超详细SPSS主成分分析计算指标权重（一）

最新推荐文章于 2025-03-12 01:28:35 发布
最新推荐文章于 2025-03-12 01:28:35 发布
阅读量10w+ 收藏 1.8k
点赞数 251
分类专栏： 主成分分析 文章标签： 主成分分析 指标权重 SPSS 数据标准化
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_32925031/article/details/88540234
版权

一、指标权重计算确定的困惑

相信很多写过或者正在写指标处理类论文的朋友都曾对如何计算指标权重充满困惑，到底是用熵值法，还是主成分分析法？或者其他各种看起来奥妙无穷却难以上手操作的神奇方法？好不容易确定要选用主成分分析法时又开始发愁要如何实现呢？听说过要可以用SPPS，可是又如何使用SPSS操作呢？用SPSS进行主成分分析之后又要如何得到最终的权重呢？接下来笔者将以一个实际的案例，带领大家一步步从SPSS入手，进行主成分分析，并利用主成分分析的结果最终得到各指标的权重值。

二、利用SPSS实现主成分分析

1、数据标准化
（1）为什么要对数据进行标准化处理

在对数据进行主成分分析前，首先要对数据进行标准化，之所以要对数据进行标准化，是因为各种类别的数据间的度量不同，比如计算经济的指标，我们通常会选取地区GDP生产总值和第三产业产值在GDP中的比重，GDP产值以亿为单位，通常以千计或万计，而第三产业产值在GDP中的比重的取值范围在0~1之间，如何能够相提并论呢？能够因为前者的数据远远大于后者，而得出前者的指标更为重要的结论吗？显然是不行的，所以要进行主成分分析，首先要对数据进行标准化。

（2）数据标准化的方法

为什么要关心数据处理的方法呢？在实际操作中，笔者曾经遇到一个问题。笔者利用SPSS自带的数据标准化方法对数据进行了标准化处理，但在权重的计算过程中不断出现负值，后来笔者几次重新调整指标类别，终于得出了均为正值的权重。但笔者最终的目的是要进行耦合协调度，这时候出现了大

最低0.47元/天 解锁文章
主成分分析法确定权重
Zsusan7的博客
08-13 9711
在数模中，确定权重方法有很多种，比如主成分分析法、层次分析法、熵权法、相关系数作为权重等。 网上很多教程都是用spss计算权重，这里主要讲利用python通过主成分分析法确定权重。 主成分分析法概述 主成分分析法是一种线性的降维算法，通过将N维特征进行正交变换，得到相互独立的k维(k<N)数据，通过分析得出“主成分”，利用“主成分”确定影响权重。 数据归一化 为了消除不同变量的量纲的影响，在对数据进行主成分分析前，首先要对数据进行标准化，之所以要对数据进行标准化。 涉及m个样本，n个指标，第j个样本的
主成分分析二级指标权重_如何利用主成分法计算权重？
weixin_39782545的博客
01-01 4010
主成分计算权重是一种常见方法，之前的文章中和大家介绍过，如何利用熵值法计算权重。今天的文章，一起来看看如何通过主成分法计算各指标权重并应用到综合评价研究中。一、案例数据某研究想要了解各地区高等教育发展水平，选取了10个指标作为分析30个地区教育发展水平的因素。二、操作步骤SPSSAU操作：选择【进阶方法】→【主成分】。 三、权重计算(1)方差解释率表格 使用主成分分析得到方差解释率表格，主成分分析...
超详细SPSS主成分分析计算指标权重（二：权重计算及极差法标准化）
热门推荐
技术无止境，人生仍探索。
03-14 18万+
三、权重计算 1、上节回顾 上一节我们利用SPSS中的数据标准化方法及主成分分析法，得出了“解释的总方差”和“成分矩阵”（如下图） 接下来我们将利用主成分分析得出的数据计算指标权重 2、权重计算 （1）输入数据 将主成分分析中得出的“成分矩阵”及特征根复制的Excel中： 对应主成分分析的数据为： （2）计算线性组合中的系数 公式为：标准化数/对应主成分特征根的平方根.。直接上图。 为方便...
【机器学习】主成分分析法（PCA）
最新发布
若兰幽竹
03-12 1838
本文主要讲述了主成分分析法（PCA）的原理和应用。PCA通过选择最重要的特征，将高维数据映射到低维空间，同时保持数据间的关系，实现降维和去噪。通过具体的例子和图示解释了PCA的原理，并比较了两种降维方案，解释了为什么选择将数据映射到x轴上可以得到更好的分类效果。最后强调了在PCA之前需要对所有样本的均值进行归零处理。通过这篇文章，读者可以深入了解PCA的原理和应用，并掌握如何使用PCA进行数据降维和去噪，提高分类效果。
SPSS：主成分分析确定不同指标权重
qq_41897073的博客
05-09 2万+
SPSS实现主成分分析确定指标权重
权重确定方法四：主成分分析法确定权重（PCA）
weixin_53972936的博客
03-06 2万+
我想在列车里和你相爱 阳光流淌 都漫过我们的灵魂尽头 然后看着人间 安静的盛开在一扇窗里 目录 1.原理介绍 2.步骤详解 2.1 确定指标在各主成分线性组合中的系数 2.2 利用主成分的方差贡献率确定综合得分模型系数 2.3 指标权重归一化 3. 案例分析 3.1 数据获取 3.2 确定指标在各主成分线性组合中的系数 3.3 利用主成分的方差贡献率确定综合得分模型系数 3.4 指标权重归一化 4. 完整代码（Java） 1.原理介绍 在阅读本...
canoco5主成分分析步骤_权重赋值之“主成分分析法”
weixin_39979159的博客
11-10 1687
主成分分析（Principal Component Analysis，PCA），最早是由K·皮尔森（Karl Pearson）对非随机变量引入的一种统计方法，尔后H.霍特林将此方法推广到随机向量的情形。主成分是指通过正交变换将一组可能存在相关性的变量转换为一组线性不相关的变量，转换后的这组变量就叫主成分[百度百科]。主成分分析方法的使用是相当普遍的，如问卷的效度分析，因子分析的降维处理等等。那么，...
主成分分析确定权重
wojiaodabai的博客
05-09 1万+
参考： https://www.cnblogs.com/zhhda/p/4535476.html https://blog.csdn.net/qq_32925031/article/details/88540234
主成分分析法_权重赋值之“主成分分析法”
weixin_39683978的博客
12-19 3264
作者：王娟 封面：吉江主成分分析(Principal Component Analysis，PCA)，最早是由K·皮尔森(Karl Pearson)对非随机变量引入的一种统计方法，尔后H.霍特林将此方法推广到随机向量的情形。主成分是指通过正交变换将一组可能存在相关性的变量转换为一组线性不相关的变量，转换后的这组变量就叫主成分[百度百科]。主成分分析方法的使用是相当普遍的，如问卷的效度...
权重确定方法之主成分分析法
zyy160alex5的专栏
07-17 1万+
什么是权重呢？所谓权重，是指某指标在整体评价中的相对重要程度。权重越大则该指标的重要性越高，对整体的影响就越高。       权重要满足两个条件：每个指标的权重在0、1之间。所有指标的权重和为1。     权重的确定方法有很多，这里我们学习用主成分分析确定权重。  一、主成分基本思想：  图1 主成分基本思想的问与答  二、利用主成分确定权重   如何利用主成分分析法确定指标权重
SPSS做主成分分析及得分分析的结果解释及与DPS的结果比较
01-28
SPSS做主成分分析及得分分析的结果解释及与DPS的结果比较
主成分分析法的计算步骤
08-01
本文档详细介绍了有关主成分分析法的计算步骤，按照该步骤能够快速进行程序编写
熵值TOPSIS（一次性）.ipynb
08-28
结合了熵值法和TOPSIS法的熵值TOPSIS综合评价，用熵值法确定权重，运用权重计算综合得分。
主成分分析（PCA）原理详解
大数据训练营
07-04 7051
一、PCA简介 1. 相关背景 主成分分析（Principal Component Analysis，PCA）， 是一种统计方法。通过正交变换将一组可能存在相关性的变量转换为一组线性不相关的变量，转换后的这组变量叫主成分。 上完陈恩红老师的《机器学习与知识发现》和季海波老师的《矩阵代数》两门课之后，颇有体会。最近在做主成分分析和奇异值分解方面的项目，所以记录一下心得体会。
熵权法确定权重
夏夜蒲扇的博客
02-07 1万+
function [s,w]=shang(x,ind) %实现用熵值法求各指标(列）的权重及各数据行的得分 %x为原始数据矩阵, 一行代表一个样本, 每列对应一个指标 %ind指示向量，指示各列正向指标还是负向指标，1表示正向指标，2表示负向指标 %s返回各行（样本）得分，w返回各列权重 [n,m]=size(x); % n个样本, m个指标 %%数据的归一化处理 for i=1:m i...
excel熵值法计算权重_SPSS主成分分析 | 权重计算&极差法标准化超详细教程！（下）...
weixin_39987211的博客
11-10 1万+
-点击上方“中国统计网”订阅我吧！-文末领取【Excel完整示例表】今晚19:00准时开播！3权重计算1. 上节回顾在昨日SPSS主成分分析 | 指标权重值计算真的不难！(上)中(点击复习)，我们利用SPSS中的数据标准化方法及主成分分析法，得出了“解释的总方差”和“成分矩阵”(如下图)接下来我们将利用主成分分析得出的数据计算指标权重2. 权重计算(1)输入数据将主成分分析中得出的...
因子分析（SPSS和Python）
m0_67790374的博客
10-12 1万+
分别通过SPSS和Python进行因子分析
主成分分析——SPSS实操
weixin_62490408的博客
07-15 1万+
主成分分析也称主分量分析，旨在利用降维的思想，把多指标转化为少数几个综合指标。注意：只有在指标个数特别多，且指标之间存在很强的相关性时，才能用主成分分析。（否则做出来效果不好） 主成分的特点： ● 主成分个数远远少于原有变量的个数 ● 主成分能够反映原有变量的绝大部分信息：因子并不是原有变量的简单取舍，而是原有变量重组后的结果。 ● 主成分之间应该互不相关：通过主成分分析得出的新综合指标（主成分）之间互不相关。 ● 主成分具有命名解释性 主成分分析法的主要任务有两点： （1）确定各主成分Fi关于
excel熵值法计算权重_SPSS主成分分析 | 指标权重值计算真的不难！（上）
weixin_39534208的博客
11-10 9254
一 指标权重计算确定的困惑相信很多写过或者正在写指标处理类论文的朋友都曾对如何计算指标权重充满困惑，到底是用熵值法，还是主成分分析法？或者其他各种看起来奥妙无穷却难以上手操作的神奇方法？好不容易确定要选用主成分分析法时又开始发愁要如何实现呢？听说过要可以用SPPS，可是又如何使用SPSS操作呢？用SPSS进行主成分分析之后又要如何得到最终的权重呢？接下来笔者将以一个实际的案例，带领大家一步步从SP...
spss主成分分析法
08-12
SPSS主成分分析法是一种常用的数据降维方法，它基于原始变量的线性组合构建主成分，并通过计算特征值和特征向量来确定主成分的数量。主成分分析的目的是在保持数据信息损失较小的前提下，将多个相关指标转化为几个互补相关的综合指标。在SPSS中，主成分分析通过计算协方差矩阵和特征值分解来实现。 具体步骤如下： 1. 计算协方差矩阵：根据原始数据计算出变量之间的协方差矩阵。 2. 求特征值和特征向量：对协方差矩阵进行特征值分解，得到特征值和对应的特征向量。 3. 选择主成分：根据特征值的大小选择主成分的数量。通常选择特征值大于1的主成分，因为这些主成分能够解释原始变量的方差的比例较高。 4. 计算主成分载荷：计算原始变量在每个主成分上的权重，也称为主成分载荷。 5. 解释主成分：根据主成分的载荷和特征值，解释每个主成分所代表的含义和贡献。 6. 解释累计贡献率：计算每个主成分的方差贡献率和累计贡献率，以确定选择的主成分数量是否足够反映原始变量的信息。 总之，SPSS主成分分析法通过将多个相关指标转化为少数几个主成分来简化数据分析，提供更方便的数据解释和可视化。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* [spss分析方法-主成分分析](https://blog.csdn.net/Laoacai/article/details/125338365)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"] - *3* [主成分分析——SPSS实操](https://blog.csdn.net/weixin_62490408/article/details/125805919)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]
评论 53
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值