SPSS只能完成主成分分析的一部分环节，主成分得分等计算尚需结合其他工具(如Excel)来完成，这对SPSS用户来说，是极不方便的。我们一定要很清楚的知道，SPSS可以一条龙做因子分析，但不能通过菜单对话框完整实现主成分分析！小兵建议大家直接采用R语言实现主成分分析，今天先送上一枚案例。使用R语言自带USJudgeRatings法官综合素质评分数据，每位法官均有12项维度打分，我们觉得用12个指标评价一位法官过于复杂了，现在请对12个维度打分变量进行降维处理，造几个主成分来用于综合评价。数据如下：加载包：library(psych)画出含平行分析的碎石图：fa.parallel(USJudgeRatings, fa = "pc", n.iter = 100, show.legend = TRUE, main = 'Scree plot with parallel analysis')此图告诉我们似乎是提取1个主成分。判断主成分个数的经验和方法不只是这一个，我觉得只提取1个主成分的话有些偏执，可以考虑多提1个，共提取2个主成分进行考察。接下来开始主成分分析，暂不旋转：USJ.pc提取到两个主成分PC1、PC2，特征值分别为10.13、1.10，均大于1，以特征值为参考的话，提取前2个主成分尚可。方差贡献比例分别为84%、9%，累积方差贡献比例94%，一般认为大于80%，即可认为主成分有较大代表性。从累积方差贡献，特征值的表现来看，提取2个主成分没问题。12个指标和PC1、PC2交叉的数字即为载荷，从载荷的分布来看，可以比较轻松的划分各指标与主成分的归属。比如PC2在指标“CONT”上的载荷明显大于其他，所以"CONT"是PC2的主要代表变量，而其他变量在PC1的载荷均较大，所以PC1是一个一般性的综合成分。鉴于此，不做旋转处理是可以的，不影响对主成分核心含义的提炼。和SPSS主成分的结果对比一下，主成分特征值、方差贡献比例完全一致。再对比一下SPSS输出的载荷矩阵，也是一致。如果觉得我表述不清的话，那我们绘制指标变量与主成分载荷图，直观看一下效果。fa.diagram(USJ.pc,simple=TRUE)R语言给的效果很直观，就不用文字多说了。执行到此处，我们已经确认12个维度指标变量，提取前2个成分作为主成分是可以的。接下来，我们需要计算每个主成分的得分了。USJ.spchead(USJ.spc$scores)对主成分得分变量的使用，通常是直接用于从高到底排序，排名靠前的法官则在该主成分维度上表现突出。或者综合2个主成分得分变量，构造一个综合得分进行评价。本文完文/图=数据小兵更多R统计文章R语言单一样本t检验案例实现20个R语言小课堂视频教程送给你R语言的正态密度曲线很美R自带pairs函数矩阵散点图car包spm函数矩阵散点图用R语言pie函数做饼图ggplot2统计图形：常见的4种箱线图ggplot2统计图形：常见的4种直方图按列索引按列名称删除指定的列数据R语言Levene方差齐次检验谁说菜鸟不会数据分析(R语言篇)table函数：分类数据的频数与频率统计jiebaR包中文分词及词云制作R语言带文字标签的散点图如何获取R自带数据集与R包数据集说明文档？如何修改R数据框的列名称？二元正态分布及双变量相关分析简单案例演示R语言相关系数、显著性检验及可视化的尝试用散点图法判断变量之间是否存在线性关系ggplot2统计图形：常见的4种散点图R语言scale()函数实现数据标准化用R语言做单因素方差分析及多重比较用R语言自动智能化创建时间序列ARIMA模型

---

数据小兵坚持写博客已经13年坚持写微信公号文章7年坚持更新SPSS视频课程3年坚持一对一答疑讨论3年绝对超值：一对一答疑欢迎加入SPSS视频课程竭诚服务◢点【