(主成份分析).docVIP

西北农林科技大学实验报告 学院名称：理学院 专业年级：2006级信计1班 姓 名： 袁金龙 学 号课 程：多元统计分析 报告日期： 实验五 主成分分析 实验题目 某公司对下属的20个厂，按5大经济指标考核统计，试作综合分析： 学生 X1(固定资产的产值率) X2(净产值的劳动生产率) X3(百元产值的流动资金 的占有率) X4(百元资产的利润率) X5(百元资金的利润率) 1 243.87 16521 6.46 34.57 149.85 2 240.31 8210 9.89 16.92 55.89 3 211.15 15349 10.09 29.77 80.13 4 413.18 16760 7.67 24.14 105.36 5 349.60 7721 6.47 16.27 99.41 6 205.47 8123 12.33 18.47 46.18 7 298.11 13308 5.05 27.35 138.76 8 414.94 13781 4.10 16.65 98.20 9 287.25 14043 4.23 17.67 58.35 10 303.93 11126 7.63 18.39 74.23 11 608.40 22392 2.94 24.56 223.37 12 433.92 12508 0.69 20.06 118.70 13 572.63 12102 2.76 12.08 110.43 14 533.78 11990 3.80 11.59 75.55 15 545.70 9678 3.55 9.46 61.19 16 284.61 6513 6.41 12.83 48.15 17 572.07 18664 2.31 17.76 162.11 18 409.86 7329 5.89 12.23 76.68 19 564.02 14911 4.93 28.50 233.58 20 221.20 6443 14.08 30.25 80.48 二、实验分析： (一) 主成分分析在SPSS 中的具体操作步骤： 1.Analyze →Data Reduction →Factor Analysis, 弹出 Factor Analysis 对话框 2.把X1～X10 选入Variables 框 3.Descriptives: Correlation Matrix 框组中选中Coefficients, 然后点击Continue, 返回Factor Analysis 对话框 4.点击“OK” （二）结果及其分析： SPSS 在调用Factor Analyze 过程进行分析时, SPSS 会自动对原始数据进行标准化处理, 所以在得到计算结果后的厂号都是指经过标准化处理后的厂号, 但SPSS 并不直接给出标准化后的数据, 如需要得到标准化数据, 则需调用Descriptives 过程进行计算。 表1　相关系数矩阵 x1 x2 x3 x4 x5 Correlation x1 1.000 .453 -.758 -.347 .559 x2 .453 1.000 -.462 .424 .725 x3 -.758 -.462 1.000 .355 -.425 x4 -.347 .424 .355 1.000 .500 x5 .559 .725 -.425 .500 1.000 分析：指标之间有一定的相关性, 是做主成分分析的前提条件. 从表2 来看, 前5个指标两两间有一定的相关性.x1与x3之间具有一定的相关性，及它们所含信息有重复交叉的，主成份分析的目的是希望能用少的个新的综合指标代替原有的五个指标，这些指标相互之间不再相关，而且尽可能保留原指标中包含的信息。 表3　厂号的共同度 Initial Extraction x1 1.000 .988 x2 1.000 .999 x3 1.000 .999 x4 1.000 .983 x5 1.000 .985 分析：共因子方差比均为1，厂号的共同度对所有厂号都极其的接近1，表明模型解释了厂号x1、x2、x3、x4、x5,98.8%,99.9%,99.9%,98.3%,98.5%的方差，而不需要特殊因数，即特殊因数的方差分别为：1.2%,0.1%,0.1%,1.7%,1.5%. 表2：相关系数阵的特征根和方差贡献率 Component Initial Eigenvalues Extraction S