1. Excel主成分分析的模型
fan4di的公式计算含量的绝对数量，如果计算百分比，用=SUMPRODUCT(B2:B9,$G$2:$G$9)/SUM($G$2:$G$9)
2. excel主成分分析法
方法步骤：
一、首先启动excel，选择需要设置分秒显示的单元格或者是数据区域。
二、右键单击该数据区域，从下拉菜单中选择设置单元格格式选项。
三、在弹出的设置单元格格式对话框中切换到数字选项卡，分类中选择自定义。
四、在类型中输入“##”“##"，接着点击确定按钮，自定义分秒格式。
五、在设置完的数据区域中，输入任意一数据进行测试效果。
六、这样就完成了自定义分秒格式。
3. 主成分分析excel方法
这类软件主要用于更专业的数据分析挖掘工作，尤其是在银行、金融、保险业。
SPSS、SAS都是用于统计分析，围绕统计学知识的一些基本应用，包括描述统计，方差分析，因子分析，主成分分析，基本的回归，分布的检验等等。SPSS用于市场研究较多，SAS银行金融和医学统计较多，有一些难度。
R语言像是综合性较强的一类数据分析工具，集统计分析、数据挖掘，数据可视化。
展开来，讲讲数据分析~
这些数据分析工具的使用还是看需求，每个企业应用的选择和方式都不同。数据分析的概念很广，站在IT的角度，实际应用中可以把数据分析工具分成两个维度：
第一维度：数据存储层——数据报表层——数据分析层——数据展现层
第二维度：用户级——部门级——企业级——BI级
1、数据存储层
数据存储设计到数据库的概念和数据库语言，这方面不一定要深钻研，但至少要理解数据的存储方式，数据的基本结构和数据类型。SQL查询语言必不可少，精通最好。可从常用的selece查询，update修改，delete删除，insert插入的基本结构和读取入手。
Access2003、Access07等
，这是最基本的个人数据库，经常用于个人或部分基本的数据存储；MySQL数据库，这个对于部门级或者互联网的数据库应用是必要的，这个时候关键掌握数据库的库结构和SQL语言的数据查询能力；
SQL Server2005或更高版本
，对中小企业，一些大型企业也可以采用SQL Server数据库，其实这个时候本身除了数据存储，也包括了数据报表和数据分析了，甚至数据挖掘工具都在其中了；
DB2，Oracle数据库都是大型数据库
，主要是企业级，特别是大型企业或者对数据海量存储需求的就是必须的了，一般大型数据库公司都提供非常好的数据整合应用平台；
BI级别
，实际上这个不是数据库，而是建立在前面数据库基础上的，企业级应用的数据仓库。Data Warehouse，建立在DW机上的数据存储基本上都是商业智能平台，整合了各种数据分析，报表、分析和展现，BI级别的数据仓库结合BI产品也是近几年的大趋势。
2、报表/BI层
企业存储了数据需要读取，需要展现，报表工具是最普遍应用的工具，尤其是在国内。过去传统报表大多解决的是展现问题，如今像帆软报表FineReport也会和其他应用交叉，做数据分析报表，通过接口开放功能、填报、决策报表功能，能够做到打通数据的进出，涵盖了早期商业智能的功能。
Tableau、Qlikview、FineBI这类BI工具，可分在报表层也可分为数据展现层，涵盖了数据整合、数据分析和数据展现。FineBI和Tableau同属于近年来非常棒的软件，可作为可视化数据分析软件，可常用FineBI从数据库中取数进行报表和可视化分析。相对而言，可视化Tableau更优，但FineBI又有另一种身份——商业智能
，所以在大数据处理方面的能力更胜一筹。
3、数据分析层
这个层其实有很多分析工具，当然我们最常用的就是Excel。
Excel软件
，首先版本越高越好用这是肯定的；当然对excel来讲很多人只是掌握了5%Excel功能，Excel功能非常强大，甚至可以完成所有的统计分析工作！但是我也常说，有能力把Excel玩成统计工具不如专门学会统计软件；
SPSS软件
：当前版本是18，名字也改成了PASW Statistics；我从3.0开始Dos环境下编程分析，到现在版本的变迁也可以看出SPSS社会科学统计软件包的变化，从重视医学、化学等开始越来越重视商业分析，现在已经成为了预测分析软件；
SAS软件
：SAS相对SPSS其实功能更强大，SAS是平台化的，EM挖掘模块平台整合，相对来讲，SAS比较难学些，但如果掌握了SAS会更有价值，比如离散选择模型，抽样问题，正交实验设计等还是SAS比较好用，另外，SAS的学习材料比较多，也公开，会有收获的！
JMP分析
：SAS的一个分析分支
XLstat
：Excel的插件，可以完成大部分SPSS统计分析功能
4、表现层
表现层也叫数据可视化，以上每种工具都几乎提供了一点展现功能。FineBI和Tableau的可视化功能上文有提过。其实，近年来Excel的可视化越来越棒，配上一些插件，使用感更佳。
PPT：
办公常用，用来写数据分析报告；
Xmind&百度脑图：
梳理流程，帮助思考分析，展现数据分析的层次；
Xcelsius软件：
Dashboard制作和数据可视化报表工具，可以直接读取数据库，在Excel里建模，互联网展现，最大特色还是可以在PPT中实现动态报表。
最后，需要说明的是，这样的分类并不是区分软件，只是想说明软件的应用。有时候我们把数据库就用来进行报表分析，有时候报表就是分析，有时候分析就是展现；当然有时候展现就是分析，分析也是报表，报表就是数据存储了！
4. excel主成分分析的模型有哪些
常用的数据分析软件主要有Excel、SAS、R、SPSS、友盟+、Python等。
Excel：为Excel微软办公套装软件的一个重要的组成部分，它可以进行各种数据的处理、统计分析和辅助决策操作，广泛地应用于管理、统计财经、金融等众多领域。
SAS是由美国北卡罗来纳州立大学1966年开发的统计分析软件，提供从基本统计数的计算到各种试验设计的方差分析，相关回归分析以及多变数分析的多种统计分析过程。
R是一个开源的分析软件，也是分析能力不亚于SPSS和Matlab等商业软件的轻量级分析工具。
SPSS是“统计产品与服务解决方案”软件。除了基本的统计分析功能之外，还提供非线性回归、聚类分析(Clustering)、主成份分析(PCA)和基本的时序分析。
友盟+是最常用的APP分析软件，友盟+作为一款自助式分析工具，主要功能包括：App用户统计、用户行为分析、行业看板、用户运营工具。
Python是一种解释型脚本语言，语法简洁而清晰，具有丰富和强大的类库，现在大数据分析一般都用Python来完成。
5. 主成分分析的模型是什么?
公式为：（第一主成分方差x100xC8+第二个主成分方差x100xD8）/(第一主成分方差+第二主成分方差)
6. 主成分分析预测模型
主成分分析(PCA)是一种统计过程，它使用正交变换将一组可能相关变量(实体，每个实体具有不同的数值)的观察值转换为一组称为主成分的线性不相关变量的值。如果有带p个变量的n个观测值，那么不同主成分的数量为min(n-1,p)。这种变换以使得第一主成分具有最大可能的方差定义(即，尽可能多地占数据中的可变性)，并且在与前面的分量正交的约束下，每个后续分量又具有最大可能的方差。结果向量(每个向量是变量的线性组合，包含 n 观察)是不相关的正交基集。主成分分析对原始变量的相对比例很敏感。
7. excel模型与数据分析
最大的缺点是不能全自动完成你的工作，而不需要你动手。其实任何东西都不可能完美的，只要能较好的解决实际使用要求就OK了。
个人在使用过程觉得有一点用起来不太方便：有些不规则的表格反而不像word画起来方便，只能用合并单元格以及调整行宽列高来实现，操作较为麻烦。
但整体来说excel是很好很强大
优点是Excel 表格式简单，便于制简单表，但函数功能相当强大，能计算工程，财务，逻辑，文本，信息，数学等大量信息；
比如：可制作查询库，在一个单元格只输入员工号，后边姓名，姓别，职务，年龄等相关信息可显示出来。相当方便
- 相关评论
- 我要评论
-