为什么主成分分析特征值要大于1 设方阵A可对角化，则存在方阵P 有A=P^(-1)diag(a，b，c…)P，diag（a，b，c…）为对角阵，a，b，c…为特征值，因为A^m=Pdiag(a^(m)，b^(m)，c^(m)，…)P^(-1)，若a小于1，则当m趋向于无穷时a^(m)趋向与0，相当于该成分消失
累计方差贡献率和方差贡献率是什么关系SPSS中~~ 各方差贡献率相加和等于累计方差贡献率。主成分分析的重点在于解释各变量的总方差，而因子分析则把重点放在解释各变量之间的协方差。主成分分析中不需要有假设，因子分析则需要一些假设。因子分析的假设包括：各个共同因子之间不相关，特殊因子之间也不相关，共同因子和特殊因子之间也不相关。主成分分析中，当给定的协方差矩阵或者相关矩阵的特征值是唯一的时候，主成分一般是独特的；而因子分析中因子不是独特的，可以旋转得到不同的因子。扩展资料：利用因子分析法分析累计方差贡献率和方差贡献率：在因子分析中，因子个数需要分析者指定，spss根据一定的条件自动设定，只要是特征值大于1的因子进入分析，而指定的因子数量不同而结果不同。在主成分分析中，成分的数量是一定的，一般有几个变量就有几个主成分。和主成分分析相比，e799bee5baa6e79fa5e98193e4b893e5b19e31333431356637由于因子分析可以使用旋转技术帮助解释因子，在解释方面更加有优势。大致说来，当需要寻找潜在的因子，并对这些因子进行解释的时候，更加倾向于使用因子分析，并且借助旋转技术帮助更好解释。而如果想把现有的变量变成少数几个新的变量新的变量，几乎带有原来所有变量的信息，来。
spss因子分析累计贡献率为什么两个主成分就达到了100%？ 这种情况不适合做因子分析，样本量小于指标变量的个数。SPSS（Statistical Product and Service Solutions），“统计产品与服务解决方案”软件。最初软件全称为“社会科学。
