàn)丟失，所以提取的主

8、成分個數(shù) m=2 所的結(jié)論：初始特征根：入1=1.897 入2=1.550主成分貢獻率：C=0.47429 r 2=0.38740注意：主成分的數(shù)目可以根據(jù)相關(guān)系數(shù)矩陣的特征根來判定，如前所說，相關(guān)系數(shù)矩陣的特征根剛好等于主成分的方差，而方差是變量數(shù)據(jù)蘊涵信息的重要判據(jù)之一。根據(jù)人值決定主成分?jǐn)?shù)目的準(zhǔn)則有三：1 .只取人1的特征根對應(yīng)的主成分從Total Variance Explained表中可見，第一、第二和第三個主成分對應(yīng)的人值都大于1,這意味著這三個主成分得分的方差都大于1。本例正是根據(jù)這條準(zhǔn)則提取主成分的。2 .累計百分比達到 80%85%Z上的人值對應(yīng)的主成分在Total Vari

9、ance Explained 表可以看出，前三個主成分對應(yīng)的人值累計百分比達到89.584%,這暗示只要選取三2019年一9月精心整理個主成分，信息量就夠了。3 .根據(jù)特征根變化的突變點決定主成分的數(shù)量從特征根分布的折線圖（Scree Plot ）上可以看到，第 4個人值是一個明顯的折點，這暗示選取的主成分?jǐn)?shù)目應(yīng)有 p<4。那么，究竟是3個還是4個呢？根據(jù)前面兩條準(zhǔn)則，選3個大致合適（但小有問題）。第四，計算特征向量矩陣（主成分表達式的系數(shù)）【1】將初始因子載荷矩陣中的兩列數(shù)據(jù)輸入（可用復(fù)制粘貼的方法）到數(shù)據(jù)編輯窗口（為變 量 VI、V2）;Fi=Vi/SQR（入 1）【2然后利用“轉(zhuǎn)換

10、” | “計算變量”，打開“計算變量”對話框，在“目標(biāo)變量”文本框 中輸入“Fi”，然后在數(shù)字表達式中輸入“ M/SQR（入1）” 注：入1=1.897,即可得到特征向量Fi；【3然后利用“轉(zhuǎn)換” | “計算變量”，打開“計算變量”對話框，在“目標(biāo)變量”文本框 中輸入“F2”，然后在數(shù)字表達式中輸入“ V2/SQR（入2）” 注：入1=1.550,即可得到特征向量F2;【4】最后得到特征向量矩陣（主成分表達式的系數(shù)）。所做工作：a.成分矩陣或者初始因子載荷矩陣（ Component Matrix ）初始因子載荷矩陣見上圖，通過初始因子載荷矩陣還不能得出主成分的表達式，還需要把初始因子載荷矩陣中

11、的每 列的系數(shù)（主成分的載荷）除以其相應(yīng)主成分的特征根的平方根后才能得到主成分系數(shù)向量（主成分的得出系數(shù)）； 所的結(jié)論：1 .用于計算主成分表達式系數(shù)的初始因子載荷矩陣中每個指標(biāo)的載荷。2 .計算后，得到的主成分表達式的系數(shù)矩陣。 注意：1 .主成分表達式的系數(shù)提取出來的全部主成分可以基本反映全部指標(biāo)的信息，但這些新變量（主成分）的表達卻不能從輸出窗口中直接得到 ，即：主成分中每個指標(biāo)所對應(yīng)的系數(shù)不是初始因子載荷矩陣中的對應(yīng)指標(biāo)的載荷，因為“Component Matrix ”是指初始因子載荷矩陣，每一個載荷量表示主成分與對應(yīng)變量的相關(guān)系數(shù)。2 .主成分表達式系數(shù)的計算方法初始因子載荷矩陣或主

12、成分載荷矩陣（Component Matrix）中的數(shù)據(jù)除以主成分相對應(yīng)的特征根（或特征值）開平方根便得到兩個主成分中每個指標(biāo)所對應(yīng)的系數(shù)。F1=V1/SQR（人 1）3 .主成分的指標(biāo)劃分與命名初始因子載荷矩陣或主成分載荷矩陣（Component Matrix）中每列表示相應(yīng)主成分與對應(yīng)變量的相關(guān)系數(shù)，每個主成分所反映的原始指標(biāo)各有不同，為進一步明確每個主成分側(cè)重反應(yīng)的具體原始指標(biāo)，需要對原始指標(biāo)在每個主成分上的 載荷進行比較，其中載荷越大，其對應(yīng)的主成分反映該原始指標(biāo)的信息量越大，反之亦然；如果某一原始指標(biāo)在幾個主 成分的載荷絕對值不相上下，歸類比較含混，導(dǎo)致主成分的原始指標(biāo)劃分不清。說明

13、有必要作進一步的因子分析。從Component Matrix即主成分載荷表中可以看出，哪一原始指標(biāo)在哪一主成分上載荷絕對值較大，亦即與該主成分I第五，計算主成分得分矩陣（主成分得分）11將得到的特征向量與標(biāo)準(zhǔn)化后的數(shù)據(jù) 相乘，然后就可以得出主成分函數(shù)的表達式；Z1= F11*zX1+ F12*zX2+ F13*zX3+ F14*zX4乙=F21*zX1+ F22*zX2+ F23*zX3+ F24*zX4?（其中，zXi 為標(biāo)準(zhǔn)化后的數(shù)據(jù)）【2然后利用“轉(zhuǎn)換” | “計算變量”，打開“計算變量”對話框，在“目標(biāo)變量”文本框 中輸入“ Z1”，然后在數(shù)字表達式中輸入“0.531* Z （銷售凈利

14、率）+0.594*Z （資產(chǎn)凈利2019年一9月精心整理率）+0.261*Z （凈資產(chǎn)收益率）+0.546*Z （銷售毛利率）”注:Fi=0.531,0.594,0.261,0.546,即可得到特征向量 Z；【3同理注:F2=-0.412 , 0.404 , 0.720 , -0.383 ,可得到特征向量 乙；【4】求出16家上市公司的主成分值。所做工作：a.對原始數(shù)據(jù)標(biāo)準(zhǔn)化后的數(shù)據(jù)標(biāo)準(zhǔn)化后的數(shù)據(jù)； 所的結(jié)論：1.用于計算主成分表達式系數(shù)的初始因子載荷矩陣中每個指標(biāo)的載荷。 注意：1.特征向量矩陣載荷的用運Zl= F 11*ZXl+ F 12*ZX2+ F 13*ZX3+ Fi4*zX4Z2=

15、 F2i*zXi+ F22*zX2+ F 23*zX3+ F?4*zX4?（其中，zXi 為標(biāo)準(zhǔn)化后的數(shù)據(jù)）第六，最后利用主成分函數(shù)、綜合主成分公式:【1】將得到的特征向量與標(biāo)準(zhǔn)化后的數(shù)據(jù)相乘，然后就可以得出主成分表達式；Z=ri*Zi+r2*Z2【2然后利用“轉(zhuǎn)換” | “計算變量”，打開“計算變量”對話框，在“目標(biāo)變量”文本框 中輸入“Z”，然后在數(shù)字表達式中輸入“ ri*Zi+2*Z2” 注:r 1=0.47429,2=0.3874,即可得到綜 合主成分；【3】綜合主成分（贏利能力）值。 所做工作：a.對原始數(shù)據(jù)標(biāo)準(zhǔn)化后的數(shù)據(jù)標(biāo)準(zhǔn)化后的數(shù)據(jù)； 所的結(jié)論：1.用于計算主成分表達式系數(shù)的初始因子載荷矩陣中每個指標(biāo)的載荷。 注意：1.綜合主成分得分的計算方法Z=ri*Zi+r2*Z2 （Z：綜合主成分得分；ri：主成分貢獻率；Z:主成分i得分）表5.主成分、綜合主成分（贏利能力）值公司Z1Z2Z煙臺萬華1.211.461.14五糧液1.161.461.12雅戈爾1.031