SPSS主成分分析时，是不是得到的方差百分比就是贡献率，累计百分比就是累计贡献率？？ 得到的方差百分比就是贡献率，累计百分比就是累计贡献率，成分矩阵用来判定主成分。贡献率指有效或有用成果数量与资源消耗及占用量之比，即产出量与投入量之比，或所得量与所费量之比。计算公式：贡献率（%）=贡献量（产出量，所得量）/投入量（消耗量，占用量）×100%贡献率也用于分析经济增长中各因素作用大小的程度。成分矩阵（component matrix）由主成分法得到的因素负荷矩阵。采用同一组被试进行比较时，必须保证两种实验处理之间没有相互影响，同时要平衡位置顺序。扩展资料主成分分析的主要作用1、主成分分析能降低所研究的数据空间的维数。即用研究m维的Y空间代替p维的X空间(m)，而低维的Y空间代替高维的x空间所损失的信息很少。即：使只有一个主成分Yl(即 m=1)时，这个Yl仍是使用全部X变量(p个)得到的。例如要计算Yl的均值也得使用全部x的均值。在所选的前m个主成分中，如果某个Xi的系数全部近似于零的话，就可以把这个Xi删除，这也是一种删除多余变量的方法。2、有时可通过因子负荷aij的结论，弄清X变量间的某些关系。e69da5e6ba90e79fa5e98193313334313663373、多维数据的一种图形表示方法。我们知道当维数大于3时便不能画出几何图形，多元统计研究的。
spss主成分分析提取了10个主成分，方差累积贡献率只有62％，一般要85％，求救该怎么办？ 变量多60%已经很不错了啊，可以删除一些变量再试试
数据统计中的方差分析 这个使用一般线性模型统计，不过你还需要有一个因变量（比如学习成绩），如果有成绩数据，那么你的就是一个两因素3×6的问题了（努力程度3水平，动机6水平），那么你研究的问题就成为了：学习动机和努力对于学生学习成绩的影响，然后你也可以重点放在努力程度和学习动机交互作用上。一般线性模型的统计在我给你的教材第八章有介绍，可以参考。如果没成绩数据，只有两个变量没有因变量是很怪异的事情，从你的设计中可以看出，你是把努力和动机作为两个因变量，如果其中一个是因变量，那就不必要划分维度（即水平了）。而且研究学习动机强度对学生努力程度的影响也不合适吧。对于努力或者动机的研究通常用学习成绩作为因变量。不过如果确实只有这两组数据，那么就只能用描述统计，两者在人数上的相关性了；另一方面可以把努力程度作为一个控制变量，用One-Way ANOVA过程（不使用T检验是因为努力程度分为三个水平）分别分析动机的6个因子的得分在不同努力的学生中是否有差异，当然这样统计只需要满足这六个因子属于独立因素。One-Way ANOVA过程在教程中也用，跟着做就行，不过统计背后的原理我就说不清了，自己看书，spss只是软件而已补充：用one way anova只能选取。
