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。
用SPSS分析完主因子后，怎么进行多线性回归求得贡献率？求详解。谢谢 贡献率是自动算出来的，不用事后再去求我经常做这类的数据统计分析
