主成分分析PCA | 指标权重计算方法

主成分分析结果的应用摘要

菜鸟君在本文中继续探讨主成分分析（PCA），此次侧重于如何应用SPSS分析得到的PCA结果。

准备阶段

首先，菜鸟君提到需要使用SPSS来进行主成分分析，并强调在分析前进行数据标准化。分析结果中，菜鸟君关注了两个重要的输出：成分矩阵和总方差解释。

计算线性组合中的系数

在获得成分矩阵后，菜鸟君展示了如何使用Excel计算线性组合中的系数。此过程涉及提取的主成分得分总和的计算，接着计算每个指标在各主成分上的线性组合系数。菜鸟君提供了一个计算公式并以第一个指标为例展示了如何应用该公式。

计算各指标在模型中的综合系数

下一步是结合总方差解释结果和线性组合系数来计算模型中各指标的综合系数。菜鸟君介绍了相关公式，并以第一个指标为例演示了计算过程。通过这种方式可以确定各指标的权重。他指出，在例子中第六个指标的权重最大，而第四个指标的权重最小。

指标权重归一化

最后，菜鸟君解释了如何进行指标权重的归一化，确保权重之和为1。他简要描述了归一化的计算方法，并指出归一化后可以更清晰地看到各个指标的权重分布。

菜鸟君以此结束了文章，并鼓励读者通过分享文章来帮助更多的人学习数据分析。他还提供了B站视频教程的链接和QQ群号，方便读者进一步交流学习。

想要了解更多内容？

查看原文：主成分分析PCA | 指标权重计算方法

文章来源：

扫码关注公众号