数据分析(第二版) 范金城 梅长林 第4章 主成分分析与因子分析新.pptVIP

第4章 主成分分析与因子分析 4.1 主成分分析 4.1.1 引言 实际问题中涉及众多变量,但变量较多且有相互性,主成分分析用为数较小的互不相关的新变量反映原变量所提供的绝大部分信息.主成分分析是降维的思想下产生的处理高维数据的方法. 分析二元变量 次观测 其散布图近似为椭圆,其点分布在椭圆长轴附近.旋转的坐标变换,转角为: 反映了在彼此不相关的两个方向上的分散性. 相应变量 分别称 和 的第一和第二主成分.数据在 方向上分散性比较小,因而用一元数据 反映二元数据的绝大部分信息.即可用 的分布近似代替 的分布情况. 解 (1) 由 PROC PRINCOMP 过程,从样本相关矩阵 出发进行主成分分析. 样本相关矩阵 X1 X2 X3 X4 X5 X6 X7 X8 X1 1.0000 0.7627 0.7076 0.6428 0.5962 0.5443 0.6218 0.7729 X2 0.7627 1.0000 0.5534 0.5143 0.5154 0.4689 0.7356 0.7121 X3 0.7076 0.5534 1.0000 0.9879 0.9776 0.9741 0.6828 0.7802 X4 0.6428 0.5143 0.9879 1.0000 0.9807 0.9798 0.6974 0.7731 X5 0.5962 0.5154 0.9776 0.9807 1.0000 0.9923 0.6266 0.7872 X6 0.5443 0.4689 0.9741 0.9798 0.9923 1.0000 0.6303 0.7245 X7 0.6218 0.7356 0.6828 0.6974 0.6266 0.6303 1.0000 0.6220 X8 0.7729 0.7121 0.7802 0.7731 0.7872 0.7245 0.6220 1.0000 4.2.2 因子模型 1.正交因子模型 是可观测的随机向量, 不可观测随机向量, 又设 与 互不相关,且 设 满足 即 称正交因子模型. 称 的公共因子, 称 的特殊因子. 是待估系数矩阵,称因子载荷矩阵. 称第 个变量在第 个因子上的载荷(因子载荷). 解 由 PROC FACTOR 过程,算得样本相关矩阵的 特征值勤及累计贡献率如下: Eigenvalues of the Correlation Matrix: Total = 3 Average = 1 Eigenvalues Difference Proportion Cumulative 1 2 1 0.7634 0.7634 2