主成分因子分析為什么是負(fù)數(shù)？spss進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化后會出現(xiàn)負(fù)值是正常的啊，要不怎莫叫標(biāo)準(zhǔn)化啊spss主成分是幫你手動標(biāo)準(zhǔn)化的區(qū)間性指標(biāo)是什么？區(qū)間型指標(biāo)是期望其取值以落在某個區(qū)間內(nèi)為最佳的位置的指標(biāo)。

主成分因子分析為什么是負(fù)數(shù)？

spss進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化后會出現(xiàn)負(fù)值是正常的啊，要不怎莫叫標(biāo)準(zhǔn)化啊spss主成分是幫你手動標(biāo)準(zhǔn)化的

區(qū)間性指標(biāo)是什么？

區(qū)間型指標(biāo)是期望其取值以落在某個區(qū)間內(nèi)為最佳的位置的指標(biāo)。

我們在并且指標(biāo)的處理，如主成分分析、獨(dú)立成分分析或綜合評價時，沒法簡單地形象的修辭公式或模型，要先將各指標(biāo)通過標(biāo)準(zhǔn)化處理，自由變化成無量綱的指數(shù)化數(shù)值或分值，再聽從一定的方法進(jìn)行算出。

主成分方差計算？

spss標(biāo)準(zhǔn)化系數(shù)計算公式

公式為：（第一主成分方差x100xC8第二個主成分方差x100xD8）/(第一主成分方差第二主成分方差

數(shù)據(jù)清洗分別解決數(shù)據(jù)中的哪些問題，如何解決？

數(shù)據(jù)清洗目的比較多有：

①可以解決數(shù)據(jù)質(zhì)量問題；

②讓數(shù)據(jù)更適合我做挖掘點(diǎn)；

數(shù)據(jù)清洗是對數(shù)據(jù)審查過程中發(fā)現(xiàn)自己的的確錯誤值、缺失值、十分值、可疑人數(shù)據(jù)，建議選用肯定會方法接受“可以清洗”，為后續(xù)的數(shù)據(jù)分析做準(zhǔn)備。

數(shù)據(jù)準(zhǔn)備的方法有：

①數(shù)據(jù)數(shù)值化

對未知各種不同格式的數(shù)據(jù)形式的原始數(shù)據(jù)，對其采取參與標(biāo)準(zhǔn)化操作。對字符串取值，聽從ANSI碼值求和得到字符串的值，假如值太大，取一個適當(dāng)?shù)氐馁|(zhì)數(shù)對其求模。

②標(biāo)準(zhǔn)化normalization

對整體數(shù)據(jù)進(jìn)行輸入特征工作，借用min-max標(biāo)準(zhǔn)化方法將數(shù)據(jù)都映射到一個委托的數(shù)值區(qū)間。

③數(shù)據(jù)降維

原始數(shù)據(jù)修真者的存在很多維度，不使用主成分分析法對數(shù)據(jù)的相關(guān)性分析來降底數(shù)據(jù)維度。

④數(shù)據(jù)完整性

數(shù)據(jù)完整性除開數(shù)據(jù)缺失補(bǔ)數(shù)據(jù)和數(shù)據(jù)去重；

最后的神數(shù)據(jù)的方法有：

1.身份證件號碼推算出來性別、籍貫、出生日期、年齡（以及但不認(rèn)知局限）等信息最后的神；

2.按照前后數(shù)據(jù)推衍；

3.真的補(bǔ)不全的，對數(shù)據(jù)通過別除。

數(shù)據(jù)去重的方法有：

1.用sql或者excel“祛除重復(fù)一遍記錄”去重；

2.按規(guī)則去重，匯編語言一系列的規(guī)則，對重復(fù)一遍情況復(fù)雜的數(shù)據(jù)接受去重。

用SPSS作因子分析，數(shù)據(jù)為什么要標(biāo)準(zhǔn)化？

不標(biāo)準(zhǔn)化很有可能會的原因不同列的數(shù)據(jù)本身的大小差異影響不大結(jié)果例如一列重量數(shù)據(jù)的范圍可能全是幾g，數(shù)據(jù)全是個位數(shù)，然后再一列數(shù)據(jù)的計量單位是m，但求實際值全是0.0001起的，只不過主成份分析時，只考慮到數(shù)據(jù)，未把計量單位考慮進(jìn)去，這樣的話兩列數(shù)據(jù)的大小差異比較大，會影響不大結(jié)果，所以對數(shù)據(jù)通過當(dāng)然的標(biāo)準(zhǔn)化處理，使所有列的數(shù)據(jù)范圍都在異號1之間，那樣的話可以盡量減少數(shù)據(jù)差異的影響