急急急！SPSS主成分分析都要把旋转中方法设为最大方差法吗，公因子问题请教
SPSS主成分分析都要把旋转中方法设为最大方差法吗，我的任何数据都是提取出2个公因子，贡献率就达到100% ，有的第一个公因子就达85%以上，这个该怎么分析，说明什么问题？请高手指教
2.一般来说，主成分分析（PCA）要求数据之间自相关性不能太强，因此数据选取要考虑数据变量之间的相关性不能太强（彼此相关性太强的数据可以剔除，留下其中一组就行）。
3.每一个公因子F代表所有数据所反映的某一方面的共性，因此不同F之间是相互垂直的（所代表的信息是彼此不相关的）。如果两个公因子就达到95%以上的累积贡献率，说明两组共性就表达了绝大部分的总信息量，所选数据代表的信息量不是很大。
3.第一个公因子就达到85%以上，说明一个问题：数据组太简单（同一变量的数据个数不够），或是数据之间的相关性太强（一个数据就代表了其他数据的绝大部分信息，数据多其实也只是重复反映同一个问题，等于数据不够）。这样的数据不适合做PCA分析。追问
您好，继续麻烦问您下哈，如我上传的图片，我现在要根据相对电导率、SOD等八个指标算出A、B、C的综合评价值，最终比较三者的大小。像我的数据，进行主成分分析时，旋转方法下应该选择无还是最大方差法，什么情况下应该选择无，什么情况又选择最大方差法，还有结果A的隶属函数值U1、U2分别都为0 ，D值最终也为0，这个结果对吗，综合评价值D可能最后是0吗？
看了一下你的截图，有以下需要说明：
1.最主要的问题，如楼上的那位所说，就是数据太单薄。另外你可以做一下相关分析，可能你的指标之间相关性较高，所以前两个F就达100%的累积贡献率。
2.隶属度U的求取。求取隶属度的本质就是标准化，统一量纲，方法很多，这你可以去借书多看看。你使用的应该是（0,1）型隶属度函数，所以最小值为0，最大值为1。方法是对的，没错。个人建议：在数据少的情况下不要使用（0,1）型隶属度，使用（-1,1）型隶属度函数比较好，能避免出现0值的干扰。当然，数据多的话（0,1）型也是比较通用的。
还有，你需要求的应该是8个指标的U值，而不是主成分的U值。你所求的C1和C2是各指标的权重（Wi）。权重多少就多少，进行标准化是错的。
3.你求取D的方法有误。综合分值求法：
D=
式中：D为综合得分；Wi为各评价指标的权重；n为评价指标的个数；m为所选主成分个数；kj为第j各主成分的方差贡献率；Q(xi)即为各因子的隶属度值。
对应你的数据，你这里n=8，m=2。kj分别为0.8511和0.1459。 Q(xi)即为U。 Wi就是各指标的载荷矩阵。
4.关于旋转的问题：
如果旋转的话，最大方差法是最常用的。你可以选取数据观察一下，不旋转所得的原始矩阵，各指标之间的数值相差不是很大。旋转了之后，数值拉伸。小的更小，大的更大了。 旋转的一个作用就是在识别各主成分的代表因子时，容易识别出该主成分中权重较大的指标，作为该主成分的代表性指标。
因此，如果你不识别各主成分所代表的信息的话，旋转可以不用。
我也专门研究PCA了一段时间。总的感觉，主成分综合得分法在国内有滥用的现象。现在也不是很统一。
关于这个方法，你可以多看一些级别高一点的期刊，这样不容易被误导。另外，可以参考一下上海财经大学的王学民教授2007年在《理论新探》期刊上发表的《对主成分分析中综合得分方法的质疑》一文。
当然，本人也水平有限，难免有错漏之处，有不对的地方还望海涵，予以赐教。
至于你做主成分分析 是需要看你的原始数据情况的，如果你原始数据变量就很少，不超过三五个这样的，就没必要做主成分分析。看
看你的数据应该是做主成分分析的变量也就只有2个吧 这样根本没必要做主成分分析追问
您好，继续麻烦您问下哈，如我上传的数据，我要根据相对电导率、SOD等八个指标进行主成分分析，算出A、B、C的综合得分值，最终比较A、B、C三者的大小。像我的数据在进行主成分分析时，旋转方法下应该选择无还是最大方差法，又什么时候应该选择无，什么时候应该选择最大方差法，还有结果中A的隶属函数值U1、U2分别算出0，最终D值也为0 ，这种结果对吗，综合评价值可以为0吗？谢谢！
如果不知道选择哪种旋转方法时 就采用默认的最大方差旋转就好了，是必须要选择旋转方法的。
另外 由于你的样本数据太少了，分析的准确性大大折扣的。
一般做主成分分析要求的个案数据至少是变量数量的3-5倍左右，而你只有三个数据
还有综合评价 是先通过spss因子分析直接保存提取出的主因子得分，然后再用主因子得分乘以对应的权重占比相加之和 即为该个案的综合评价得分
我经常帮别人做类似的数据分析