『壹』 SPSS做主成分分析，提取主成分3个，累积贡献率60.433%
特征值超过1的只有3个，那你就只能提取3个，但是它们的累积贡献率60%偏低了，不适合做主成分分析。
要不你就调整数据吧。
『贰』 高手帮我解答吧！拜托了！用主成分分析法怎样将很多数据整合成一个综合指标，软件用的是stata.
先做pca分析，然后提取特征值>1的项，累加其scole，最后得分就是你要的“综合指标”，没有单位哦。
『叁』 求主成分分析法 C++代码 或者vb源代码 ~~~~
给你个地址，自己下载
http://www.alglib.net/#download
『肆』 怎么用spss主成分分析法计算权重SPSS论坛
1输入数据。
2点Analyze 下拉菜单，选Data Rection 下的Factor 。
3打开Factor Analysis后,将数据变量逐个选中进入Variables 对话框中。
4单击主对话框中的Descriptive按扭，打开Factor Analysis: Descriptives子对话框，在Statistics栏中选择Univariate Descriptives项要求输出个变量的均值与标准差，在Correlation Matrix 栏内选择Coefficients项，要求计算相关系数矩阵，单击Continue按钮返回Factor Analysis主对话框。
5单击主对话框中的Extraction 按钮，打开如下图所示的Factor Analysis: Extraction 子对话框。在Method列表中选择默认因子抽取方法——Principal Components，在Analyze 栏中选择默认的Correlation Matrix 项要求从相关系数矩阵出发求解主成分，在Exact 栏中选择Number of Factors;6， 要求显示所有主成分的得分和所能解释的方差。单击Continue按钮返回Factor Analysis主对话框。
6单击主对话框中的OK 按钮，输出结果。
统计专业研究生工作室原创，请勿复杂粘贴
『伍』 主成分分析法 spss 主成分的贡献率 怎么看
有个因素表，从上到下的贡献率依次递减
『陆』 有多少个指标可以用主成分分析
这个还是要看个人习惯，多选择几个常用的指标配合使用就行了。我比较习惯看的就是三个，其他随便看看参考就行。
『柒』 通过SPSS主成分分析法如何计算综合得分排名
在线分析软件spssau可以直接保存综合得分，分析时直接勾选“综合得分”保存，然后对得分排序即可。
『捌』 主成分分析中原始数据是如何量化的
具体步骤如下：1.用SPSS提取出两个主成分，Z1,Z2；2.用Z1,Z2对Y做多元线性回归；3.分析前将数据用SPSS标准化是为了解决不同自变量（比如人民币汇率，国民生产总值）的单位不一样没有办法综合在一起的这个问题；4.最后模型里把数据代回来（求出原自变量的系数）的方法很简单，只需要把主成分用原始变量的线性组合就行，这样自然就在方程中出现的都是原始自变量了，不过，要注意这个时候带入方程的也是原始自变量标准化之后的数值才行，而不能直接用原始数值。有不明白的地方可以在网络空间给我留言
『玖』 请问pca主成分分析中，贡献率怎么计算apcs计算
PCA把原先的n个特征用数目更少的m个特征取代，新的m个特征一要保证最大化样本方差，二保证相互独立的。新特征是旧特征的线性组合，提供一个新的框架来解释结果。
PCA的原理就是维数投影，通俗的说可以把3维或者更高维数投影到2维或者1维坐标上，PC1和PC2就是主元得分，三维的点投影到二维的位置就是主元得分，其次怎么确定投影坐标的维数呢，需要一个累计贡献率去做，比如保证百分之85的信息，再去确定其坐标维数；
计算的话，先算协方差，然后确定特征向量和特征值，通过累计贡献率算维数，然后原有数据乘以特征矩阵得到得分值，具体的你可以看看文献内容。
(9)主成分分析股票收益率代码扩展阅读：
主成分分析的原理是设法将原来变量重新组合成一组新的相互无关的几个综合变量，同时根据实际需要从中可以取出几个较少的总和变量尽可能多地反映原来变量的信息的统计方法叫做主成分分析或称主分量分析，也是数学上处理降维的一种方法。
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。通常数学上的处理就是将原来P个指标作线性组合，作为新的综合指标。
『拾』 如何用SPSS对一组数据进行主成分分析并进行回归
主成分
1输入数据。
2点Analyze 下拉菜单，选Data Rection 下的Factor 。
3打开Factor Analysis后,将数据变量逐个选中进入Variables 对话框中。
4单击主对话框中的Descriptive按扭，打开Factor Analysis: Descriptives子对话框，在Statistics栏中选择Univariate Descriptives项要求输出个变量的均值与标准差，在Correlation Matrix 栏内选择Coefficients项，要求计算相关系数矩阵，单击Continue按钮返回Factor Analysis主对话框。
5单击主对话框中的Extraction 按钮，打开如下图所示的Factor Analysis: Extraction 子对话框。在Method列表中选择默认因子抽取方法——Principal Components，在Analyze 栏中选择默认的Correlation Matrix 项要求从相关系数矩阵出发求解主成分，在Exact 栏中选择Number of Factors;6， 要求显示所有主成分的得分和所能解释的方差。单击Continue按钮返回Factor Analysis主对话框。
6单击主对话框中的OK 按钮，输出结果。
多元线性回归
1.打开数据，依次点击：analyse--regression，打开多元线性回归对话框。
2.将因变量和自变量放入格子的列表里，上面的是因变量，下面的是自变量。
3.设置回归方法，这里选择最简单的方法：enter，它指的是将所有的变量一次纳入到方程。其他方法都是逐步进入的方法。
4.等级资料，连续资料不需要设置虚拟变量。多分类变量需要设置虚拟变量。
虚拟变量ABCD四类，以a为参考，那么解释就是b相对于a有无影响，c相对于a有无影响，d相对于a有无影响。
5.选项里面至少选择95%CI。
点击ok。
统计专业研究生工作室原创，请勿复杂粘贴