SPSS主成分除以根号特征值
来源:学生作业帮助网 编辑:作业帮 时间:2024/04/30 23:23:14
其实不需要的,你只要去掉%,主成分是自动标准化数据的,也就是去单位运算
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~
spss熟练掌握我可以代分析的采纳哦
这个说明你的数据可能不太适合做主成分分析,他们的公因子可能对整体解释力都比较低建议你还是取百分之85的吧,因为这样才将大部方差解释掉了还是建议你检验一下数据吧,你的数据可能不适合做因子分析
出来的结果里有这个值的我经常帮别人做这类的数据分析的
正负号只是表示关系的正负这不影响主成分分析主要看绝对值的大小绝对值大就表示关系强
SPSS中可以自动输出因子得分矩阵的,但那个是标准化的因子得分.(SPSS统计分析专业人士南心网)
主成份分析本质上是一种降维技术,要将多个变量通过旋转在少数维度(最好是2个)上表示出来,并据此分类.但是旋转的方法不同,投射出来的结果也是不一样的,因此你会看到特征向量数值绝对值相同,但符号相反.就好
什么主成分?能说清楚点~
你直接设置累计贡献率要达到90%就可以啦再问:这里有个基于特征值--特征值大于(A):但是那个框框里不能输入,是不是我的spss的问题啊?再答:你看自己要保留几个因子然后再因子的固定数量输入相应的数值
以下全属个人看法,首先我认为,楼主对主成分分析还没有一个清楚的认知,导致所给的图形就不是最终判断分析的结果.在多元统计分析中,主成分分析是依靠因子分析的结果来进行的.请饶在下唐突,不过确实,楼主的给因
KMO检验用于检查变量间的偏相关性一般认为该值大于0.9时效果最佳0.7以上尚可,0.6时效果较差Bartlett's球形检验用于检验相关阵是否是单位阵P
在因子分析时,点击得分-保存因子得分即可,在回归分析时,将Y输入到dependent,F1F2输入到indenpendent,下面那位说错了.再问:就是一开始肯定没有YF1和F2的,提取出来主成分怎么
①如果你的指标因子中出现了负向指标,即你说的越小越好,那么我建议你不要用SPSS进行标准化,因为SPSS默认的标准化方法是标准差标准化,对负向指标不太合适.你可以手动用excel进行极差标准化,公式为
累计贡献率一般需要达到80%以上,才可以,不知道你的因素之间是不是相关性很高
先看下你的研究领域,有的文献大于0,5都接受了
设方阵A可对角化,则存在方阵P有A=P^(-1)diag(a,b,c……)P,diag(a,b,c……)为对角阵,a,b,c……为特征值,因为A^m=Pdiag(a^(m),b^(m),c^(m),…
这里当然选五个了啊,一般按特征值大于1来选,方差贡献率越大越好,大于80%也不是不选后面的因子了再问:谢谢哦,我看有些实例没有出现这样结果,一般对应的特征值大于1也就差不多85%,这样的输出结果不知道
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