描述性分析是对一组或多组数据进行全方位的数据分析,分析范围包括数据的样本量、平均值、最大值、最小值、标准差、方差、极值等,还包括计算数据的标准化值,也就是z得分。......
2023-11-17 225 SPSS进行描述性分析
在许多数据分析案例中,往往有许多种不同变量或因素共同影响最终结果,为了探究多变量或因素对实验结果的影响,我们常常会对数据进行主成分分析,将具有一定相关关系的变量重新组合划分为几组互不相关的新变量,作为影响结果的几种主成分,即新的综合指标来分析结果。本节将会带大家学习如何使用SPSS进行主成分分析。需要注意的是,进行主成分分析要满足两个条件:变量是连续变量或有序分类变量,且变量之间存在线性相关关系。
一、打开数据文件
本例中我们使用的是IBM SPSS Statistics 28.0.0.0 Windows版本。本例子以种植了玉米、花生、甘蔗三种不同作物的土壤成分为例,探究种植有不同作物的土壤成分综合评价。
如图1所示,展示的是三种不同的土壤中各主要成分的具体含量。需要注意,示例数据中的土壤成分变量使用的是字符串值,我们需要先将字符串转换为数值,才能进行下一步操作。
图1 示例数据
二、进行主成分分析
点击菜单栏中的“分析”,选择“降维”中的“因子”分析。
图2 选择因子分析
在弹出的选项框中,将变量数据栏全部加入到右侧变量的方框。
图3 添加变量
然后设置右侧栏中的选项,需要更改的各项设置如下:
图4 更改“描述”
图5 更改“得分”
更改完设置后点击确定,进行数据分析。
三、结果分析
(1)相关矩阵表明,各项指标之间具有强相关性。一般来说,如果相关型矩阵中显示的相关系数的数值大于等于0.3,我们就可以认为变量之间存在较好的线性相关性。通过线性相关性的验证,表明这几种变量的指标信息之间存在重叠,因此适合采用主成分分析法。
图6 相关性矩阵
(2)总方差解释表格
图7 总方差解释
由表格可以看出,初始特征值>1的成分有2个,因此可以提取出2个主成分,来作为新的综合指标来分析土壤肥力状况。这两个成分记为主成分1、主成分2,从表格数据得到他们的初始特征值依次为4.992、3.008;方差贡献率依次为62.399%、37.601%,总和为100%。
表中可知主成分提取载荷平方和分别为4.992,3.008,因此求算术平方根,算出主成分1、2的提取载荷为(仅举例列出三位小数,计算时应更加精确)2.234、1.734。
这两项数据在后续分析中要用到,在此需要记录。
(3)点开之前录有数据的SPSS界面,在最右边可以看见新生成有两列数据,即主成分因子得分(FAC),分别为因子得分1、因子得分2。
图8 主成分因子得分
(4)计算各主成分得分。
主成分1得分F1=因子得分1*主成分1提取载荷,以此类推F2。计算得出主成分得分F1与F2。
最后计算综合评价得分Y,即按照各主成分的方差贡献率对各主成分得分进行加权平均:综合评价得分Y=(F1*主成分1方差贡献率+F2*主成分2方差贡献率+F3*主成分3方差贡献率)/(主成分1、2、3的方差贡献率总和)(由方差解释表中可以得到主成分的方差贡献率),得到:
图9 主成分得分F与综合评价得分Y
可以看出,在三种土壤中,种植甘蔗的土壤综合评价得分最高,其次是花生,最后是玉米。
相关文章
描述性分析是对一组或多组数据进行全方位的数据分析,分析范围包括数据的样本量、平均值、最大值、最小值、标准差、方差、极值等,还包括计算数据的标准化值,也就是z得分。......
2023-11-17 225 SPSS进行描述性分析
排序功能是 数据统计软件 必不可少的一项主要功能,当我们在进行缺失值的查找、重复值的查找以及数据排名时,排序功能就显得非常方便有用。掌握好IBM SPSS Statistics的排序功能,是......
2024-03-11 359 SPSS多项排序功能
在日常的数据处理中,定量分析问题往往是通过拆分指标数据来完成,指标数据一般是建立在各原始数据的运算和逻辑关系上面,新的变量数据有时候是在已有的变量中通过各种计算和......
2023-10-08 1086 SPSS基础数据操作
数据分析指的是使用各种统计方法,如随机抽样、普查等方式收集大量的数据,并对其执行统计分析的过程,因此,数据是执行分析的基础。 那么,该如何将收集到的数据导入到IBM S......
2023-01-15 1062 SPSS数据文件的建立 SPSS创建与导入方法
IBM SPSS Statistics 偏相关分析 ,是用于变量间可能会有相互影响的情况中。比如,对三个变量进行相关分析,但发现第一、二个变量与第三个变量之间存在着相关关系,在这种情况下,就......
2023-06-20 290 SPSS偏相关分析