spss中主成分分析

主成分分析用于对数据信息进行浓缩，比如总共有20个指标值，是否可以将此20项浓缩成4个概括性指标。

第一步:判断是否进行主成分(pca)分析;判断标准为KMO值大于06

第二步:主成分与分析项对应关系判断

第三步：在第二步删除掉不合理分析项后,并且确认主成分与分析项对应关系良好后,则可结合主成分与分析项对应关系,对主成分进行命名

spssau主成分分析 *** 作共有三步：

①选择进阶方法--主成分分析

②将分析项拖拽到右侧分析框

③点击开始分析

默认提供主成分得分和综合得分，分析前勾选“成分得分”、“综合得分”即可。

历史结果记录窗口。
GIS工具运行结束后的所有参数、信息、输出结果在工具箱窗口的上方，橙色框选部分，点击即可打开历史结果记录窗口中查看。
GIS一般指地理信息系统。地理信息系统（GeographicInformationSystem或Geo－Informationsystem，GIS）有时又称为地学信息系统。它是一种特定的十分重要的空间信息系统。

1建议你看看第二个图，component score coefficient matrix原变量到两个主成份的回归系数越大说明这个主成份越重要。2得到多个主成份之后，计算它们的方差大小，方差较大的几个主成份（通常方差大小总和为总方差的85%以上）提取出来。要是提取的方差较大的主成份数目比少（小于3），那么这几个主成份就可以绘制成二维图或者三维图了。

主成分分析是一种用于识别变量彼此间的相关性，从而将相关变量组合成较少数量的新变量，这些新变量称为主成分。因此，要确定哪些变量属于一类，可以使用主成分分析。在此，可以采用主成分分析来分析数据，并通过查看结果中的特征比和特征贡献率来定量确定哪些变量相关性较高，可以组合成新的主成分。一般情况下，特征比越大、特征贡献率越大的主成分可以认为是相关变量的组合，反之，则意味着这些变量不相关。

---