主成分怎么做：SPSSAU软件操作步骤与结果解读

一、主成分方法所属模块

主成分分析方法在SPSSAU中位于【进阶方法】模块。

二、方法概述

主成分分析适合用于把多个彼此相关的定量指标浓缩为少数几个核心成分，帮助快速提炼数据中的关键信息。它常用于综合评价、指标降维和构建综合得分场景，尤其适合指标较多、变量之间存在相关性的研究。

三、变量设置规则

主成分分析需要放入1组分析项，变量类型为定量变量。该组变量为必填项，至少放入2个，最多可放入200个。

1. 分析项设置规则

（1）变量类型

分析项应为定量数据，适合用来反映同一主题下的多个连续型指标。

（2）放入数量

分析项最少需要2个，少于2个无法完成主成分提取；最多可放入200个，适合较多指标的综合分析场景。

（3）是否必填

该项为必填，不提供分析项时无法开展主成分分析。

四、参数设置及解释说明

1. 主成分数

系统默认自动确定主成分个数，默认判断依据是特征根大于1。实际应用中，如果研究有明确理论基础，也可以结合专业知识手动指定保留几个主成分，这样更方便让结果贴近研究目的。

2. 相关系数矩阵

勾选后会额外输出相关系数矩阵，用来查看各分析项之间的相关关系是否明显。若希望先判断变量之间是否具备较好的关联基础，这个选项很实用。

3. 保存成分得分

勾选后可将各主成分得分保存下来，便于后续继续用于排序、分组、回归或其他分析。每次分析都会生成新的得分变量。

4. 保存综合得分

勾选后可直接保存综合得分结果，适合做综合评价、对象排名或后续建模使用。每次分析也会生成新的综合得分变量。

五、分析结果表格及其解读

主成分分析完成后，通常会输出KMO 和 Bartlett 的检验、方差解释率表格、载荷系数表格、线性组合系数矩阵、线性组合系数及权重结果等结果表；如果存在样本缺失或勾选相关系数矩阵，还会额外输出对应表格。

1. 表1：KMO 和 Bartlett 的检验

该表用于判断数据是否适合做主成分分析，包含KMO值、Bartlett球形度检验的近似卡方、自由度和显著性等指标。

●KMO值：用于判断变量之间是否具有适合提取公共信息的基础。一般高于0.6说明可以开展主成分分析，数值越高通常说明越适合。若明显偏低，说明变量间共享信息不足。

●Bartlett球形度检验显著性：通常小于0.05，说明变量之间存在足够相关性，适合继续分析。

●近似卡方与自由度：主要用于配合检验结果呈现，重点仍看显著性是否达标。

2. 表2：方差解释率表格

该表用于判断应保留多少个主成分，以及各主成分能够解释原始信息的比例，包含特征根、方差解释率和累积解释率等指标。

●特征根：默认情况下大于1的成分通常会被保留。

●方差解释率：表示某个主成分能够提取原始指标信息的比例，数值越高代表性越强。

●累积解释率：表示前几个主成分合起来能够解释多少原始信息，累计比例越高越好。

3. 表3：载荷系数表格

该表用于查看每个分析项与各主成分之间的关系强弱，同时展示共同度。

●载荷系数：通常绝对值越大，说明该分析项越能代表该主成分。常见判断中，绝对值达到0.4及以上更有解释意义。

●共同度：表示某个分析项有多少信息被提取出来。一般高于0.4更理想。

4. 表4：线性组合系数矩阵

该表用于展示各分析项在不同成分上的线性组合系数，主要服务于后续得分计算与权重处理。

●成分系数：更偏向计算用途，通常不单独用来判断分析结论是否理想。

5. 表5：线性组合系数及权重结果

该表用于形成综合评价结果，展示各分析项在不同主成分下的系数、综合得分系数以及最终权重。

●综合得分系数：用于汇总多个主成分信息，帮助形成最终综合评价结果。

●权重：表示各分析项在综合评价中的相对重要性，权重越高影响越大。

6. 表6：样本缺失情况汇总

当原始数据中存在缺失并导致样本被排除时，系统会输出该表，用于说明实际参与分析的样本情况。

●有效样本：表示真正进入分析的数据量，数量越充足结果通常越稳定。

●排除无效样本：若占比过高，需要关注样本损失是否影响代表性。

●占比：用于直观判断有效样本保留情况。

7. 表7：相关系数矩阵

勾选相关系数矩阵后，系统会输出该表，用于查看分析项之间的相关关系。

●相关系数：绝对值越大，说明相关关系越明显；若多数相关系数都很弱，通常不利于主成分提取。

8. 表8：MSA指标值

勾选相关系数矩阵后，系统还会输出MSA指标值，用于判断整体及各分析项是否适合纳入主成分分析。

●整体MSA：可用来辅助判断整体数据是否适合做主成分分析，数值越高通常越理想。

●各项MSA：若某项数值偏低，往往提示该指标不太适合保留。

六、分析结果图表及其解读

主成分分析会输出碎石图；当保留的主成分数大于1时，还会输出载荷图，帮助从图形角度判断成分结构。

1. 图1：碎石图

碎石图用来展示各成分对应的特征根变化趋势。通常关注曲线从陡降转为平缓的位置，拐点之前的成分往往更值得保留；如果前几个成分下降明显、后面迅速变平，说明前几个主成分已经提取了主要信息。

2. 图2：载荷图

当主成分数大于1时，载荷图可用于观察各分析项在不同主成分上的分布位置。若某些指标明显聚集在某一成分方向上，说明这些指标与该主成分关系更紧密；如果某个指标离原点很近，通常表示其在主成分结构中的代表性不强。

以上就是SPSSAU主成分方法的相关内容，更深入教程可查看SPSSAU帮助手册、教学视频、疑难解惑等资料。