榮觀房產網1. 如何用spss做房價主成分分析
因子分析1輸入數據。
2點Analyze 下拉菜單，選Data Reduction 下的Factor 。3打開Factor Analysis后，將數據變量逐個選中進入Variables 對話框中。
4單擊主對話框中的Descriptive按扭，打開Factor Analysis: Descriptives子對話框，在Statistics欄中選擇Univariate Descriptives項要求輸出個變量的均值與標準差，在Correlation Matrix 欄內選擇Coefficients項，要求計算相關系數矩陣，單擊Continue按鈕返回Factor Analysis主對話框。5單擊主對話框中的Extraction 按鈕，打開如下圖所示的Factor Analysis: Extraction 子對話框。
在Method列表中選擇默認因子抽取方法——Principal Components，在Analyze 欄中選擇默認的Correlation Matrix 項要求從相關系數矩陣出發求解主成分，在Exact 欄中選擇Number of Factors;6， 要求顯示所有主成分的得分和所能解釋的方差。單擊Continue按鈕返回Factor Analysis主對話框。
6單擊主對話框中的OK 按鈕，輸出結果。統計專業研究生工作室原創，請勿復雜粘貼。
2. 如何用spss做房價主成分分析
因子分析
1輸入數據。
2點Analyze 下拉菜單，選Data Reduction 下的Factor 。
3打開Factor Analysis后，將數據變量逐個選中進入Variables 對話框中。
4單擊主對話框中的Descriptive按扭，打開Factor Analysis: Descriptives子對話框，在Statistics欄中選擇Univariate Descriptives項要求輸出個變量的均值與標準差，在Correlation Matrix 欄內選擇Coefficients項，要求計算相關系數矩陣，單擊Continue按鈕返回Factor Analysis主對話框。
5單擊主對話框中的Extraction 按鈕，打開如下圖所示的Factor Analysis: Extraction 子對話框。在Method列表中選擇默認因子抽取方法——Principal Components，在Analyze 欄中選擇默認的Correlation Matrix 項要求從相關系數矩陣出發求解主成分，在Exact 欄中選擇Number of Factors;6， 要求顯示所有主成分的得分和所能解釋的方差。單擊Continue按鈕返回Factor Analysis主對話框。
6單擊主對話框中的OK 按鈕，輸出結果。
統計專業研究生工作室原創，請勿復雜粘貼
3. 主成分分析詳解
一、主成分分析
1、簡介
在用統計分析方法研究這個多變量的課題時，變量個數太多就會增加課題的復雜性。人們自然希望變量個數較少而得到的信息較多。在很多情形，變量之間是有一定的相關關系的，當兩個變量之間有一定相關關系時，可以解釋為這兩個變量反映此課題的信息有一定的重疊。主成分分析是對于原先提出的所有變量，建立盡可能少的新變量，使得這些新變量是兩兩不相關的，而且這些新變量在反映課題的信息方面盡可能保持原有的信息。
2、原理
設法將原來變量重新組合成一組新的互相無關的幾個綜合變量，同時根據實際需要從中可以取出幾個較少的綜合變量盡可能多地反映原來變量的信息的統計方法叫做主成分分析或稱主分量分析，也是數學上處理降維的一種方法。
二、主成分分析的基本思想及步驟
1、基本思想
主成分分析是設法將原來眾多具有一定相關性（比如P個指標），重新組合成一組新的互相無關的綜合指標來代替原來的指標。通常數學上的處理就是將原來P個指標作線性組合，作為新的綜合指標。最經典的做法就是用F1（選取的第一個線性組合，即第一個綜合指標）的方差來表達，即Var(F1)越大，表示F1包含的信息越多。因此在所有的線性組合中選取的F1應該是方差最大的，故稱F1為第一主成分。如果第一主成分不足以代表原來P個指標的信息，再考慮選取F2即選第二個線性組合，為了有效地反映原來信息，F1已有的信息就不需要再出現在F2中，用數學語言表達就是要求Cov(F1, F2)=0，則稱F2為第二主成分，依此類推可以構造出第三、第四，……，第P個主成分。
2、步驟
Fp=a1iZX1+a2iZX2+……+apiZXp 其中a1i, a2i， ……，api(i=1，……，m)為X的協方差陣Σ的特征值所對應的特征向量，ZX1, ZX2， ……， ZXp是原始變量經過標準化處理的值，因為在實際應用中，往往存在指標的量綱不同，所以在計算之前須先消除量綱的影響，而將原始數據標準化，本文所采用的數據就存在量綱影響[注：本文指的數據標準化是指Z標準化]。 A=(aij)p*m=(a1,a2，…am,),Rai=λiai,R為相關系數矩陣，λi、ai是相應的特征值和單位特征向量，λ1≥λ2≥…≥λp≥0 。 進行主成分分析主要步驟如下： 1. 指標數據標準化（SPSS軟件自動執行）； 2. 指標之間的相關性判定； 3. 確定主成分個數m; 4. 主成分Fi表達式； 5. 主成分Fi命名；
4. 主成分分析的內容
主成分分析是設法將原來眾多具有一定相關性（比如P個指標），重新組合成一組新的互相無關的綜合指標來代替原來的指標。
主成分分析，是考察多個變量間相關性一種多元統計方法，研究如何通過少數幾個主成分來揭示多個變量間的內部結構，即從原始變量中導出少數幾個主成分，使它們盡可能多地保留原始變量的信息，且彼此間互不相關.通常數學上的處理就是將原來P個指標作線性組合，作為新的綜合指標。
最經典的做法就是用F1（選取的第一個線性組合，即第一個綜合指標）的方差來表達，即Var(F1)越大，表示F1包含的信息越多。因此在所有的線性組合中選取的F1應該是方差最大的，故稱F1為第一主成分。如果第一主成分不足以代表原來P個指標的信息，再考慮選取F2即選第二個線性組合，為了有效地反映原來信息，F1已有的信息就不需要再出現在F2中，用數學語言表達就是要求Cov(F1, F2)=0，則稱F2為第二主成分，依此類推可以構造出第三、第四，……，第P個主成分。 Fp = a1i*ZX1 + a2i*ZX2 + …… + api*ZXp
其中a1i, a2i， ……，api(i=1，……，m)為X的協方差陣Σ的特征值所對應的特征向量，ZX1, ZX2， ……， ZXp是原始變量經過標準化處理的值，因為在實際應用中，往往存在指標的量綱不同，所以在計算之前須先消除量綱的影響，而將原始數據標準化，本文所采用的數據就存在量綱影響[注：本文指的數據標準化是指Z標準化。
A = (aij)p*m = (a1,a2，…am,), Rai = λiai,
R為相關系數矩陣，λi、ai是相應的特征值和單位特征向量， λ1 ≥ λ2 ≥ …≥ λp ≥ 0 。
進行主成分分析主要步驟如下：
1. 指標數據標準化（SPSS軟件自動執行）；
2. 指標之間的相關性判定；
3. 確定主成分個數m;
4. 主成分Fi表達式；
5. 主成分Fi命名；
5. 什么是主成分分析
主成分分析是指通過將一組可能存在相關性的變量轉換城一組線性不相關的變量，轉換后的這組變量叫主成分。
主成分分析步驟：1、對原始數據標準化，2、計算相關系數，3、計算特征，4、確定主成分，5、合成主成分。
主成分分析的原理是設法將原來變量重新組合成一組新的相互無關的幾個綜合變量，同時根據實際需要從中可以取出幾個較少的總和變量盡可能多地反映原來變量的信息的統計方法叫做主成分分析或稱主分量分析，也是數學上處理降維的一種方法。
擴展資料
主成分分析的主要作用
1.主成分分析能降低所研究的數據空間的維數。
2.有時可通過因子負荷aij的結論，弄清X變量間的某些關系。
3.多維數據的一種圖形表示方法。
4.由主成分分析法構造回歸模型。即把各主成分作為新自變量代替原來自變量x做回歸分析。
5.用主成分分析篩選回歸變量。
最經典的做法就是用F1（選取的第一個線性組合，即第一個綜合指標）的方差來表達，即Va(rF1)越大，表示F1包含的信息越多。因此在所有的線性組合中選取的F1應該是方差最大的，故稱F1為第一主成分。
參考資料來源：百度百科-主成分分析
6. 主成分分析法具體步驟
最低0.27元開通文庫會員，查看完整內容> 原發布者：zhxud803 主成分分析步驟（一）抄計算相關系數矩陣r11r21Rrp1r12r22rp2r1pr2prpprij(i,j=1,2，…，p)為原變量xi與xj的相關系數，rij=rji，其計算公式為：rij(xk1nk1nkixi)(xkjxj)22(xx)kjjk1n(xkixi)（二）計算特征值與特征向量百：①解特征方程IR0，常用雅可比法（Jacobi）求出特征值，并使其按大小順度序排列12,p0；②分別求出對應于特征值i的特征向量pei(i1,2,,p)，要求ei=1，即2eij1,j1其中eij表示向量ei的第j個分量。
③計算主成分貢獻率及累計貢獻率▲貢獻率：ikk1p(i1,2,,p)▲累計貢獻率：k1k1pik(i1,2,,p)k一般取累計貢獻率達85—95%的特征值1,2,,m所對應的第一、第二、…、第m(m≤p)個問主成分。④計算主成分載荷lij(zi,xj)ieij(i,j1,2,,p)⑤各主成分的得分（主成分）：z11z21Zzn1z12z22zn2z1mz2mznm主成分分析方法應用實例對答某農業生態經濟系統做主成分分析表1某農業生態經濟系統各區域單元的有關數據x6：經。
7. ）定量
簡單的說就是 定性-- 是什么物質 用文字語言進行相關描述 定量-- 每種物質的含量 用數學語言進行描述 具體說 定性分析與定量分析應該是統一的，相互補充的；； 定性分析是定量分析的基本前提，沒有定性的定量是一種盲目的、毫無價值的定量；； 定量分析使之定性更加科學、準確，它可以促使定性分析得出廣泛而深入的結論 定量分析是依據統計數據，建立數學模型，并用數學模型計算出分析對象的各項指標及其數值的一種方法。
定性分析則是主要憑分析者的直覺、經驗，憑分析對象過去和現在的延續狀況及最新的信息資料，對分析對象的性質、特點、發展變化規律作出判斷的一種方法。相比而言，前一種方法更加科學，但需要較高深的數學知識，而后一種方法雖然較為粗糙，但在數據資料不夠充分或分析者數學基礎較為薄弱時比較適用，更適合于一般的投資者與經濟工作者。
因此，本章以后幾節所做的分析基本上以定性分析為主。但是必須指出，兩種分析方法對數學知識的要求雖然有高有低，但并不能就此把定性分析與定量分析截然劃分開來。
事實上，現代定性分析方法同樣要采用數學工具進行計算，而定量分析則必須建立在定性預測基礎上，二者相輔相成，定性是定量的依據，定量是定性的具體化，二者結合起來靈活運用才能取得最佳效果。 不同的分析方法各有其不同的特點與性能，但是都具有一個共同之處，即它們一般都是通過比較對照來分析問題和說明問題的。
正是通過對各種指標的比較或不同時期同一指標的對照才反映出數量的多少、質量的優劣、效率的高低、消耗的大小、發展速度的快慢等等，才能為作鑒別、下判斷提供確鑿有據的信息。 應用： 在證據法學研究中，定性分析方法和定量分析方法各有長處，可以相輔相成。
但是由于我國證據法學的研究人員比較熟悉定性分析方法，所以有必要特別強調定量分析方法的功能和重要性。例如，我們不僅要分析某個證據規則是好還是不好，而且要分析其利弊比例……等等 專利分析法分為定量分析和定性分析兩種。
定量分析即對專利文獻的外部特征（專利文獻的各種著錄項目）按照一定的指標（如專利數量）進行統計，并對有關的數據進行解釋和分析。定性分析是以專利的內容為對象，按技術特征歸并專利文獻，使之有序化的分析過程。
通常情況下需要將二者結合才能達到較好的效果。
8. 主成分分析法具體步驟
原發布者：zhxud803
主成分分析步驟（一）計算相關系數矩陣r11r21Rrp1r12r22rp2r1pr2prpprij(i,j=1,2，…，p)為原變量xi與xj的相關系數，rij=rji，其計算公式為：rij(xk1nk1nkixi)(xkjxj)22(xx)kjjk1n(xkixi)（二）計算特征值與特征向量：①解特征方程IR0，常用雅可比法（Jacobi）求出特征值，并使其按大小順序排列12,p0；②分別求出對應于特征值i的特征向量pei(i1,2,,p)，要求ei=1，即2eij1,j1其中eij表示向量ei的第j個分量。③計算主成分貢獻率及累計貢獻率▲貢獻率：ikk1p(i1,2,,p)▲累計貢獻率：k1k1pik(i1,2,,p)k一般取累計貢獻率達85—95%的特征值1,2,,m所對應的第一、第二、…、第m(m≤p)個主成分。④計算主成分載荷lij(zi,xj)ieij(i,j1,2,,p)⑤各主成分的得分（主成分）：z11z21Zzn1z12z22zn2z1mz2mznm主成分分析方法應用實例對某農業生態經濟系統做主成分分析表1某農業生態經濟系統各區域單元的有關數據x6：經