(1)首先将数据标准化，这是考虑到不同数据间的量纲不一致，因而必须要无量纲化。
(2)对标准化后的数据进行因子分析(主成分方法)，使用方差最大化旋转。
(3)写出主因子得分和每个主因子的方程贡献率。 Fj =β1j*X1 +β2j*X2 +β3j*X3 + ……+ βnj*Xn ; Fj 为主成分(j=1、2、……、m)，X1、X2 、X3 、……、Xn 为各个指标，β1j、β2j、β3j、……、βnj为各指标在主成分Fj 中的系数得分，用ej表示Fj的方程贡献率。
(4)求出指标权重。 ωi=[(m∑j)βij*ej]/[(n∑i)(m∑j)βij*ej]，ωi就是指标Xi的权重。
扩展资料
产品特点
1、操作简便
界面非常友好，除了数据录入及部分命令程序等少数输入工作需要键盘键入外，大多数操作可通过鼠标拖曳、点击“菜单”、“按钮”和“对话框”来完成。
2、编程方便
具有第四代语言的特点，告诉系统要做什么，无需告诉怎样做。只要了解统计分析的原理，无需通晓统计方法的各种算法，即可得到需要的统计分析结果。
对于常见的统计方法，SPSS的命令语句、子命令及选择项的选择绝大部分由“对话框”的操作完成。因此，用户无需花大量时间记忆大量的命令、过程、选择项。
3、功能强大
具有完整的数据输入、编辑、统计分析、报表、图形制作等功能。自带11种类型136个函数。SPSS提供了从简单的统计描述到复杂的多因素统计分析方法，比如数据的探索性分析、统计描述、列联表分析、二维相关、秩相关、偏相关、方差分析、非参数检验、多元回归、生存分析、协方差分析、判别分析、因子分析、聚类分析、非线性回归、Logistic回归等。
参考资料来源：百度百科-spss
如何计算每个指标的权重？
权重体系构建在实际研究中使用较为广泛，比如政府财政支出的绩效评价，医院绩效评价研究等。下图为常见的综合评价权重体系构建结构。其研究核心为‘农产品绩效评价’，即目标在于构建出‘农产品电商绩效评价体系’。接着目标层拆分为5个准则层指标，分别称为B1~B5。并且5个准则层可继续拆分为总共21个因素层指标。最终目的在于构建出各个准则层和因素层的权重情况，为实际综合评价提供科学参考依据。
分析思路
构建权重体系时，通常包括两个步骤，第1个步骤是结合研究领域具体情况，找出备选的各项指标，比如上述中5个准则层指标，以及21个因素层指标。第2个步骤在于得到数据进行分析构建权重体系。
关于第1个步骤即寻找5个准则层指标和21个因素层指标，这由研究者自行处理，本文更多关注于第2步即进行权重体系构建，包括准则层和因素层分别的权重计算，以及最终权重体系构建，接下来分别进行说明。
准则层指标权重
关于准则层指标权重值计算时，常见共有3种方式，如下所述：
通常情况下，研究者并没有准则层指标的原始数据，因而可借助于专家打分，构建出判断矩阵，接着使用SPSSAU综合评价模块的AHP层次法分析法计算就可以了。
除此之外，如果有因素层指标数据，不论是原始测量计算后的数据，也或者调研得到的数据均可。此时可将所有的因素层指标（本文事例为21个），将该21个指标进行主成分分析，并且强制要求SPSSAU软件设定主成分数量为5个（因为准则层指标为5个），并且从主成分结果上确保准则层指标与因素层指标之间有着良好对应关系后，最后利用‘方差解释率’进行计算权重值，得到准则层指标数据。
另外，如果有因素层指标数据，可分别针对某准则层指标下属的因素层指标进行熵值法（本事例5个准则层指标因而进行5次熵值法），分别让SPSSAU选择保存‘综合得分’，重复进行5次，然后利用5个‘综合得分’数据再次进行熵值法，得到准则层指标的权重。
上述的3种方法时，AHP和主成分法，熵值法这种方式使用较少，原因在于很可能因素层计算权重时，也是利用熵值法进行计算，准则层和因素层均在利用完全相同的数据，并且基于权重计算原理均是熵信息，因而使用较少，从分析角度上可以这样进行。
除此之外，研究者也可使用其它研究方法计算权重，具体以研究思路为准。
因素层指标权重
上述讲述准则层权重的构建，本部分具体讲解因素层指标的构建。通常情况下研究者可以收集到因素层指标数据，因而可使用比如熵值法、优序图法或CRITIC权重、信息量权重等。
接下来将因素层指标权重计算汇总如下表格：
通常情况下使用熵值法计算因素层指标权重较多，本事例中共有5个准则层指标，因而分别进行5次分析，分别计算出因素层的所有指标权重值。
如果没有因素层指标数据，那么可使用专家打分AHP层次分析法进行因素层指标权重计算。
除此之外，在有因素层数据后，研究者可结合数据特征选择其它一些权重方式，比如利用数字相对大小原理的优序图法，借助数据波动性和相关性计算的CRITIC法，也或者利用数据相关性原理计算的独立性权重，利用数据波动性计算的信息量权重方法等。