『壹』 SPSS做主成分分析，提取主成分3個，累積貢獻率60.433%
特徵值超過1的只有3個，那你就只能提取3個，但是它們的累積貢獻率60%偏低了，不適合做主成分分析。
要不你就調整數據吧。
『貳』 高手幫我解答吧！拜託了！用主成分分析法怎樣將很多數據整合成一個綜合指標，軟體用的是stata.
先做pca分析，然後提取特徵值>1的項，累加其scole，最後得分就是你要的「綜合指標」，沒有單位哦。
『叄』 求主成分分析法 C++代碼 或者vb源代碼 ~~~~
給你個地址，自己下載
http://www.alglib.net/#download
『肆』 怎麼用spss主成分分析法計算權重SPSS論壇
1輸入數據。
2點Analyze 下拉菜單，選Data Rection 下的Factor 。
3打開Factor Analysis後,將數據變數逐個選中進入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項要求輸出個變數的均值與標准差，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
『伍』 主成分分析法 spss 主成分的貢獻率 怎麼看
有個因素表，從上到下的貢獻率依次遞減
『陸』 有多少個指標可以用主成分分析
這個還是要看個人習慣，多選擇幾個常用的指標配合使用就行了。我比較習慣看的就是三個，其他隨便看看參考就行。
『柒』 通過SPSS主成分分析法如何計算綜合得分排名
在線分析軟體spssau可以直接保存綜合得分，分析時直接勾選「綜合得分」保存，然後對得分排序即可。
『捌』 主成分分析中原始數據是如何量化的
具體步驟如下：1.用SPSS提取出兩個主成分，Z1,Z2；2.用Z1,Z2對Y做多元線性回歸；3.分析前將數據用SPSS標准化是為了解決不同自變數（比如人民幣匯率，國民生產總值）的單位不一樣沒有辦法綜合在一起的這個問題；4.最後模型里把數據代回來（求出原自變數的系數）的方法很簡單，只需要把主成分用原始變數的線性組合就行，這樣自然就在方程中出現的都是原始自變數了，不過，要注意這個時候帶入方程的也是原始自變數標准化之後的數值才行，而不能直接用原始數值。有不明白的地方可以在網路空間給我留言
『玖』 請問pca主成分分析中，貢獻率怎麼計算apcs計算
PCA把原先的n個特徵用數目更少的m個特徵取代，新的m個特徵一要保證最大化樣本方差，二保證相互獨立的。新特徵是舊特徵的線性組合，提供一個新的框架來解釋結果。
PCA的原理就是維數投影，通俗的說可以把3維或者更高維數投影到2維或者1維坐標上，PC1和PC2就是主元得分，三維的點投影到二維的位置就是主元得分，其次怎麼確定投影坐標的維數呢，需要一個累計貢獻率去做，比如保證百分之85的信息，再去確定其坐標維數；
計算的話，先算協方差，然後確定特徵向量和特徵值，通過累計貢獻率算維數，然後原有數據乘以特徵矩陣得到得分值，具體的你可以看看文獻內容。
(9)主成分分析股票收益率代碼擴展閱讀：
主成分分析的原理是設法將原來變數重新組合成一組新的相互無關的幾個綜合變數，同時根據實際需要從中可以取出幾個較少的總和變數盡可能多地反映原來變數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。
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。
『拾』 如何用SPSS對一組數據進行主成分分析並進行回歸
主成分
1輸入數據。
2點Analyze 下拉菜單，選Data Rection 下的Factor 。
3打開Factor Analysis後,將數據變數逐個選中進入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項要求輸出個變數的均值與標准差，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。
多元線性回歸
1.打開數據，依次點擊：analyse--regression，打開多元線性回歸對話框。
2.將因變數和自變數放入格子的列表裡，上面的是因變數，下面的是自變數。
3.設置回歸方法，這里選擇最簡單的方法：enter，它指的是將所有的變數一次納入到方程。其他方法都是逐步進入的方法。
4.等級資料，連續資料不需要設置虛擬變數。多分類變數需要設置虛擬變數。
虛擬變數ABCD四類，以a為參考，那麼解釋就是b相對於a有無影響，c相對於a有無影響，d相對於a有無影響。
5.選項裡面至少選擇95%CI。
點擊ok。
統計專業研究生工作室原創，請勿復雜粘貼