IBM Business Partner

IBM SPSS Statistics 中文网站 > 使用技巧 > 如何使用SPSS进行土壤主成分优劣分析

如何使用SPSS进行土壤主成分优劣分析

发布时间:2021/08/13

在许多数据分析案例中,往往有许多种不同变量或因素共同影响最终结果,为了探究多变量或因素对实验结果的影响,我们常常会对数据进行主成分分析,将具有一定相关关系的变量重新组合划分为几组互不相关的新变量,作为影响结果的几种主成分,即新的综合指标来分析结果。本节将会带大家学习如何使用SPSS进行主成分分析。需要注意的是,进行主成分分析要满足两个条件:变量是连续变量或有序分类变量,且变量之间存在线性相关关系。

一、打开数据文件

本例中我们使用的是IBM SPSS Statistics 28.0.0.0 Windows版本。本例子以种植了玉米、花生、甘蔗三种不同作物的土壤成分为例,探究种植有不同作物的土壤成分综合评价。

如图1所示,展示的是三种不同的土壤中各主要成分的具体含量。需要注意,示例数据中的土壤成分变量使用的是字符串值,我们需要先将字符串转换为数值,才能进行下一步操作。

图1 示例数据
图1 示例数据

二、进行主成分分析

点击菜单栏中的“分析”,选择“降维”中的“因子”分析。

图2 选择因子分析
图2 选择因子分析

在弹出的选项框中,将变量数据栏全部加入到右侧变量的方框。

图3 添加变量
图3 添加变量

然后设置右侧栏中的选项,需要更改的各项设置如下:

图4 更改“描述”
图4 更改“描述”

图5 更改“得分”
图5 更改“得分”

更改完设置后点击确定,进行数据分析。

三、结果分析

(1)相关矩阵表明,各项指标之间具有强相关性。一般来说,如果相关型矩阵中显示的相关系数的数值大于等于0.3,我们就可以认为变量之间存在较好的线性相关性。通过线性相关性的验证,表明这几种变量的指标信息之间存在重叠,因此适合采用主成分分析法。

图6 相关性矩阵
图6 相关性矩阵

(2)总方差解释表格

图7 总方差解释
图7 总方差解释

由表格可以看出,初始特征值>1的成分有2个,因此可以提取出2个主成分,来作为新的综合指标来分析土壤肥力状况。这两个成分记为主成分1、主成分2,从表格数据得到他们的初始特征值依次为4.992、3.008;方差贡献率依次为62.399%、37.601%,总和为100%。

表中可知主成分提取载荷平方和分别为4.992,3.008,因此求算术平方根,算出主成分1、2的提取载荷为(仅举例列出三位小数,计算时应更加精确)2.234、1.734。

这两项数据在后续分析中要用到,在此需要记录。

(3)点开之前录有数据的SPSS界面,在最右边可以看见新生成有两列数据,即主成分因子得分(FAC),分别为因子得分1、因子得分2。

图8 主成分因子得分
图8 主成分因子得分

(4)计算各主成分得分。

主成分1得分F1=因子得分1*主成分1提取载荷,以此类推F2。计算得出主成分得分F1与F2。

最后计算综合评价得分Y,即按照各主成分的方差贡献率对各主成分得分进行加权平均:综合评价得分Y=(F1*主成分1方差贡献率+F2*主成分2方差贡献率+F3*主成分3方差贡献率)/(主成分1、2、3的方差贡献率总和)(由方差解释表中可以得到主成分的方差贡献率),得到:

图9 主成分得分F与综合评价得分Y
图9 主成分得分F与综合评价得分Y

可以看出,在三种土壤中,种植甘蔗的土壤综合评价得分最高,其次是花生,最后是玉米。以上就是本期的相关SPSS教程了,欢迎访问IBM SPSS Statistics中文网站,掌握更多软件技巧。

作者:墨厝

标签:SPSS主成分分析

读者也访问过这里:
SPSS Statistics
一款功能强大的数据统计分析工具
立即购买
QQ 群
官方交流群:815794396 立即加群
400-8765-888 kefu@makeding.com
热门文章
如何用SPSS计算个人BMI值?
BMI即体重指数,是衡量个人身体质量的一个重要参数,通过判断BMI的数值大小,我们可以判断个人身高与体重是否协调。下面我将用IBM SPSS Statistics来为大家介绍BMI的计算方法。
2021-03-19
SPSS相关性分析结果怎么看
相关性分析是对变量或个案之间相关度的测量,在SPSS中可以选择三种方法来进行相关性分析:双变量、偏相关和距离。
2021-04-23
实践SPSS单因素方差分析之检验结果解读
在《实践SPSS单因素方差分析之变量与检验方法设置》一文中,我们已经详细地演示了IBM SPSS Statistics单因素方差分析方法的变量选择以及相关的选项、对比设置。
2021-01-11
SPSS进行变量赋值的相关操作
变量和个案是IBM SPSS数据界面很重要的两个部分,可以形象理解为地球仪上的经线和纬线。通俗一点讲数据界面的每一列是一种变量,如年龄性别等。一行中的所有变量又构成了一个个案,本篇文章着重讲解变量,个案就不做过多展开。在图1中有具体的标注,可以看一下变量和个案到底是什么样。
2021-02-23
使用SPSS进行回归分析的方法总结
IBM SPSS Statistics 是强大的统计软件平台,SPSS全称Statistical Product and Service Solutions(统计产品与服务解决方案), SPSS可以帮助我们分析并更好地了解数据,以解决复杂的业务和研究问题。如今,SPSS已经被广泛运用于数据分析等各个领域。
2021-03-09
如何使用SPSS检验数据是否服从正态分布—偏度峰度系数
在《如何使用SPSS检验数据是否服从正态分布—KS检验与Q-Q图》一文中,我们了解了如何使用KS检验、Q-Q图来验证数据的正态性。接下来,本文将会继续讲解如何使用IBM SPSS Statistics的描述统计(偏度峰度系数)、探索统计检验(正态检验)数据的正态性。
2021-01-07