主成分分析提取到3个主成分但累积贡献只有58%

大家好，我在做商业银行经营绩效的主成分分析，一共有26家银行，9个变量，提取出3个主成分，但是累计贡献率只有58%，这种情况该怎么办啊...

剔除公共方差小的一两个变量试试

样本数据少了

chbczq 发表于 2018-8-3 10:19
样本数据少了

他这个有近300的样本了，应该是变量之间的相关性不够。

楼主做下KMO检验还有球形检验看看。

主成分分析、探索性因子分析是数据降维的主要方法，而衡量因子分析（含主成分分析和因子分析）效果的重要指标之一就是KMO值和累积方差贡献率，这两个指标越高则因子分析结果越好，因而，很多人用因子分析来检验问卷和量表的效度（个人认为简单用因子分析方法来做效度是不妥的）。
在SPSS因子分析中，我们经常遇到KMO值偏低，例如0.6左右，以及累积方差贡献率不高的情况（例如低于50%），显然这样的结果提示我们因子分析效果不佳——一些人据此认为效度不佳。那我么该如何提高这两个指标呢？
有四个思路：第一，题目或变量之间如果相关性不强，则KMO值不高；第二，变量与因子之间如果测量关系不佳，则累积方差贡献率较差；第三，题目数量对KMO值也会产生影响。初此之外，那些不能形成有效因子的题目会严重影响累积方差贡献率。
在SPSS实际操作中，需要结合以上不同的情况做不同的处理，这样才能提高KMO和累积方差贡献率。

crystal8832 发表于 2018-8-3 10:29
楼主做下KMO检验还有球形检验看看。

您好，我之前用stata做的，现在下载了spss重新做了一遍，麻烦您看看，这种情况应该怎么办？因为我其实不太懂计量，但是毕业论文又不能用一些简单的计量方法，所以我就找了几篇论文打算跟着来，可是处理出来结果好差。。。慌张

KMO 和 Bartlett 的检验               
取样足够度的 Kaiser-Meyer-Olkin 度量。                .541
Bartlett 的球形度检验        近似卡方        513.678
        df        36
        Sig.        .000


相关矩阵                                                                               
                roe        eps        ldr        cr        rca        car        dgr        lgr        npl2
相关        roe        1.000        .149        -.024        -.091        .052        -.132        .356        .317        .441
        eps        .149        1.000        .196        -.077        .030        -.040        -.047        -.050        .256
        ldr        -.024        .196        1.000        -.049        -.044        -.230        -.219        -.023        .120
        cr        -.091        -.077        -.049        1.000        .037        .059        .043        .024        -.120
        rca        .052        .030        -.044        .037        1.000        .223        .131        .094        .148
        car        -.132        -.040        -.230        .059        .223        1.000        -.072        -.077        .049
        dgr        .356        -.047        -.219        .043        .131        -.072        1.000        .769        .347
        lgr        .317        -.050        -.023        .024        .094        -.077        .769        1.000        .248
        npl2        .441        .256        .120        -.120        .148        .049        .347        .248        1.000


解释的总方差                                               
成份        初始特征值                        提取平方和载入               
        合计        方差的 %        累积 %        合计        方差的 %        累积 %
1        2.320        25.776        25.776        2.320        25.776        25.776
2        1.523        16.927        42.703        1.523        16.927        42.703
3        1.269        14.095        56.798        1.269        14.095        56.798
4        .988        10.975        67.773                       
5        .846        9.402        77.175                       
6        .700        7.783        84.958                       
7        .687        7.634        92.593                       
8        .481        5.348        97.940                       
9        .185        2.060        100.000                       
提取方法：主成份分析。                                               

ccs0531 发表于 2018-8-3 22:00
主成分分析、探索性因子分析是数据降维的主要方法，而衡量因子分析（含主成分分析和因子分析）效果的重要指 ...

请问具体应该怎么做呢

ccs0531 发表于 2018-8-3 22:00
主成分分析、探索性因子分析是数据降维的主要方法，而衡量因子分析（含主成分分析和因子分析）效果的重要指 ...

请问具体应该怎么做呢

jin216 发表于 2018-8-3 14:12
剔除公共方差小的一两个变量试试

赞同这个做法。