『壹』 主成分分析的指標選擇
指標太多了，也可能是存在共線性的變數導致的。我用的stata
還是先給原始數據做一下相關性分析，刪一些高度相關的變數，避免共線性。
然後給變數標准化後做主成分分析，這一步spss自動就標准化了，如果也是stata的話要記得標准化。我自己這邊試的結果是變數多於15類就算不出KMO了，控制在10個左右KMO能算出來，不過最好才0.6，最差0.4了都。。
沒辦法我的數據太少了，我做的是關於貪官的，數據少很坑……你經濟類的應該能到0.7，加油額
『貳』 主成分分析法怎麼知道哪個指標對樣本的影響比較大
matlab使用主成分分析的話，主要考慮特徵值佔比近85的幾個特徵值，它們對應的也就是前幾列得分系數
『叄』 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
『肆』 主成分分析法怎麼指標數據篩選方法
人為劃分等級，歸一化處理，檢驗合理性，確定主要因素。
『伍』 主成分分析法的高手請進。
先看看你的前三個主成分累積貢獻率有多少，只要貢獻率夠大就可以刪去。事實上選取多少個主成分都是人為定的，只要包括盡可能多的信息並且滿足題目的誤差要求的就可以了。
『陸』 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。
『柒』 計算一個時點一個地區的指標權重，那種方法好熵值法還是主成分分析法
你想要的是確定權重的方法。可以推薦你去知網上下載一些綜合評價方面的書籍。
1、郭亞軍提出的g1法可以確定指標權重，而且排除了ahp方法中還需要確定一致性的劣勢
2、群決策理論亦可以應用到確定指標權重中去。即有群的ahp分析法。
3、還有組合評價，即多種方法確定權重的集結結果。
推薦你cnki上以關鍵字搜索 綜合評價；權重確定等關鍵詞進行檢索