第七章地理系统的主成分分析.pptVIP

第七章 地理系统的主成分分析（Principal Component Analysis） 线性代数知识补充 1. 矩阵的初等变换 2. 行阶梯形矩阵和行最简形阶梯形矩阵 3. 齐次现行方程组的求解 4. 矩阵的特征值和特征向量 对矩阵施行初等变换时，由于矩阵中的元素已经改变，变换后的矩阵和变换前的矩阵已经不相等，所以在表达上不能用等号，而要用箭号“→”． 行阶梯形矩阵和行最简形阶梯形矩阵 主成分分析问题的提出 例1：我们知道生产服装有很多指标，比如袖长、肩宽、身高等十几个指标，服装厂生产时，不可能按照这么多指标来做，怎么办？一般情况，生产者考虑几个综合的指标，象标准体形、特形等。 例2：企业经济效益的评价，它涉及到很多指标。例百元固定资产原值实现产值、百元固定资产原值实现利税，百元资金实现利税，百元工业总产值实现利税，百元销售收入实现利税，每吨标准煤实现工业产值，每千瓦时电力实现工业产值，全员劳动生产率，百元流动资金实现产值等，我们要找出综合指标，来评价企业的效益。 一、主成分分析的基本原理 1. 主成分分析的几何意义 (以两个变量为例) 主成分分析的基本思想 (以两个变量为例) 主成分分析的基本思想 (以两个变量为例) 二、主成分分析的计算步骤 （一）计算相关系数矩阵 rij（i，j=1，2，…，p）为原变量xi与xj的相关系数， rij=rji，其计算公式为 主成分的选择 主成分的选择 三、 主成分分析方法应用实例 进行主成分分析主要步骤如下： 1.????? 指标数据标准化（SPSS软件自动执行）； 2.????? 指标之间的相关性判定； 3.????? 确定主成分个数m； 4.????? 主成分Zi表达式； 5.????? 主成分Zi命名； SPSS-主成分分析 (实例分析) 用SPSS进行主成分分析 第1步 选择【Analyze】下拉菜单，并选择【Data Reduction- Factor】，进入主对话框 第2步 在主对话框中将所有原始变量选入【Variables】 第3步 点击【Descriptives】，在【correlation Matrix】下选择 【Coefficirnts】，点击【Continue】回到主对话框 第4步 点击【Extraction】，在【Display】下选择【Scree Plot】，点击【Continue】回到主对话框 第5步 点击【Rotation】，在【Display】下选择【Loading Plot】，点击【Continue】回到主对话框 点击【OK】 SPSS的输出结果 SPSS的输出结果(选择主成分) 根据什么选择主成分？ 根据什么选择主成分？ 根据什么选择主成分？ (Scree Plot) 怎样解释主成分？ 怎样解释主成分？(主成分与原始变量的关系) 怎样解释主成分？ (Loading Plot) (1)第1主成分z1与x1，x5，x6，x7，x9呈现出较强的正相关，与x3呈现出较强的负相关，而这几个变量则综合反映了生态经济结构状况，因此可以认为第1主成分z1是生态经济结构的代表。 (2)第2主成分z2与x2，x4，x5呈现出较强的正相关，与x1呈现出较强的负相关，其中，除了x1为人口总数外，x2，x4，x5都反映了人均占有资源量的情况，因此可以认为第2主成分z2代表了人均资源量。 分析： 显然，用3个主成分z1、z2、z3代替原来9个变量（x1，x2，…，x9）描述农业生态经济系统，可以使问题更进一步简化、明了。 (3)第3主成分z3与x8呈现出的正相关程度最高，其次是x6，而与x7呈负相关，因此可以认为第3主成分在一定程度上代表了农业经济结构。 (4)另外，表7.4中最后一列（占方差的百分数），在一定程度上反映了3个主成分z1、z2、z3包含原变量（x1，x2，…，x9）的信息量多少。 【例】根据我国31个省市自治区2006年的6项主要经济指标数据，进行主成分分析，找出主成分并进行适当的解释 31个地区的6项经济指标 用SPSS进行主成分分析 各变量之间的相关系数矩阵 变量之间的存在较强的相关关系，适合作主成分分析 各主成分所解释的原始变量的方差 该表是选则主成分的主要依据 “Initial Eigenvalues”(初始特征根) 实际上就是本例中的6个主轴的长度 特征根反映了主成分对原始变量的影响程度，表示引入该主成分后可以解释原始变量的