1、首先打开SPSSAU，右上角【上传数据】，点击或者拖拽原始数据文件上传。
2、选择【进阶方法】->【主成分】，选择需要分析的题目，拖拽到右侧。点击“开始主成分分析”。
3、可以自行设置好要输出的主成分个数，而不是让软件自动识别。
4、同时可以点选保存“成分得分”或“综合得分”，分析结束后用于后续分析使用。
5、完成以上操作后，即可得到分析结果，结果如下图所示，就完成了。
1.案例说明
研究调查100家公司2010-2013年关于财务方面的具体数据，这些财务指标维度分别为盈利能力、偿债能力、运营能力、发展能力以及公司治理。其中每个维度分别有几个分析项，但是有些指标是越大越好，有些指标是越小越好。需要在研究前进行数据处理。
2.研究目的
利用偿债能力、运营能力、发展能力以及公司治理四个维度下的分析项进行主成分分析以及判断分析项与主成分之间的关系，利用得到的成分得分进行命名作为线性回归的自变量，用盈利能力下的三个指标作为线性回归的因变量，因为每次线性回归只能放入一个因变量所以重复进行三次分析并且得到结论。
二、数据处理
此案例中有些指标需要提前处理，具体指标隶属维度以及指标性质如下，比如资产负责率是逆向指标可以进行逆向化处理或者取倒数；本文进行取倒数处理，因为比较常见，但是取倒数需要分析项的数据不等于0，其他指标需要正向化处理，公司治理的2个指标可以做正向化处理也可以做适度化，比如认为指标不是越大越好也不是越小越好，接近于某个值或某个范围内认为更好那就使用适度化，此案例中认为越大越好处理为正向化（也有参考文献做适度化处理，建议以参考文献为主）。
首先用SPSSAU将分析项进行“描述分析”观察数据的基本情况。发现资产负债率所有数据均大于0，所以进行处理时可以直接“取倒数”。然后利用SPSSAU“数据处理”中的“生成变量”进行指标处理（一般正逆向化处理后不需要在进行标准化处理，因为已经正逆向化已经处理了量纲问题，但是取倒数后需要进行标准化处理）。
三、主成分结果
分析前已处理过分析项与主成分之间的关系，共进行三次分析结论如下：共有三次分析，第一次分析“应收账款周转率”,“净利润增长率”,“主营业务收入增长率”共3项，共同度小于0.4,将此3项进行删除，删除之后进行第二次分析，发现“每股经营性现金流量”出现“张冠李戴”进行删除处理。而其他出现“纠缠不清”现象的，暂时不处理（进行关注即可）。重新分析后除了“流动比率”、“速动比率”以及“资产负债率”这3项，“销售现金比率”这一项，其余的项均存在“纠缠不清”的现象，但考虑到成分下只余下两项，因而表示可以接受，主成分析分析结束。所以结果将从数据是否适合主成分分析，成分选择个数以及提取成分三部分进行说明。
1.KMO值和巴特球形检验
首先分析研究数据是否适合进行主成分分析，从上表可以看出：KMO为0.614，大于0.6，满足主成分分析的前提要求，以及数据通过Bartlett球形度检验(p<0.05)，说明研究数据适合进行主成分分析。
2.成分选择个数
当数据确定可以使用主成分分析后，下一步确定主成分成分选择个数，案例中使用特征根值大于1的方法。
从上表可知：主成分分析一共提取出4个主成分，特征根值均大于1，此4个主成分的方差解释率分别是33.871%,20.571%,15.799%,13.779%，累积方差解释率为84.021%。
3.提取成分
已经确定了成分选择个数经过分析得到载荷系数矩阵如下：
从结果中可以看出，主成分1中主要反映了公司的偿债能力。主成分2中主要反映了公司治理能力，主成分3中主要反映了公司运营能力，主成分4中主要反映了公司发展能力。
整理表格如下：五个成分的名字分别叫F1偿债能力、F2治理能力、F3运营能力以及F4发展能力。
数据通过主成分分析得到四个维度，此案例的主要目的是研究上述四个维度对于公司盈利的影响，最终得到结论。将得到的成分得分利用SPSSAU标题处理进行命名，四个分析项作为线性回归的自变量，盈利能力下的三个指标作为因变量，重复进行三次线性回归，并进行对结果描述，回归结果描述分为两大部分，一为中间分析过程，二为回归分析结果。
四、主成分回归结果
想要得到成分得分可以在分析前勾选“成分得分”按钮，结束分析时SPSSAU单独生成新标题名称类似为：“PCA****_score1”。研究者可通过【数据处理->标题处理】对名称进行修改即可。
F1偿债能力、F2治理能力、F3运营能力以及F4发展能力如下：
用得到的成分得分进行命名作为线性回归的自变量，用盈利能力下的三个指标作为线性回归的因变量，因为每次线性回归只能放入一个因变量所以重复进行三次分析并且得到结论。