用spss进行主成分分析的结果怎么看，说明什么

Question

如题所述

Answer 1

KMO (Kaiser-Meyer-Olkin) 检验用于评估变量间的样本充分性，其值大于0.9时表明样本充分性非常好，0.7以上则足够，而0.6则意味着样本充分性较差。Bartlett's 球形检验则用于检验变量间的相关性是否为零，P值小于0.01表明变量间存在显著的相关性。
通过SPSS软件进行的因子分析，我们可以观察到共提取了三个主成分，这三个主成分能够解释的方差为69.958%。SPSS软件默认提取特征根大于1的主成分，如果加入第四个主成分，可解释的方差将提升至86.26%。根据专业知识的判断，我们可能需要考虑增加一个主成分以更准确地解释数据。
在SPSS的更新中，原有的独立软件模块如AnswerTree已被整合入SPSS平台。几年前，笔者曾提出SPSS的产品线过于分散，建议将诸如AnswerTree、Sample Power等单一功能的小软件整合到主要的SPSS平台中。SPSS公司似乎接受了这一建议，AnswerTree便是首个被完全整合的产品。
SPSS中的Classification Tree模块提供了一种基于树结构模型的数据挖掘工具，用于预测分类变量或连续变量，便于快速细分样本，无需用户具备深厚的统计背景。它包括CHAID、Exhaustive CHAID和C&RT等算法，而AnswerTree中提供的QUEST算法是否会被纳入尚不确定。
为了适应新老用户，Tree模块采用了SPSS近年来采用的交互式选项卡对话框，而非AnswerTree的向导方式。尽管界面变化，但内容与向导大致相同，使得老用户能够轻松上手。
鉴于树结构模型与传统统计方法差异显著，为避免混淆，本次高级教程未涉及该模块，但在下一版本的高级教程及市场细分教材中，将详细介绍该模块。
参考资料：百度百科-spss