我的理解分两方面
1. 如果你是不知道要做什么题目只想运用这2个方法,而去找适合方法的数据(或题目)时,这2方法的功能都是降维,前提都是你题目的指标体系的变量之间要有较高的相关性,并且你心里得清楚这些指标变量降至几维或分成几类是有意义的,大概怎么去解释或分析。(so u see潜在要求就是指标得多,另主成分由于用方差贡献率提取还需要大样本才有好效果)
2. 如果你已经有了既定的题目和数据,那方法就不能苛求这2个了,得根据研究目的来,这2方法其实说到底就是把样本/变量分块使问题清晰;另外,2楼给出的是最直接的:已知数据时判断方法应用得合不合适也即效果,如果你要这方面答案,先查查资料硬性评判方法肯定有若干,另外建议多尝试运用不同数据做,隐形经验是积累来的,比如聚类效果受数据量纲影响较大。。
再啰嗦2句
1. 3楼贴的文档对楼主理解3个方法的思想原理有一定帮助,方法我就不附件了,推荐你个文档《基于非线性主成分和聚类分析的综合评价方法》,不失为应用这2方法的最佳方式。我下的是caj传不了
2. 关于2楼所说主成分是因子的一种,在SPSS中他俩确实是一个操作(因子更完整可做综合评价),但还是分为两种方法是从理论上讲的,方法构造的思想略有不同。



雷达卡






京公网安备 11010802022788号







