全站文章列表 | 收藏本站 | RSS订阅 SPSS教程|答疑|案例|训练营
SPSS案例3种SPSS综合评价方法对比,帮你理解主成分分析

3种SPSS综合评价方法对比,帮你理解主成分分析
时间:2016年08月05日 | 栏目:SPSS案例 | 评论:0 | 点击: 1818


  • 评价一个主体的指标越多,我们就多一个角度去考察它,但是指标多了之后也会有另外一个麻烦,就是如何综合使用它们来评价主体呢?

    来看看这篇文章的做法,小兵精选后分享给大家:


    排名是生活中常见的事情,但一般情况下我们只知道最终的排名结果和排名参考指标,具体的排名算法我们并不清楚,今天我们将通过SPSS软件对排名问题进行研究,以探讨其潜在的逻辑!

    首先导入我们得到的源数据,数据中包含排名、高校名称以及6个供参考的指标数值。有一点我们可以确定,那就是这个最终排名一定是从6个指标中得出的,那具体的算法是什么呢,我们将慢慢探讨。


    方法一:简单加法排名


    加法排名的特点是取长补短,和我们高考一样,我们高考的最终排名,就是通过加法排名算法得出的,此算法的基本特点就是取长补短,不同指标的数值是等价的。根据加法算法的思想,我们将6个指标的数值进行相加,生成新的总值,并对总值做降序排名,得到如下结果:

    我们惊讶地发现,通过加法排名得到的最终结果和实际结果一模一样!


    方法二:个案排秩加法排名


    除了将各个指标的得分相加排名外,我们还可以对各个指标分别排名,然后将各个指标的排名相加,得到个案排秩相加排名。

    打开“转换”—“个案排秩”,将我们要进行排名的六个指标选进“变量”中,然后设置最大值为1,点击确定,就可以得到六个新生成的变量,这六个新变量就是六个指标的排名,将其排名相加得最终排名,如下:

    我们发现,个案排秩加法得到的结果和实际结果基本一致,除了18、42和119等异常值外,其余的排名符合实际排名,这说明个案排秩也非常接近实际排名。


    方法三:主成份分析排名


    但我们并不局限于这两种加法排名——简单加法排名和个案排秩加法排名。我们还想进一步探究排名背后的元素,即我们想做这样一个猜想:有不能把这六个排名指标给压缩成较少数的指标,并通过这几个指标来窥测排名的背后逻辑。

    我们通过主成份分析,来分析这六个指标由哪几个主成份构成。

    “分析”—“降维”—“因子分析”,将我们需要的六个变量拖拽到“变量”框中,然后其它保持默认【保持默认即不旋转,是主成份分析;如果进行旋转,则为因子分析】,点击确定,得到如下图:

    1、下图表示了主成份对原来六个指标的抽取情况。Initial(初始值)都是1.000,Extraction(抽取)表示着抽取的百分比,我们发现主成份对六个指标的抽取情况比较不错,基本都在0.9以上。

    2、第二步,我们看抽取出来的主成份解释(Explained)了原来六个指标的百分之多少。我们发现,两个主成份,即代表了总体的0.94,因此我们最终得到两个主成份。

    3、那么,这两个主成份是哪两个因素呢。下图为我们展示了主成份矩阵(Component Matrix)。我们发现Component1基本上包含了前五个指标;Component2包含了第六个指标。我们给这两个主成份命名为:自然科学和社会科学。

    通过之前的设置,我们能够得到两个主成份的得分,即不同学校在不同主成份(即在自然科学和社会科学)上的得分,如下:

    我们发现,排名越高的学校,其两个主成份的得分都比较靠前。但由于目测水平有限,我们实在看不出有什么更深入的东西。因为我们做一个散点图,来查看不同学校在两个维度(社会科学和自然科学)上的分布情况。

    “图形”—“图形构建程序”。在图表类型中,我们不用“简单散点图”,而是选择“分组散点图”。将左侧的可选变量中的两个主成份得分变量拖进画布中,使之充当X轴和Y轴。此外,我们还想把不同学校的名称加进去,以充当标签。

    在“组/点ID”中,将设置Id标签前的复选框勾选上,不选择分组变量。然后把“高校”这一变量拖到画面的标签中,点击确定。

    点击确定,我们得到如下的一张图。横轴代表的是“社会科学维度”,纵轴代表的是“自然科学维度”。我们发现不同的高校分布在不同的区域上,但具体的分布情况是怎样的呢,我们加入C轴垂直线和Y轴垂线。

    添加两条垂直线后,我们发现清华大学在“自然科学维度”上一骑绝尘,其次是浙江大学,北京大学和南京大学;而在“社会科学维度”上,中国人民大学排名第一。这样,我们就通过分组散点图的形式,更深入地了解了此次排名背后的逻辑!


    【文/图 数据小兵精选自 KingJames的博客】



    同类荐读:SPSS  主成分分析  综合评价 

    本文来自:数据小兵博客

    本文地址:http://datasoldier.net/post/zonghe.html

    版权说明:如非注明,本站文章均为 数据小兵博客 原创,转载请注明出处和附带本文链接。

  • 额 本文暂时没人评论 来添加一个吧

    发表评论

    必填

    选填

    选填

    必填

    ◎欢迎参与讨论,请在这里发表您的看法、交流您的观点。