品牌型号：HP Laptop 15

软件版本：SPSS Statistics27

系统：Windows 10

主成分分析是在进行数据分析时常用的一种降维方法，它可以帮助我们快速找到数据中最重要的部分，但还有很多小伙伴不清楚在SPSS中做主成分分析的具体操作，今天就给大家分享一下SPSS如何做主成分分析，SPSS做主成分分析算综合得分的相关流程。

一、SPSS如何做主成分分析

下面我们将根据一份不同城市的综合水平发展数据，来带大家了解在SPSS中做主成分分析的具体操作步骤。

1、进入SPSS后打开相关数据文件，选择菜单栏中的【分析】-【降维】-【因子】选项，打开因子分析的对话框。

2、在因子分析面板的左侧列表中，依次选择GDP、人口数量、工业产值、科技创新投入、教育资源指数、医疗资源指数，通过箭头移动至右侧的变量列表框中。

3、单击因子分析面板右上角的【描述】按钮，在【因子分析：描述】对话框中，【统计】选项组中勾选【初始解】，【相关性矩阵】选项组勾选【系数】，单击【继续】按钮返回因子分析面板。

4、点击【提取】按钮，在提取面板【方法】选项组中选择【主成分】，【提取】基于特征值中，默认特征值大于：1，点击【继续】按钮，回到因子分析面板。

5、点击【得分】选项，勾选【保存为变量】、【显示因子得分矩阵】，再次回到因子分析面板，点击【确定】按钮，等待SPSS输出结果即可。

二、SPSS做主成分分析算综合得分

1、以下图5为相关性矩阵表，图中包含了GDP（亿元）、人口数量（万人）、工业产值（亿元）、科技创新投入（亿元）、教育资源指数和医疗资源指数等变量，图中的每个数值表示对应行和列的两个变量之间的相关系数。相关系数的取值范围在-1到1之间，其绝对值越接近1，表示两个变量之间的线性关系越强，反之，则表示两个变量之间的线性关系越弱。从图中我们可以得出，大部分的相关系数值都比较接近于1，说明这些变量之间有比较强的正相关关系。

2、通常情况下，当特征值大于1时，说明该主成分是有意义的（需从实际情况出发，有的特征值小于1也有参考价值）。以下是SPSS输出的【总方差解释】表，从图中我们可以看到，第1个主成分的特征值为5.8，方差百分比为96.669%，累积百分比为 96.669%，所以在这组数据中，我们优先考虑第1个主成分。

3、下图是【成分得分系数矩阵】图，从图中我们可以看出各变量在主成分上的得分系数。GDP 的得分系数是0.172，人口数量的得分系数是0.166，工业产值的得分系数是0.171，科技创新投入的得分系数是0.171，教育资源指数的得分系数是0.168，医疗资源指数的得分系数是0.169。

4、点击SPSS工具栏【转换】-【计算变量】选项，在目标变量框中输入：综合得分，然后在数字表达式框中把主成分得分变量和相应的系数输入进去：GDP（亿元）*0.172+人口数量（万人）*0.166+工业产值（亿元）0.171+科技创新投入（亿元）*0.171+教育资源指数*0.168+医疗资源指数*0.169，最后点击【确定】按钮。

5、SPSS就会根据我们的公式计算综合得分，并在编辑界面最后一列添加一个名为【综合得分】的数据列，从下图中我们可以得知五个城市的综合得分分别为：2141.76、1722.28、2424.44、1310.60、1984.45。

关于SPSS如何做主成分分析，SPSS做主成分分析算综合得分的内容今天就先介绍到这里，通过介绍主成分分析的具体操作步骤和主成分分析结果解读、主成分分析综合得分等内容，有助于大家更好认识和了解SPSS进行主成分分析，以解决实际问题，希望今天的内容能对大家有所帮助。

作者：EON