急急急！SPSS主成分分析都要把旋转中方法设为最大方差法吗，公因子问题请教
SPSS主成分分析都要把旋转中方法设为最大方差法吗，我的任何数据都是提取出2个公因子，贡献率就达到100% ，有的第一个公因子就达85%以上，这个该怎么分析，说明什么问题？请高手指教
2.一般来说，主成分分析（PCA）要求数据之间自相关性不能太强，因此数据选取要考虑数据变量之间的相关性不能太强（彼此相关性太强的数据可以剔除，留下其中一组就行）。
3.每一个公因子F代表所有数据所反映的某一方面的共性，因此不同F之间是相互垂直的（所代表的信息是彼此不相关的）。如果两个公因子就达到95%以上的累积贡献率，说明两组共性就表达了绝大部分的总信息量，所选数据代表的信息量不是很大。
3.第一个公因子就达到85%以上，说明一个问题：数据组太简单（同一变量的数据个数不够），或是数据之间的相关性太强（一个数据就代表了其他数据的绝大部分信息，数据多其实也只是重复反映同一个问题，等于数据不够）。这样的数据不适合做PCA分析。追问
您好，继续麻烦问您下哈，如我上传的图片，我现在要根据相对电导率、SOD等八个指标算出A、B、C的综合评价值，最终比较三者的大小。像我的数据，进行主成分分析时，旋转方法下应该选择无还是最大方差法，什么情况下应该选择无，什么情况又选择最大方差法，还有结果A的隶属函数值U1、U2分别都为0 ，D值最终也为0，这个结果对吗，综合评价值D可能最后是0吗？
看了一下你的截图，有以下需要说明：
1.最主要的问题，如楼上的那位所说，就是数据太单薄。另外你可以做一下相关分析，可能你的指标之间相关性较高，所以前两个F就达100%的累积贡献率。
2.隶属度U的求取。求取隶属度的本质就是标准化，统一量纲，方法很多，这你可以去借书多看看。你使用的应该是（0,1）型隶属度函数，所以最小值为0，最大值为1。方法是对的，没错。个人建议：在数据少的情况下不要使用（0,1）型隶属度，使用（-1,1）型隶属度函数比较好，能避免出现0值的干扰。当然，数据多的话（0,1）型也是比较通用的。
还有，你需要求的应该是8个指标的U值，而不是主成分的U值。你所求的C1和C2是各指标的权重（Wi）。权重多少就多少，进行标准化是错的。
3.你求取D的方法有误。综合分值求法：
D=
式中：D为综合得分；Wi为各评价指标的权重；n为评价指标的个数；m为所选主成分个数；kj为第j各主成分的方差贡献率；Q(xi)即为各因子的隶属度值。
对应你的数据，你这里n=8，m=2。kj分别为0.8511和0.1459。 Q(xi)即为U。 Wi就是各指标的载荷矩阵。
4.关于旋转的问题：
如果旋转的话，最大方差法是最常用的。你可以选取数据观察一下，不旋转所得的原始矩阵，各指标之间的数值相差不是很大。旋转了之后，数值拉伸。小的更小，大的更大了。 旋转的一个作用就是在识别各主成分的代表因子时，容易识别出该主成分中权重较大的指标，作为该主成分的代表性指标。
因此，如果你不识别各主成分所代表的信息的话，旋转可以不用。
我也专门研究PCA了一段时间。总的感觉，主成分综合得分法在国内有滥用的现象。现在也不是很统一。
关于这个方法，你可以多看一些级别高一点的期刊，这样不容易被误导。另外，可以参考一下上海财经大学的王学民教授2007年在《理论新探》期刊上发表的《对主成分分析中综合得分方法的质疑》一文。
当然，本人也水平有限，难免有错漏之处，有不对的地方还望海涵，予以赐教。
至于你做主成分分析 是需要看你的原始数据情况的，如果你原始数据变量就很少，不超过三五个这样的，就没必要做主成分分析。看
看你的数据应该是做主成分分析的变量也就只有2个吧 这样根本没必要做主成分分析追问
您好，继续麻烦您问下哈，如我上传的数据，我要根据相对电导率、SOD等八个指标进行主成分分析，算出A、B、C的综合得分值，最终比较A、B、C三者的大小。像我的数据在进行主成分分析时，旋转方法下应该选择无还是最大方差法，又什么时候应该选择无，什么时候应该选择最大方差法，还有结果中A的隶属函数值U1、U2分别算出0，最终D值也为0 ，这种结果对吗，综合评价值可以为0吗？谢谢！
如果不知道选择哪种旋转方法时 就采用默认的最大方差旋转就好了，是必须要选择旋转方法的。
另外 由于你的样本数据太少了，分析的准确性大大折扣的。
一般做主成分分析要求的个案数据至少是变量数量的3-5倍左右，而你只有三个数据
还有综合评价 是先通过spss因子分析直接保存提取出的主因子得分，然后再用主因子得分乘以对应的权重占比相加之和 即为该个案的综合评价得分
我经常帮别人做类似的数据分析
急急急!SPSS主成分分析都要把旋转中方法设为最大方差法吗,公因子问题请...
1.你有几组数据？数据变量太少（三四个）就没必要主成分分析了。一般来说，即使你的数据是三四组，2个公因子也不可能达到100%的贡献率的，最多只是接近100%。除非操作有误或数据有误或是你没看明白结果。2.一般来说，主成分分析（PCA）要求数据之间自相关性不能太强，因此数据选取要考虑数据变量之...
SPSS主成分分析——操作步骤及结果解读——超详细版
选"旋转"，务必勾选"最大方差"，继续至"得分"阶段，保存因子得分，显示得分矩阵，选"继续"。在"选项"中，禁显小系数，设置好后点击"确定"，完成主成分得分计算。解读结果：首先，检查相关性矩阵以评估变量间关联。KMO和巴特利特检验显示KMO值为0.897，满足主成分分析条件。公因子方差显示每个变量信息提...
spss如何做主成分分析并计算综合得分
接下来，进入主成分分析。点击工具栏的“分析”>“降维”>“因子”，选择需要分析的变量拖入变量框。进行预处理，点击描述，勾选KMO和巴特利球形检验，然后选择“旋转”>“最大方差法”，继续操作。在“得分”选项中，勾选“保存为变量”和“显示因子得分系数矩阵”，完成设置后点击继续。分析完成后，查...
SPSS分析中解释的总方差和旋转成分矩阵要怎么进行解释?就是说怎么对...
最大方差旋转只是其中的一种旋转方法，因为该方法旋转后的结果很清楚，所以一般默认选择都是这种方法 至于做主成分分析，是需要看原始数据情况的，如果原始数据变量就很少，不超过三五个这样的，就没必要做主成分分析。
spss如何做主成分分析并计算综合得分
执行主成分分析：点击工具栏的“分析”选项，选择“降维”下的“因子”，在弹窗中将所需分析的变量拖入右侧的变量框。点击“描述”，勾选“KMO和巴特利球形检验”，继续至“旋转”步骤，选择“最大方差法”，并勾选“保存为变量”和“显示因子得分系数矩阵”。保存并生成结果：点击“确定”，系统将生成...
spss主成分分析步骤是什么?
spss主成分分析法详细步骤：1、打开SPSS软件，导入数据后，依次点击分析，降维，因子分析。如图1所示：2、打开因子分析界面之后，把需要进行分析的变量全部选进变量对话框，然后点击右上角的描述。如图2所示：3、勾选原始分析结果、KMO检验对话框，然后点击继续。如图3所示：4、点击抽取，方法里选择主成分...
spss分析方法-因子分析
首先，在SPSS的“因子分析”界面，点击“提取”，勾选“碎石图”选项，以可视化的方式确认最佳因子数量。旋转策略 接着，进入“旋转”环节，明智地选择“最大方差法”，确保提取出最具解释力的因子组合。深度挖掘 在“得分”选项中，勾选“显示因子得分系数矩阵”，以便深入了解每个因子与指标的具体关系。
利用SPSS进行主成分分
5. 其他设置：在旋转选项中保持默认设置，其他选项根据需要进行调整。第四步，执行分析并解读结果 设置完成后，点击“OK”执行因子分析。结果将包含描述性统计、相关矩阵、特征根与公因子方差、主成分载荷矩阵等关键信息。以下是结果解读的要点：1. 描述性统计：提供变量的均值、方差和样本大小，用于初步...
干货| 利用SPSS进行高级统计分析第四期
提取方法:主成分分析法。 旋转方法:凯撒正态化最大方差法。 2.8 斜交-成分矩阵(componentmatrix) 成分矩阵(componentmatrix):公因子方差比\/共同度=因素载荷平方和,针对每道题而言。旋转与否无差异。 2.9 模式矩阵【相关系数】【报这个 2.10 结构矩阵【回归系数】 2.11 成分相关性矩阵 算旋转θ角 成分相关性...
MATLAB 和SPSS的主成分分析
先做因子旋转吧，把旋转过后的因子载荷矩阵发上来，本人很乐意效劳。顺便提一下因子旋转的操作……其实都在一起……在factor analynis对话框下点击rotation选项，选择因子旋转的方式，一般都是最大方差法，选择varimax，并选择display栏中的rotated solution复选框，单击continue，返回主界面。ok~
