❶ 主成分分析法和因子分析法哪個用起來簡單
兩個方法基本相同，只是因子分析是在主成分基礎上，多出一步旋轉步驟，為了讓提取的成分更容易命名。兩種方法都可以在網頁版spssau中使用，配合智能文字建議和幫助手冊可以能快理解。
如果說研究目的完全在於信息濃縮，並且找出因子與分析項對應關系，建議用因子分析。主成分分析更多用於權重計算，以及綜合得分計算。
因子分析-SPSSAU
主成分分析-SPSSAU
❷ 投資者情緒為什麼要用主成分分析法
『阿諾德「評定－興奮」說』 美國心理學家阿諾德提出。認為：刺激情景並不直接決定情緒的性質，從刺激出現到情緒的產生。要經過對刺激的估量和評價。情緒產生的基本過程是刺激情景－評估－情緒。
❸ 主成分分析法與因子分析法的區別
一、性質不同
1、主成分分析法性質：通過正交變換將一組可能存在相關性的變數轉換為一組線性不相關的變數，轉換後的這組變數。
2、因子分析法性質：研究從變數群中提取共性因子的統計技術。
二、應用不同
1、主成分分析法應用：比如人口統計學、數量地理學、分子動力學模擬、數學建模、數理分析等學科中均有應用，是一種常用的多變數分析方法。
2、因子分析法應用：
（1）消費者習慣和態度研究（U&A）
（2） 品牌形象和特性研究
（3）服務質量調查
（4） 個性測試
（5）形象調查
（6） 市場劃分識別
（7）顧客、產品和行為分類
(3)主成分分析法股票擴展閱讀：
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，盡量少取幾個求和變數，以反映原始變數的信息。
這種統計方法被稱為主成分分析或主成分分析，這也是一種處理降維的數學方法。主成分分析（PCA）是試圖用一組新的不相關的綜合指標來代替原來的指標。
因子分析為社會研究的一種有力工具，但不能確定一項研究中有幾個因子。當研究中選擇的變數發生變化時，因素的數量也會發生變化。此外，對每個因素的實際含義的解釋也不是絕對的。
❹ 兩年的數據每年9個指標，用主成分分析法選出重要的指標，可以一年一分析嗎，最後把兩年的重要指標綜合
恩，怎麼了，你的問題是什麼？
我經常幫別人做這類的數據分析的
❺ 主成分分析法是什麼
你有病啊，什麼的主成分啊，這個東西怎麼能隨便胡來呢、
❻ 因子分析法和主成分分析法的區別與聯系
主成分分析和因子分析都是信息濃縮的方法，即將多個分析項信息濃縮成幾個概括性指標。
因子分析在主成分基礎上，多出一項旋轉功能，該旋轉目的即在於命名，更容易解釋因子的含義。如果研究關注於指標與分析項的對應關繫上，或是希望將得到的指標進行命名，SPSSAU建議使用因子分析。
主成分分析目的在於信息濃縮（但不太關注主成分與分析項對應關系），權重計算，以及綜合得分計算。如希望進行排名比較，計算綜合競爭力，可使用主成分分析。
SPSSAU可直接保存因子得分及綜合得分，不需要手動計算。
❼ 主成分分析法（PCA）
3.2.2.1 技術原理
主成分分析方法（PCA）是常用的數據降維方法，應用於多變數大樣本的統計分析當中，大量的統計數據能夠提供豐富的信息，利於進行規律探索，但同時增加了其他非主要因素的干擾和問題分析的復雜性，增加了工作量，影響分析結果的精確程度，因此利用主成分分析的降維方法，對所收集的資料作全面的分析，減少分析指標的同時，盡量減少原指標包含信息的損失，把多個變數（指標）化為少數幾個可以反映原來多個變數的大部分信息的綜合指標。
主成分分析法的建立，假設xi1，xi2，…，xim是i個樣品的m個原有變數，是均值為零、標准差為1的標准化變數，概化為p個綜合指標F1，F2，…，Fp，則主成分可由原始變數線性表示：
地下水型飲用水水源地保護與管理：以吳忠市金積水源地為例
計算主成分模型中的各個成分載荷。通過對主成分和成分載荷的數據處理產生主成分分析結論。
3.2.2.2 方法流程
1）首先對數據進行標准化，消除不同量綱對數據的影響，標准化可採用極值法
圖3.3 方法流程圖
2）根據標准化數據求出方差矩陣；
3）求出共變數矩陣的特徵根和特徵變數，根據特徵根，確定主成分；
4）結合專業知識和各主成分所蘊藏的信息給予恰當的解釋，並充分運用其來判斷樣品的特性。
3.2.2.3 適用范圍
主成分分析不能作為一個模型來描述，它只是通常的變數變換，主成分分析中主成分的個數和變數個數p相同，是將主成分表示為原始變數的線性組合，它是將一組具有相關關系的變數變換為一組互不相關的變數。適用於對具有相關性的多指標進行降維，尋求主要影響因素的統計問題。