SPSS主成分分析全流程：因子菜单操作、特征值判断与结果解读

简介一份详细介绍在SPSS中进行主成分分析完整操作流程的参考文档面向统计分析学习者、科研人员及需要进行数据降维实证研究的用户。文档以10个经济指标为例GDP、工业增加值、第三产业增加值、固定资产投资、基本建设投资、社会消费品零售总额、海关出口总额、地方财政收入、人均GDP、农业增加值等逐步演示数据标准化、主成分个数提取、初始因子载荷矩阵分析、特征向量计算、主成分表达式推导及综合主成分模型构建等关键步骤包括如何利用Factor Analyze过程和Compute Variable对话框辅助计算可有效避免因子分析与主成分分析混用的问题帮助读者理解主成分与原始变量之间的对应关系并掌握按综合主成分值排序进行综合评价的操作方法。资源包体为单个doc文档大小139KB内容精炼实用适合经济学、管理学等专业师生以及使用问卷或宏观数据做量化研究的初学者参考。目前已有5001人学习下载。1. 主成分分析在SPSS里到底在解决什么问题主成分分析的完整操作入口藏在SPSS的因子分析菜单里这是很多第一次上手的人卡住的地方按菜单名去找“主成分分析”结果找不到。它的实际用途是把十几个相互关联的变量压缩成三五个互不相关的综合变量丢掉重复信息、消除共线性让后续回归、聚类或者评价指标构建不再被变量间的相关性干扰。适合的场景非常集中问卷量表题目的维度压缩、多维指标体系降维成综合得分、回归建模前对高相关变量做预处理。这篇笔记把从菜单操作、参数设置到结果报表解读的完整路径拆开按实际点击顺序写每一步都说明为什么这么选。2. 从相关矩阵到主成分SPSS这项分析的计算逻辑2.1 适合做主成分分析的数据长什么样变量、样本量与量纲先看数据形态。做主成分分析的变量必须是数值型可以是连续变量也可以是用于问卷打分的等距变量。像性别、地区这种名义变量不能直接放进去如果一个问卷里有用“1到5”编码的有序分类题很多研究者会直接放进模型这种事偶尔能行但结果解读时要默认“把有序变量近似当作连续变量”写报告时最好注明这一点。样本量方面经验规则是样本量至少是变量数的5倍理想是10倍以上。比如你有15个变量300个样本就比较稳妥150个也能接受再低的话结果就很不稳定。另一个常见说法是样本量不低于100这个说法太粗糙我在实际数据里见过60个样本跑12个变量特征值和载荷矩阵跟加了样本后的结果差别很大所以这个部分不能省。量纲问题要提前想清楚。SPSS默认用相关系数矩阵做主成分计算相关系数矩阵本身就把变量标准化了所以不同量纲的变量比如“收入”和“占比”可以直接放在一起做。只有当你主动在Extraction选项卡里改成协方差矩阵时量纲才会变成问题这一点后面讲避坑时还会再提。2.2 SPSS的Factor菜单为什么能替代PCA专用模块主成分与因子分析的界进入Analyze菜单你会发现SPSS没有单独叫“Principal Component Analysis”的菜单项主成分分析要在Factor里完成。这个设计让很多人困惑也导致大量误用把因子分析和主成分分析混为一谈。两者的数学目标不同——主成分分析把变量的总方差分解到互不相关的主成分上数据里的全部方差都在参与计算因子分析只解释变量间的公共方差把每个变量的独有方差当作误差放在一边。操作上区别只在一处分析方法的选项。在Factor对话框的Extraction选项卡里Method选Principal components时数学上就是在做主成分分析Method选Principal axis factoring或Maximum likelihood时做的是真正的因子分析。换句话说SPSS把这两种方法放进了同一个入口你选了哪个方法它就是哪种分析。做完之后输出表格也有区别PCA输出Component Matrix和主成分得分EFA输出Factor Matrix和因子得分。标题写“主成分分析”输出却用旋转后的因子矩阵是新手最容易犯的错误之一。2.3 特征值、贡献率与累计贡献率怎么决定提取几个主成分特征值是理解整个输出报表的钥匙。在用相关系数矩阵的前提下每个原始变量标准化后方差为1所以总方差等于变量个数。第一个主成分的特征值如果是4.5表示它解释了相当于4.5个原始变量相加的信息量方差百分比就是用4.5除以变量总数。特征值大于1意味着这个主成分解释的信息比单个原始变量还多所以才有了取特征值大于1的默认规则。累计贡献率则是判断压缩效果的核心指标。累计贡献率70%在社科问卷里算可接受80%以上算很好理工科数据往往要求更高。但注意累计贡献率不是越高越好——提取的主成分越多降维的意义就越小。实际判断流程一般是先看特征值大于1的成分有几个再看碎石图拐点在哪最后回到业务上问自己“这个成分的业务含义能不能说清楚”。三个条件都满足才是一个可以接受的解。3. SPSS操作主成分分析一步一步从菜单到保存主成分得分3.1 进入Factor对话框之前的准备缺失值、反向计分、变量类型在点菜单之前先做三件小事。第一确认分析变量全是数值型字符串变量进不了Variables框。如果数据里混有字符串对话框根本不会把它列进可选项并且后面输出会报错。第二检查缺失值。问卷数据经常有未作答项SPSS在Options选项卡里提供listwise剔除整条记录和pairwise按对剔除两种策略一般默认Listwise如果样本量紧张再改用Pairwise。第三核查反向计分题。量表里像“反向感受”这类题目不做反向处理变量间的相关方向会被扭曲KMO和载荷矩阵都会跟着错这是数据层面的坑菜单操作再熟练也救不回来。选变量之前还可以先跑一遍Descriptives里的Univariate descriptives看看每个变量的均值、标准差和有效样本数。这一步能快速发现标准差为0的变量——标准差为0的变量放进分析里相关矩阵会出现缺失或异常值结果基本不能用。3.2 菜单路径与第一层对话框选变量、Descriptives设置操作路径是Analyze → Dimension Reduction → Factor。老版本SPSS里这个菜单叫Data Reduction位置略有不同但功能入口一样如果你用的是旧版界面按这个名称找就行。弹出Factor对话框后左侧把所有变量列出来把要分析的变量选入Variables框。旁边有个Selection Variable框一般用不到它是按某个分组变量筛选样本用的。然后是Descriptives按钮点开后里面有几组选项按这个顺序勾Statistics里的Univariate descriptives输出每个变量的均值、标准差和有效样本数做数据质量检查用Correlation Matrix里的Coefficients输出变量间相关矩阵做数据预检用Correlation Matrix里的KMO and Bartletts test of sphericity必勾KMO和Bartlett检验是判断数据适不适合做PCA的第一关这组设置在报告里最容易被忽略但不勾KMO后面输出就会少一张关键表。很多教程只让你看KMO值却没告诉你它就在这个按钮下面藏着。3.3 Extraction选项卡方法、矩阵、提取规则与碎石图这是全部操作里最核心的一个对话框。点Extraction按钮后从上到下设置项目推荐设置说明MethodPrincipal components这是做主成分分析的关键选项选错就变成因子分析AnalyzeCorrelation matrix默认选项变量会自动标准化适合绝大多数场景ExtractBased on Eigenvalue大于1或者选择Fixed number of factors并手动输入个数DisplayScree plot勾选后输出碎石图配合特征值判断成分个数Maximum Iterations for Convergence默认25不用改迭代次数只在做因子旋转时需要关注Method选Principal components是整篇操作的定海神针这一步选成Principal axis factoring后面的分析性质就变了。Analyze如果改成Covariance matrix变量量纲差异会直接影响结果一般只在所有变量单位相同时用。Extract里特征值大于1是最常见的自动规则但后面第5章会讲它只能算起点不能算终点。3.4 Scores与Options选项卡保存主成分得分、载荷显示规则要保存分析后的主成分得分需要点Scores按钮。这个设置直接影响后续建模很多人做完主成分分析却不知道可以把每个样本的主成分得分存成新变量。Scores对话框里Save as variables勾选后SPSS会在数据视图里新增几个变量默认名字是FAC1_1、FAC2_1对应第一个、第二个主成分的得分Method选Regression这是SPSS默认的得分估计方法也最常用Display factor score coefficient matrix勾选后输出得分系数矩阵可以用来写出主成分计算表达式点击OK后主成分得分变量会以新列的形式加到原数据里。值得记住的细节如果之前数据里已经有叫FAC1_1的变量SPSS会自动改成FAC1_2不会覆盖旧变量。然后是Options按钮里面有两件事值得做。Missing Values选Exclude cases listwise处理缺失值用默认就是它。Coefficient Display Format里勾选Sorted by size和Suppress small absolute values后者默认值0.10。勾选之后成分矩阵会按载荷大小排序并且绝对值小于0.10的载荷不显示。这一步能让结果表格清爽很多主成分里的高载荷变量一眼就能看出来。3.5 用Syntax批量复跑粘贴语法、改变量名、换参数如果以后要反复跑同样的分析或者要对多组变量做批处理每次都点对话框效率太低。SPSS对话框左下角有个Paste按钮点一下会把当前所有对话框设置转换成语法粘贴到语法窗口。下面是一段最小可用的主成分分析语法FACTOR /VARIABLES v1 v2 v3 v4 v5 v6 v7 v8 /MISSING LISTWISE /ANALYSIS v1 v2 v3 v4 v5 v6 v7 v8 /PRINT INITIAL KMO EXTRACTION /CRITERIA MINEIGEN(1) ITERATE(25) /EXTRACTION PC /SCORE REGRESSION /SAVE REG(ALL)每行的含义分别是FACTOR是分析入口VARIABLES指定参与分析的变量列表MISSING LISTWISE对应Options里的按列表剔除缺失值PRINT里INITIAL KMO EXTRACTION对应输出初始解、KMO检验和提取结果EXTRACTION PC指方法为Principal componentsSCORE REGRESSION表示用回归法计算得分最后SAVE REG(ALL)把全部分数保存到数据视图。想固定提取5个成分把MINEIGEN(1)改成FACTORS(5)即可。4. 结果报表解读从KMO到成分矩阵的每一张表怎么看4.1 第一关KMO与Bartlett球形检验数据合不合格先看这两行输出里第一张核心表是KMO and Bartletts Test。KMO统计量衡量变量间偏相关是否足够小值域0到10.5以下完全不适合做主成分分析0.6到0.7勉强0.7到0.8可以接受0.8到0.9比较适合0.9以上非常适合。Bartlett球形检验看的是相关矩阵是不是单位阵也就是变量间是否完全独立p值小于0.05才能推翻“相关矩阵为单位阵”的原假设说明变量间存在相关性可以做主成分分析。实际操作中我一般先看KMO再看Bartlett。KMO不到0.6时先不要急着抱怨数据回Data View里删掉几个与其他变量相关极弱的变量再重新跑一次经常能救回来。Bartlett这个检验在大样本下几乎必然显著它的参考价值主要在小样本场景里体现。4.2 Communalities表每个变量的信息保留了多少第二张表是Communalities中文叫共同度。表里有两列Initial和Extraction。Initial通常是1表示每个变量的全部方差参与了分析。Extraction列才是关键——它表示的是该变量被提取出的主成分所解释的方差比例。举个例子某个变量Extraction值是0.712意味着这个变量71.2%的信息被保留在了主成分解里。这个表的作用是检查有没有变量被“丢得太狠”。如果某个变量的Extraction值低于0.4说明提取出的主成分只解释了它不到四成的方差这个变量留在模型里意义不大考虑删除或重新审视它的测量方式。在问卷里通常和主题关联度低的题目会在这里表现很差这也是筛选量表题目的一个客观抓手。4.3 总方差解释表特征值、方差百分比、累计方差百分比Total Variance Explained表是所有报表里直接决定“提取几个主成分”的那一张。表的上半部分是Initial Eigenvalues每一行对应一个主成分包含特征值、方差百分比、累计方差百分比三列。特征值大于1的行数就是自动提取的成分个数。如果数据是15个变量前3个主成分的特征值分别是5.2、2.8、1.3对应的累计方差百比如下34.7%、53.3%、62.0%。第三行的累计值是62%如果只看特征值大于1规则会保留这3个成分但累计贡献率只有62%——放在社科研究里勉强放在财务指标建模里就不太够。这时候就要回到2.3节的判断流程看碎石图拐点看业务解释力再决定是保留3个还是4个。如果第4个成分特征值0.9但业务含义很清晰也可以保留这类取舍在报告里直接写“依据特征值大于1并结合业务解释提取前4个主成分”是常见做法。4.4 成分矩阵与碎石图主成分的方向与命名Component Matrix输出的是每个原始变量在各个主成分上的载荷。这里说的载荷本质是原始变量与主成分之间的相关系数。载荷绝对值越大说明这个变量对对应主成分的贡献越大主成分的业务含义通常就靠载荷高的那几个变量来命名。假如第一主成分里“销售额”“毛利率”“客户复购率”几个变量载荷都在0.8以上主成分就可以命名为“经营绩效因子”之类。载荷的正负号要特别说明符号正负是相对的同一个主成分里有的变量载荷为正、有的为负说明它们在主成分方向上呈反向关系。但整体翻个符号不影响主成分本质所以解释时看相对关系别死盯方向。未旋转的PCA输出里如果第一主成分所有变量载荷都为正且数值接近那通常是一个“整体水平因子”这在指标体系综合评价里非常常见。碎石图则是一条特征值下降曲线从陡峭到平缓的拐点位置对应建议提取的成分个数。它不给出绝对答案但可以和特征值大于1规则互相验证。拐点前是信息量大的主成分拐点后基本是“碎石”提取进去只会增加解释难度。5. 主成分分析避坑清单5个常见的翻车现场5.1 一进对话框就勾旋转结果输出变成因子分析现象输出里出现了Rotated Component Matrix或旋转后的得分散点图报告里写“主成分分析”可结果怎么看都像因子分析。原因把主成分分析和因子分析当成同义词进了Extraction选项卡不分方法又去Rotation选项卡勾了Varimax。解决主成分分析的数学目标是最大化方差旋转会破坏这个性质旋转之后输出的矩阵就不再是主成分载荷。实际业务里只有做因子分析时才去Rotation选项卡里选Varimax或Promax单纯做主成分分析Rotation选项卡保持None。5.2 KMO不到0.6还硬往下做结果一团糟现象KMO值只有0.52Bartlett也不显著强行跑完发现变量共同度普遍低于0.3累计贡献率要提取六七个成分才勉强到60%压缩了个寂寞。原因变量间本身相关太弱主成分分析找不到可以合并的结构。解决回到数据层面打开相关矩阵看哪些变量和其他变量几乎没有显著相关删掉这些“孤立变量”再跑。如果删完仍然低就得考虑换方法比如用聚类分析或多维尺度。5.3 只按特征值大于1自动提取机械截断现象系统自动提取5个成分但第4、5个成分里各只有一个变量载荷高业务上完全没法解释而碎石图显示拐点其实在第3个位置。原因Kaiser特征值大于1规则只是个经验法则在变量个数较多时容易高估成分数量尤其是当几个特征值都在1附近波动时取1还是取0.9差别很大。解决把特征值大于1当成起点结合碎石图和累计贡献率综合判断。我一般的习惯是先把自动结果跑出来再看拐点最后用“Fixed number of factors”手动指定个数重跑。5.4 变量量纲差异大还选了协方差矩阵现象改用了Covariance matrix后第一个主成分几乎等于量纲最大的那个变量单独的结果其他变量载荷都很低模型看似解释率很高实际没意义。原因协方差矩阵保留原始量纲信息数值大的变量在求协方差和特征向量时天然占据主导。解决绝大多数场景用默认的Correlation matrix就够了它已经把变量标准化了不用自己再手动标准化。只有当所有变量单位相同、且你想保留原始尺度信息时才考虑协方差矩阵并且要在论文或报告里明确说明这个选择。5.5 保存的主成分得分当成原始变量直接解释现象保存FAC1_1后拿去做回归或聚类把均值当成原始变量均值去解释业务含义得到的结论完全说不通。原因SPSS保存的主成分得分是标准化后的Z得分均值接近0、标准差接近1没有原始变量的单位。它表达的是“这个样本在主成分方向上的相对位置”而不是某个指标的原值。解决在使用这些得分前先跑一次Descriptives确认均值和标准差在回归结果里系数解释为“主成分每增加一个标准差因变量平均变化多少单位”而不是“每增加1分”。6. 把主成分得分用起来回归建模与聚类的前置处理6.1 用保存下来的主成分得分做回归选好主成分个数后最佳落地方式是拿保存的主成分得分去替代原始变量。操作路径是Analyze → Regression → Linear把因变量放进Dependent框把FAC1_1、FAC2_1这些得分变量放Independent框。因为主成分彼此正交模型里没有共线性问题回归系数的稳定性比直接用原始变量好很多。系数解释记住一句话主成分得分每增加一个标准差因变量的平均变化量等于回归系数。6.2 用主成分得分做聚类聚类场景里主成分得分的优势更明显——变量个数少了聚类算法不容易被无关维度干扰。操作是Analyze → Classify → K-Means Cluster把主成分得分选入Variables框。由于得分本身就是标准化变量聚类前不需要再手动标准化直接跑就行。聚类数可以先按业务预期给定2到5个再比较不同聚类数下的组间差异。需要警惕的是离群值标准化得分并不代表没有极端值聚类前最好看一下FAC1_1等变量的箱线图。6.3 一个可以养成的好习惯先看相关矩阵再决定旋转与成分个数做完几十次主成分分析后我养成的固定流程是先跑相关矩阵看变量间的相关强度再用KMO值判断适合度然后在不做任何旋转的情况下跑一次主成分分析看特征值和碎石图最后才决定需要保存几个得分变量。有个血泪经验提一下某开发者当年做问卷数据分析压缩完直接用保存的得分变量做回归没有检查描述统计导致系数解释全反了。从那之后我每次保存得分后都先看一眼均值和标准差确认它们是0和1左右的标准化分布。主成分分析本身的菜单操作不难难的是一直保持对每一步“这到底在算什么”的清醒判断。希望帮到你。本文还有配套的精品资源点击获取