今天69小游戏网给大家讲解spss主成分分析的相关内容，想必大家对spss主成分分析综合得分也很感兴趣，那么现在就开始吧！
spss中的因子分析与主成分分析有什么区别?
因子分析在主成分基础上，多出一项旋转功能，该旋转目的即在于命名，更容易解释因子的含义。如果研究关注于指标与分析项的对应关系上，或是希望将得到的指标进行命名，SPSSAU建议使用因子分析。主成分分析目的在于信息浓缩（但不太关注主成分与分析项对应关系），权重计算，以及综合得分计算。
性质不同 主成分分析法性质：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。因子分析法性质：研究从变量群中提取共性因子的统计技术。
另外主成分分析法在SPSS中没有办法直接实现，是通过因子分析来构建模型的。它们的区别还是模型构建体系不一样，因子分析是 F=AX； 主成分分析则是用特征根向量求出的矩阵算出因子得分，与因子分析直接得出的得分是不一样的。
spss主成分分析的原理是什么?
主成分分析（PCA）的目的是对数据集进行降维，通过提取最重要的几个特征值，将原始数据的多个变量转化为几个综合指标。例如，当有20个指标时，PCA可以帮助确定是否可以将其简化为4个更具代表性的综合指标。 PCA的应用场景主要包括：信息降维、权重计算和综合竞争力评估。
主成分分析的主要原理是寻找一个适当的线性变换：将彼此相关的变量转变为彼此独立的新变量；方差较大的几个新变量就能综合反应原多个变量所包含的主要信息；新变量各自带有独特的专业含义。
spss主成分分析的两个背景是：数据相关性的背景和变量之间协方差/相关系数的背景。数据相关性的背景：主成分分析通过计算各个变量的协方差/相关系数，找到可以解释大量数据变化的几个主成分，从而减少数据的复杂性和冗余性。
主成分分析法性质：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。因子分析法性质：研究从变量群中提取共性因子的统计技术。
为什么SPSS不能求解主成分分析的结果?
在SPSS中进行主成分分析时，若出现“列表中不允许存在字符串变量”的提示，意味着在分析过程中使用的变量中包含了字符串类型的数据。为了顺利进行权重求解，必须确保所有变量均为数值类型。请按照以下步骤操作： 进入SPSS的数据编辑视图。 检查变量类型，将所有字符串变量转换为数值类型。
首先打开SPSSAU，右上角【上传数据】，点击或者拖拽原始数据文件上传。选择【进阶方法】-【主成分】，选择需要分析的题目，拖拽到右侧。点击“开始主成分分析”。可以自行设置好要输出的主成分个数，而不是让软件自动识别。
而在制服务、域名规范、隐私说明、响应速度、语言版本这5项里，得出的区分度分析都不显著，均没有鉴别度，不能鉴别出不同问卷回答者的反应程度。结论：主成分分析是设法将原来众多具有一定相关性（比如P个指标），重新组合成一组新的互相无关的综合指标来代替原来的指标。
如何用SPSS软件进行主成分分析郭显光摘要文章指出《统计分析软件SPSS／PC＋》中主成分分析举例中的一处错误，比较了主成分分析和因子分析的异同，进而指出用SPSS软件不能直接进行主成分分析。
如下图所示。然后选择变量中可以自定义选择的值，如下图所示。接着打开描述子对话框，勾选【KMO和bartlett的球形度检验】，如下图所示。然后打开抽取的子对话框，接着方法选择为【主成分】。最后点击确定即可看到主成分因子分析的结果，如下图所示就完成了。
从你得到的结果老看，数据之间的相关性较小，不适合做主成分分析，并且可能你的变量太多，数据过少导致很多数值没有。
headwall高光谱数据分析
高光谱成像（HSI）是光谱技术和成像技术的结合，通常也被成为成像光谱技术。高光谱成像是加入了彩色三维成像的技术，包括目标频谱数据的反射图像，通过数据处理得到电磁光谱图像中每个像素。高光谱成像系统一般包括高光谱成像仪，摄像机，光源，数据软件和计算机等。
