大家好，我是菜鸟君。我们聊过怎样用SPSS和R语言来进行主成分分析。忘了的小伙伴可以回顾复习一下：
有小伙伴留言说想了解全局主成分分析。那么今天就安排上！
全局主成分分析（Global Principal Component Analysis），又叫做时序主成分分析、时序全局主成分分析。它比起经典的主成分分析，增加了一些维度，能同时分析各地区、各年份的“综合”主成分。
这种方法的主要特点就是数据，它需要的是面板数据。我查了不少文献，很多文献称全局主成分分析的数据为“时序立体数据表”。如果你做过时序分析，那么对面板数据可能比较熟悉。其实它的结构就是各年份、各地区的数据都合并在一起。
举个例子：
地区 |
年份 |
X1 |
X2 |
X3 |
北京 |
2010 |
0.45 |
0.45 |
0.41 |
上海 |
2010 |
0.46 |
0.49 |
0.26 |
北京 |
2011 |
0.78 |
0.78 |
0.38 |
上海 |
2011 |
0.86 |
0.84 |
0.56 |
北京 |
2012 |
0.97 |
0.97 |
0.47 |
上海 |
2012 |
0.89 |
0.89 |
0.81 |
上面这个例子中，可以看到数据里包括两个地区：北京、上海。同时也包括三个年份：2010、2011、2012。
数据准备OK了以后，我们就导入到SPSS，进行主成分分析。
分析的时候整个过程与主成分分析步骤一样。点击“分析”——“降维”——“因子”。
注意，选择变量时，只选择指标，不包括地区、年份之类的编码变量。
全局主成分分析法的分析结果发现，一共有4个主成分，在方差上大于1，共解释了总方差的65.989%。这4个主成分，是不同年份、地区的指标，合并之后降维的结果。也就是说，这些主成分可反映不同年份、地区数据的指标情况。
这就是今天想跟大家分享的全局主成分分析。如果觉得这篇有帮助，别忘了分享给更多的同学。还想看啥可以尽情的评论留言互动。每天进步一点点，我们一起加油！
B站视频教程：谁说菜鸟不会数据分析
交流QQ群：785599207
别忘了点“在看”哦
