锐客网

  1. 首页 > 睿知 > >

主成分分析贡献率大于1

经验分享睿知

在main 成分 分析中，一般有大于1或大于0.5的，在main 成分 分析之前一般要求累计方差百分比大于85% 。principal成分分析和co-factor 分析是典型的方法，当SPSS作为委托人成分 分析时 ， 委托人成分 分析常态法的特征值不大于1，且特征值大于1或累计方差解释率大于60%、85%等特定值，这些都是经验值，不是 。

1、用spss做因子 分析,特征根一定要大于1吗?大于1的特征根是通常的标准 。更多时候需要根据理论模型确定提取的因子总数，这是一个大前提 。否则，无论你提取多少，如果在理论上没有意义，都是没有意义的 。累计贡献率 70就不错，不需要仅从解释力上增加新的因素，因为模型更复杂，因素更多 。而且提取因子时是否旋转也值得考虑 。最后，spss只能做探索性因子分析，如果是开发问卷或者验证理论模型，需要使用验证性因子分析，需要Amos插件包或者其他软件来做 。

2、因子 分析时为什么要选择特征值大于1这要从什么是特征值说起 。特征值是指每道题在某个因子上的载荷值的平方和，代表该因子的方差 。因为因子分析常用相关矩阵，每道题的总方差为1，如果有n道题，则n道题的总方差为n，因子分析的目的是降维，简化已有问题并分类，用尽可能少的因子解释所有问题的方差 。这与因子分析选择的每个变量有关 。变量之间应该有一定的相关性，样本量也可以加大 。

在制作效度分析时，我们需要看因子的特征值 ， 看贡献率大于1的累积因子是否满足要求 ， 从而表示效度可以 。factor 分析有两种方法 。探索性因子分析方法和验证性因子分析 。探索性因素分析让数据“自己说话”，不预设因素与测量项目的关系 。principal成分分析和co-factor 分析是典型的方法 。验证性因子分析假设因子和测量项之间的关系是部分已知的，即哪个测量项对应哪个因子 ， 虽然具体的系数我们还不知道 。

3、SPSS主 成分 分析时,是不是得到的方差百分比就是 贡献率,累计百分比就是累...第一个是特征值 。一般大于1或0.5，累计方差百分比一般要求大于85%才能进行主成分-2/ 。你得到的是每个变量的指标和相关系数a ， 然后根据特征值b，得到向量系数u，ua/sqr(b) 。F1α 11x1 α 12x2 ... α 1pxpf2α 21x1 α 22x2 ... α2 pppp..................FM α m1x1 α m2x2 ... α mpxp然后根据成分构造F的综合模型 。

贡献率指有效或有用的成果与资源消耗和占用的比率，即产出与投入的比率，或收入与成本的比率 。计算公式:贡献率(%)贡献(产出、收入)/投入(消费、职业)×100% 贡献率也用于分析经济增长中各要素的度 。成分 componentmatrix通过main 成分方法获得的因子载荷矩阵 。在比较同一组受试者时，要保证两个实验处理之间没有相互影响，同时要平衡位置顺序 。

4、主 成分 分析中,只提取一个 成分并且累计 贡献率只有50%该怎么办? factor 分析的主要目的是简化题目的结构，将大部分单个题目归入几个因子中，所以在spss中，factor 分析是在降维菜单下 。所以最重要的因素分析就是用最小的维度贡献最大的变异，这应该是最重要的准则 。即使贡献率超过85%，也要看:一是维度是否过多，多因子分析，意义不大；二是贡献率在某些维度上是否低 。

但是85%太苛刻了 。当然，如果能达到这个程度 ， 而且维度很少，每个维度的贡献率都比较高，那就比较理想了 。spss做因子分析select principal成分number一般有两个标准:第一个是特征值，大于1，这只是一个大概的想法；二是参考砾石图 ， 看砾石图的拐点出现在哪里 ， 看地图在哪里趋于平缓 。结合这两点，再看累计贡献率是否合适，就可以完成食材的选择了 。
5、主 成分 分析法特征值不大于1【主成分分析贡献率大于1】特征值大于1或累计方差解释率大于特定值，如60%、85%等 。这些都是经验值，不是必须严格遵守的要求，就文献而言，特征值小于1的因子也可以加入 。比如易老师和毛宁老师在构造中国情绪指数(CICSI)时，使用了累积方差解释率大于85%的统计标准，而不是严格遵守特征值大于1的标准，master成分分析方法是一种非常适用且相对简单的数据处理方法 。

    推荐阅读


    上一篇：用matlab做模糊分析法,matlab层次分析法例题详解

    下一篇：电信广告分析,电信的SWOT分析