实验报告主成分分析.pdfVIP

多元统计分析实验报告——刘晓丽 实验三 主成分分析 实验要求： 选取一组有意义的P 维数据，利用SAS 的“交互数据分析”对P 维变量进行主成分分析， 并选择主成分进行排序与分类。 要求说明：1）主成分选择原理；2 ）所选择主成分的表达式；3 ）最后的排序与分类结 果。 实验目的： 学会利用SAS 统计软件的“交互数据分析”窗口，完成主成分的分析过程，并利用主成 分分析方法按一定的原则进行综合评价或分类。 实验过程与结果分析： 我们仍对实验一的数据集 chengshi （2006 年各省市主要城市建设水平指标年度统计数 据）进行主成分分析。实验结果如图1 至图6 所示。 图1 单变量的均值与方差 图2 相关系数阵 图3 相关系数阵的特征值 多元统计分析实验报告——刘晓丽 图4 相关系数阵的特征向量 图5 第一和第二主成分构成的散点图 实验结果分析： （1） 由图3 可以看出：第一个主成分的贡献率是0.3552，第二个主成分的贡献率是0.2580， 第三主成分的贡献率为0.1966。前三个主成分的贡献率累积已达到80.99%，故保留 前三个主成分即可； （2） 由图4 和图1 得到前三个主成分的表达式分别为： x 85.1348 x 75.8532 x 9.6271 y 1 0.497078 1 0.621953 2 0.415562 3 10.1198 12.3786 3.7368 x 10.9268 x 7.9197 x 3.1681 0.245906  4 0.359273 5 0.062034  6 ; 2.9032 1.5496 1.6535 x 85.1348 x 75.8532 x 9.6271 y 2 0.461656 1 0.220371 2 0.103249 3 10.1198 12.3786 3.7368 x 10.9268 x 7.9197 x 3.1681 0.596759  4 0.540873 5 0.281043 6 ; 2.9032 1.5496 1.6535 x 85.1348 x 75.8532 x 9.6271 y 3 0.100467 1 0.049705 2 0.527140 3 10.1198 12.3786 3.7368 x 10.9268