spss的成分矩阵与旋转后的成分矩阵的区别
来源:学生作业帮助网 编辑:作业帮 时间:2024/05/16 23:54:07
我用SAS做的主成分分析,SAS与SPSS一样都是常用的统计软件.PS:楼主如果认为还可以就多给点分啦~
用spss求主成分的得分有点麻烦需要自己进行换算的楼上说的直接保存得出的是因子得分,跟主成分得分是有差别的
一般是考虑大于0.4的,你的0.33因为1除以3啊
主成分分析得分系数与原变量标准化后的协方差阵的特征向量是一个东西
spss熟练掌握我可以代分析的采纳哦
你那种形式要自己改的,spss做出来的只有下面
得到两个主成分的前提是它们的单位根大于1吧.检验你先看看主成分分析的原理.看懂了你就会做啦
什么主成分?能说清楚点~
未旋转的因子矩阵:不是说x7是最主要的因素,而是说x7与第1个成分的相关性最大,且为正相关.通过你这个因子矩阵表,很难将各个x进行分类,可以进行因子分析,得到旋转后的因子矩阵.旋转后的因子矩阵:表中的
因子载荷阵选择适当方法求出旋转后的载荷阵数值出负是求解的结果……这和原始矩阵数值以及计算方法相关,没什么原因解释的吧?比如因子旋转有正交和斜交两种方法,比较常用的是正交变换,正交矩阵的选取不一不说,符
因子载荷矩阵里,最左一列是项目(题目),最上一行是因子(主成份),下面就是各项目在各因子上的载荷,载荷按高到低排好序就可以看出各因子包括哪些项目.
对的,每一列下面比较大的归为一类就行了
说明是负的强相关
你自己根据各个因子中哪个或哪些变量的系数大来命名即可
用直交旋转的图直交旋转后因素解释更为显著
从你得到的结果老看,数据之间的相关性较小,不适合做主成分分析,并且可能你的变量太多,数据过少导致很多数值没有.
主成份分析是为了提前众多指标中有典型代表性的几个主要成分,其中主成分的一种计算得分方法是用回归方法而回归分析是为了构建一个自变量和因变量的关系模型,从而可以找到有效的预测因变量的方式所以回归分析需要有
你肯定是选择了正交或斜交旋转才会产生“旋转成分矩阵”,你可以用主成分分析法来做一下就会发现没有“旋转成分矩阵”了,所以两者是没有关系的,因为“成分矩阵”是主成分分析法得到的,“旋转成分矩阵”是因子分析
你得设置因子载重值排序啊,你看特征根值大小进行比较哪个影响大