SPSSPRO 5.0
win 7/8/10
示例：为了了解贷款客户的信用程度，评价客户的信用等级，采用信用评级常用的5C(能力，品格 ，担保 ，资本，环境)方法， 说明客户违约的可能性。为了了解贷款客户的信用程度，评价客户的信用等级，采用信用评级常用的5C(能力，品格 ，担保 ，资本，环境)方法， 说明客户违约的可能性。品格:指客户的名誉；能力:指客户的偿还能力；资本:指客户的财务实力和财务状况；担保:指对申请贷款项担保的覆盖程度；环境:指外部经济政策环境对客户的影响
Step1：新建项目；Step2：上传数据；Step3：选择对应数据打开后进行预览，确认无误后点击开始分析；
step4：选择【主成分分析】；step5：查看对应的数据数据格式，【主成分分析】要求输入数据为放入 [定量] 自变量X（变量数≥2）。step6：选择主成分个数（注意：主成分个数的选择，依赖于个人能接受的最大主成分个数，而特征根选择则是根据设定的阈值为界限，以大于该界限对应的主成分个数作为选取的主成分个数，默认为1。）step7：点击【开始分析】，完成全部操作。
输出结果1：KMO检验和Bartlett的检验图表说明： KMO检验的结果显示，KMO的值为0.796，同时，Bartlett球形检验的结果显示，显著性P值为0.000***，水平上呈现显著性，拒绝原假设，即表明各变量间具有相关性，主成分分析的结果是有效的，结果可靠程度为一般。
输出结果2：方差解释表格图表说明： 上表为总方差解释表格，主要是看主成分对于变量解释的贡献率（可以理解为究竟需要多少主成分才能把变量表达为100%），一般都要表达到90%以上才可以，否则就要调整主成分数量。由表可知，前三个主成分累积解释的贡献率达到93.192%(一般情况下大于90%即可），说明使用前三个主成分就能够很好地评价客户的信用等级。
输出结果3：碎石图图表说明： 当折线由陡峭突然变得平稳时，陡峭到平稳对应的因子个数即为参考提取因子个数。由图可知，从第三个主成分开始，主成分的特征根值开始缓慢的下降，且在满足主成分累积解释的贡献率达到90%的情况下，我们可以选择三个主成分。
输出结果4：因子载荷系数表图表说明： 上表为因子载荷系数表，可以分析到每个主成分中隐变量的重要性。 第一个主成分与能力、品格、资本、担保这四个变量的相关程度较大，可以概括为“个人信用品质”；第二个主成分主与环境这一个变量的相关程度较大，可以概括为“外部政策影响”。（注意：因子载荷矩系数表在主成分分析的意义不大）
输出结果5：因子载荷矩阵热力图图表说明：下图为载荷矩阵热力图，可以分析到每个主成分中隐变量的重要性，热力图颜色越深说明相关性越大。第一个主成分与能力、品格、资本、担保这四个变量的相关程度较大，第二个主成分主与环境这一个变量的相关程度较大。（注意：因子载荷矩阵热力图在主成分分析的意义不大）
输出结果6：因子载荷象限分析图表说明：因子载荷图通过将多因子降维成双主成分或者三主成分，通过象限图的方式呈现主成分的空间分布。 如果提取3个主成分时，则呈现三维载荷因子散点图。（注意：因子载荷象限分析在主成分分析的意义不大）。
输出结果7：成分矩阵表图表说明：由上表可得到主成分分析降维后的计算公式：模型的公式：F1=0.249×资本+0.257×能力+0.259×品格+0.253×担保+0.152×环境F2=-0.22×资本-0.28×能力-0.224×品格+0.121×担保+1.014×环境F3=1.164×资本+0.438×能力-0.693×品格-1.096×担保+0.351×环境由上可以得到： F=(0.708/0.932)×F1+(0.164/0.932)×F2+(0.06/0.932)×F3
输出结果8：因子权重分析图表说明： 主成分分析的权重计算结果显示，主成分1的权重为76.007%、主成分2的权重为17.589%、主成分3的权重为6.405%，其中指标权重最大值为主成分1（76.007%），最小值为主成分3（6.405%）。
输出结果9：综合得分表图表说明：由综合得分可知，其中第15位客户的综合得分最高，也就是他的信用等级最高，其次是第75位客户。（注意：综合得分在主成分分析的意义不大）
主成分要求变量之间的共线性或相关关系比较强，否则不能通过KMO检验和Bartlett球形检验；
主成分分析倾向于降维，从而达到简化系统结构，抓住问题实质的目的。（可侧重于输出结果2、输出结果3、输出结果8）；
主成分分析时通常需要综合自己的专业知识，以及软件结果进行综合判断，即使是特征根值小于1，也一样可以提取主成分；
KMO值为null不存在可能导致的原因为： （1）样本量过少容易导致相关系数过高，一般希望分析样本量大于5倍分析项个数； （2）各个分析项之间的相关关系过高或过低。