SPSS在犯罪学研究中的应用——以刑事发案率的多(4)

　　其次，我们借助SPSS因子分析程序，得到主成分的信息，具体可见表8。通过观察表8的数据，我们可以知道，第一主成分的特征根为3.786，它解释了总变异的94.734%；第二主成分的特征根为0.194，它解释了总变异的4.851%。前两个特征根的累积贡献率为99.585%。也就是说，前两个主成分包含了原有4个指标的99.585%的信息。因此，我们可以取前两个主成分来代替原有的4个指标变量。

表  SEQ 表 \* ARABIC 8 主成分的统计信息

　　再次，通过SPSS列出因子得分系数矩阵，具体可见表9，通过该矩阵可以将所有主成分表示为各个变量的线性组合。

表  SEQ 表 \* ARABIC 9 因子得分系数矩阵

　　根据以上数据，可以写出两个主成分的表达式（方程1）

　　这里的 为标准指标变量。根据表7的信息，我们可以创建标准指标变量和原指标的关系（方程2）：

　　最后，对主成分进行回归分析，分析主成分回归结果。通过SPSS的运算，根据表10，我们可以判断，主成分回归分析模型拟合较好（ ,方差分析 ）;

表  SEQ 表 \* ARABIC 10 主成分回归分析模型结果