公司

销售净利率

（X1）

资产净利率

（X2）

净资产收益率

（X3）

销售毛利率

（X4）

歌华有线

五粮液  

用友软件

太太药业

浙江阳光

烟台万华

方正科技

红河光明

贵州茅台

中铁二局

红星发展

伊利股份

青岛海尔

湖北宜化

雅戈尔  

福建南纸

43.31

17.11

21.11

29.55

11.00

17.63

2.73

29.11

20.29

3.99

22.65

4.43

5.40

7.06

19.82

7.26

7.39

12.13

6.03

8.62

8.41

13.86

4.22

5.44

9.48

4.64

11.13

7.30

8.90

2.79

10.53

2.99

8.73

17.29

7.00

10.13

11.83

15.41

17.16

6.09

12.97

9.35

14.3

14.36

12.53

5.24

18.55

6.99

54.89

44.25

89.37

73

25.22

36.44

9.96

56.26

82.23

13.04

50.51

29.04

65.5

19.79

42.04

22.72

数据标准化处理后，进行主成分分析，得到一系列表

                        解释的总方差

                初始特征值                        提取平方和载入

成份        合计        方差的 %        累积 %        合计        方差的 %        累积 %

1        1.897        47.429        47.429        1.897        47.429        47.429

2        1.550        38.740        86.169        1.550        38.740        86.169

3        .393        9.826        95.995                       

4        .160        4.005        100.000                       

提取方法：主成份分析。

提取出两个主成分f1，f2，主成分载荷矩阵如下：

        成份矩阵(a)

        成份

        1        2

Zscore(x1)        .731        -.513

Zscore(x2)        .818        .503

Zscore(x3)        .359        .897

Zscore(x4)        .752        -.477

提取方法 :主成份。

a. 已提取了 2 个成份。

将主成分载荷矩阵每列（以第一列为例）的系数

0.730886

0.817845

0.359033

0.751797

除以其相应的特征根（1.89716914093361）的开根（1.37737763192728）后得到主成分系数向量：

0.530636

0.59377

0.260664

0.545818

则f1=0.530636*zx1+0.59377*zx2+0.260664*zx3+0.545818*zx4,带入第一个标准化后的数据（以歌华有线为例），计算得1.23183373990056，即主成分f1的值。

问题：这样计算有问题么？我在google，检索：“利用spss主成分分析 filetype:doc”，下载名为“主成分分析与因子分析详细的异同和SPSS软件”的文章，上文采用的数据即来自该文章。

按照该文章计算，f1（歌华有线）=

1.23，和我计算的也是一样的。

但是，问题：

spss在数据源窗口中按照主成分分析后，会自动计算FACT1_1，其f1（歌华有线）=0

另外，我计算主成分分析，得到低维的变量，以方便在后面作为BP神经网络的输入端（减少输入），训练模型后用于预测。那么再请教一下，训练好之后，我用一个元组的变量来预测。按照之前的步骤，首先要进行标准化，然后按照主成分得分公式，计算得到f1，f2...的值，带入模型，就可以预测出应变量的值了。

但是，问题：

我这样总体分析思路对么？如果对，如何才能将一个元组里的多个变量值，标准化？