什么是主成分綜合得分？得分原理是在SPSS中，主成分分析是實(shí)際可以設(shè)置因子分析中的吸納方法實(shí)現(xiàn)程序的，如果沒有系統(tǒng)設(shè)置的注入方法是主成分，這樣的話計(jì)算出的應(yīng)該是主成分罰球得分，別外，因子分析和主成分分

什么是主成分綜合得分？

得分原理是在SPSS中，主成分分析是實(shí)際可以設(shè)置因子分析中的吸納方法實(shí)現(xiàn)程序的，如果沒有系統(tǒng)設(shè)置的注入方法是主成分，這樣的話計(jì)算出的應(yīng)該是主成分罰球得分，別外，因子分析和主成分分析但他原理完全不同，只不過兩者綜合類得分的計(jì)算方法是完全不同的。

考慮數(shù)據(jù)的權(quán)重也參與數(shù)據(jù)分析的有用前提?？梢砸揽縎PSS的因子分析方法來可以確定權(quán)重。主要步驟是：

(1)簡單的方法將數(shù)據(jù)標(biāo)準(zhǔn)化，這是判斷到不同數(shù)據(jù)間的量綱不一致，再加之必須要無量綱化。

(2)對標(biāo)準(zhǔn)化后的數(shù)據(jù)通過因子分析(主成分方法)，不使用方差最大化旋轉(zhuǎn)。

(3)寫一段主因子內(nèi)線得分和每個(gè)主因子的方程貢獻(xiàn)率。

Fjβ1j*X1β2j*X2β3j*X3……βnj*Xn;Fj為主成分(j1、2、……、m)，X1、X2、X3、……、Xn為各個(gè)指標(biāo)，β1j、β2j、β3j、……、βnj為各指標(biāo)在主成分Fj中的系數(shù)內(nèi)線得分，用ej來表示Fj的方程貢獻(xiàn)率。

(4)求出指標(biāo)權(quán)重。ωi[(m∑j)βij*ej]/[(n∑i)(m∑j)βij*ej],ωi那是指標(biāo)Xi的權(quán)重。

因子分析應(yīng)用到在評價(jià)指標(biāo)權(quán)重考慮中，主成分分析法能得到的各指標(biāo)的公因子方差，其值大小可以表示該項(xiàng)指標(biāo)對總體生化獸的貢獻(xiàn)，按照計(jì)算各個(gè)公因子方差占公因子方差總和的百分?jǐn)?shù)。

spss如何看提供的成分個(gè)數(shù)？

因子分析---選項(xiàng)中有一項(xiàng)是特征根植大于01或者說是指定你主成分個(gè)數(shù)，默認(rèn)是提取的特征植根為1。

有的時(shí)候那是有很多主成分的，你要分析的元素少嘛，主成分一定。具體看是不是多了得看你的題目了。這種問題好是把題目都拋出才好判斷。

以前不能連續(xù)發(fā)行的SPSSAnswerTree軟件整合起來進(jìn)了SPSS平臺。筆者幾年前在自己的網(wǎng)站上介紹SPSS11的新功能時(shí)，曾經(jīng)很尖利地一針見血地指出SPSS的產(chǎn)品線太集中在一起。

應(yīng)在把各種功能較單個(gè)體的小軟件，如AnswerTree、Sample Power等重新整合到SPSS等幾個(gè)平臺上去。很顯然SPSS公司也靈魂意識到了這一點(diǎn)，而AnswerTree是在此背景下那個(gè)被全部重新整合的產(chǎn)品。

ClassificationTree模塊基于條件數(shù)據(jù)挖掘中經(jīng)濟(jì)的發(fā)展站了起來的樹結(jié)構(gòu)模型對分類變量或后變量并且分析預(yù)測，可以不方便、急速的對樣本通過細(xì)分。

而不必須用戶有太多的統(tǒng)計(jì)專業(yè)知識。在市場細(xì)分和數(shù)據(jù)挖掘中有較應(yīng)用范圍的應(yīng)用。.設(shè)該模塊能提供了CHAID、ExhaustiveCHAID和CRT三種算法，在AnswerTree中提供的QUEST算法尚沒法絕對是否需要會被全部納入。