得分原理是在spss中，主成分分析是实际可以设置因子分析中的吸纳方法实现程序的，如果没有系统设置的注入方法是主成分，这样的话计算出的应该是主成分罚球得分，别外，因子分析和主成分分析但他原理完全不同，只不过两者综合类得分的计算方法是完全不同的。
考虑数据的权重也参与数据分析的有用前提。可以依靠spss的因子分析方法来可以确定权重。主要步骤是：
(1)简单的方法将数据标准化，这是判断到不同数据间的量纲不一致，再加之必须要无量纲化。
(2)对标准化后的数据通过因子分析(主成分方法)，不使用方差最大化旋转。
(3)写一段主因子内线得分和每个主因子的方程贡献率。
fjβ1j*x1β2j*x2β3j*x3……βnj*xn;fj为主成分(j1、2、……、m)，x1、x2、x3、……、xn为各个指标，β1j、β2j、β3j、……、βnj为各指标在主成分fj中的系数内线得分，用ej来表示fj的方程贡献率。
(4)求出指标权重。ωi[(m∑j)βij*ej]/[(n∑i)(m∑j)βij*ej],ωi那是指标xi的权重。
因子分析应用到在评价指标权重考虑中，主成分分析法能得到的各指标的公因子方差，其值大小可以表示该项指标对总体生化兽的贡献，按照计算各个公因子方差占公因子方差总和的百分数。
因子分析---选项中有一项是特征根植大于01或者说是指定你主成分个数，默认是提取的特征植根为1。
有的时候那是有很多主成分的，你要分析的元素少嘛，主成分一定。具体看是不是多了得看你的题目了。这种问题好是把题目都抛出才好判断。
以前不能连续发行的spssanswertree软件整合起来进了spss平台。笔者几年前在自己的网站上介绍spss11的新功能时，曾经很尖利地一针见血地指出spss的产品线太集中在一起。
应在把各种功能较单个体的小软件，如answertree、samplepower等重新整合到spss等几个平台上去。很显然spss公司也灵魂意识到了这一点，而answertree是在此背景下那个被全部重新整合的产品。
classificationtree模块基于条件数据挖掘中经济的发展站了起来的树结构模型对分类变量或后变量并且分析预测，可以不方便、急速的对样本通过细分。
而不必须用户有太多的统计专业知识。在市场细分和数据挖掘中有较应用范围的应用。.设该模块能提供了chaid、exhaustivechaid和crt三种算法，在answertree中提供的quest算法尚没法绝对是否需要会被全部纳入。
