1、快递转了3天还他妈在上海浦江集散中心，在上海来回运有意思？我开个车去上海都不用三小时！！！。

1、将数据录入excel或者spss。。

2、数据标准化：打开数据后依次选择分析→描述统计→描述，对数据进行标准化，选中将标准化得分另存为变量。。

3、进行主成分分析：依次选择分析→降维→因子分析。。

4、设置描述性，抽取，得分和选项。。

5、查看主成分分析和分析：相关矩阵表明，各项指标之间具有强相关性。比如指标GDP总量与财政收入、固定资产投资总额、第二产业增加值、第三产业增加值、工业增加值的相关系数较大。这说明他们之间指标信息之间存在重叠，适合采用主成分分析法。（下表非完整呈现）。

6、由Total Variance Explained（主成分特征根和贡献率）可知，特征根λ1=0特征根λ2=150前两个主成分的累计方差贡献率达107%，即涵盖了大部分信息。这表明前两个主成分能够代表初的11个指标来分析河南各个城市经济综合实力的发展水平，故提取前两个指标即可。主成分，分别记作FF。

7、指标XXXXXXXXXX10在第一主成分上有较高载荷，相关性强。第一主成分集中反映了总体的经济总量。X11在第二主成分上有较高载荷，相关性强。第二主成分反映了人均的经济量水平。但是要注意：这个主成分载荷矩阵并不是主成分的特征向量，也就是说并不是主成分1和主成分2的系数，主成分系数的求法是：各自主成分载荷向量除以各自主成分特征值的算术平方根。。

8、成分得分系数矩阵（因子得分系数）列出了强两个特征根对应的特征向量，即各主要成分解析表达式中的标准化变量的系数向量。故各主要成分解析表达式分别为：F1=0.32ZX11+0.33ZX12+0.31ZX13+0.31ZX14+0.32ZX15+0.32ZX16+0.32ZX17+0.32ZX18+0.32ZX19+0.21ZX110+0.15ZX111F2=46ZX21+0.02ZX22-0.02ZX23-0.20ZX24-0.23Z25-0.04ZX26-0.15ZX27-0.02ZX28+0.10ZX29+0.47ZX210+0.78ZX2。

9、主成分的得分是相应的因子得分乘以相应的方差的算术平方根。即：主成分1得分=因子1得分乘以092的算术平方根    主成分2得分=因子2得分乘以150的算术平方根例如郑州：主成分因子=FAC1_1*092的算术平方根=59386*092的算术平方根=将各指标的标准化数据带入个主成分解析表达式中，分别计算出2个主成分得分（FF2），再以个主成分的贡献率为全书对主成分得分进行加权平均，即：H=（672*F1+497*F2）/1求得主成分综合得分。。

10、将数据录入excel或者spss。。数据标准化。进行主成分分析。设置描述性，抽取，得分和选项。查看主成分分析和分析。。

1、首先，在‘进阶方法’版块中点击‘主成分’按钮。

2、然后，将数据拖拽到右侧分析框中，点击开始分析。

3、后，可以在分析结果中看到主成分计算权重。

1、将数据录入excel或者spss。

2、数据标准化：打开数据后选择分析→描述统计→描述，对数据进行标准化，选中将标准化得分另存为变量：。

3、进行主成分分析：选择分析→降维→因子分析，。

4、设置描述性，抽取，得分和选项：。

5、查看主成分分析和分析：相关矩阵表明，各项指标之间具有强相关性。比如指标GDP总量与财政收入、固定资产投资总额、第二产业增加值、第三产业增加值、工业增加值的相关系数较大。这说明他们之间指标信息之间存在重叠，适合采用主成分分析法。（下表非完整呈现）。

6、由Total Variance Explained（主成分特征根和贡献率）可知，特征根λ1=0特征根λ2=150前两个主成分的累计方差贡献率达107%，即涵盖了大部分信息。这表明前两个主成分能够代表初的11个指标来分析河南各个城市经济综合实力的发展水平，故提取前两个指标即可。主成分，分别记作FF。

7、指标XXXXXXXXXX10在第一主成分上有较高载荷，相关性强。第一主成分集中反映了总体的经济总量。X11在第二主成分上有较高载荷，相关性强。第二主成分反映了人均的经济量水平。但是要注意：这个主成分载荷矩阵并不是主成分的特征向量，也就是说并不是主成分1和主成分2的系数，主成分系数的求法是：各自主成分载荷向量除以各自主成分特征值的算术平方根。。

8、成分得分系数矩阵（因子得分系数）列出了强两个特征根对应的特征向量，即各主要成分解析表达式中的标准化变量的系数向量。故各主要成分解析表达式分别为：F1=0.32ZX11+0.33ZX12+0.31ZX13+0.31ZX14+0.32ZX15+0.32ZX16+0.32ZX17+0.32ZX18+0.32ZX19+0.21ZX110+0.15ZX111F2=46ZX21+0.02ZX22-0.02ZX23-0.20ZX24-0.23Z25-0.04ZX26-0.15ZX27-0.02ZX28+0.10ZX29+0.47ZX210+0.78ZX211。

9、主成分的得分是相应的因子得分乘以相应的方差的算术平方根。即：主成分1得分=因子1得分乘以092的算术平方根    主成分2得分=因子2得分乘以150的算术平方根例如郑州：主成分因子=FAC1_1*092的算术平方根=59386*092的算术平方根=将各指标的标准化数据带入个主成分解析表达式中，分别计算出2个主成分得分（FF2），再以个主成分的贡献率为全书对主成分得分进行加权平均，即：H=（672*F1+497*F2）/1求得主成分综合得分。。

1、打开SPSS软件，导入数据后，依次点击分析，降维，因子分析。。

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。。

3、勾选原始分析结果、KMO检验对话框，然后点击继续。。

4、点击抽取，再点击碎石图。。

5、点击旋转，再点击大方差旋转。。

6、点击得分，再点击，保存为变量及显示因子得分系数矩阵。。

7、后点确定就可以在输出截面看到主成分因子分析的结果了。。

8、还是不会的同学可以看视频操作哦！。

1、打开SPSS软件，导入数据后，依次点击分析，降维，因子分析。

1、打开SPSS软件，导入数据后，依次点击分析，降维，因子分析。

1、打开SPSS软件，点击【文件】—【打开】—【数据】，导入实验数据。

2、点击上方工具栏中【分析】—【降维】—【因子】。

3、将要分析的变量选中，点击箭头将数据导入右侧。

4、点击【描述】，选择KMO和巴特利特球形度检验，并点击继续。

5、再点击【提取】，选择碎石图，并点击因子的固定数目，此例中将因子固定数目为点击继续。

6、点击【旋转】，选择载荷图，并点击继续。

7、点击确定，即可在统计窗口查看到因子分析的结果。

1、选择分析的数据。

2、选择菜单【分析】-【降维】-【因子分析】。

3、打开对话框，将相关变量选入到变量栏中。

4、击得分按钮，选中保存为变量和显示因子得分系数矩阵。

5、打开描述选项，选择如下。

6、打开选项按钮，选择如下。

7、确定，结果如下。