多元统计第四章第二部分课件.ppt

例4 在制定服装标准的过程中，对128名成年男子的身材进行了测量，每人测得的指标中含有这样六项：身高（x1）、坐高（x2） 、胸围（x3） 、手臂长（x4） 、肋围（x5）和腰围（x6） 。所得样本相关矩阵列于表1。 x1 x2 x3 x4 x5 x6 x1 1.000 x2 0.79 1.000 x3 0.36 0.31 1.000 x4 0.76 0.55 0.35 1.000 x5 0.25 0.17 0.64 0.16 1.000 x6 0.51 0.35 0.58 0.38 0.63 1.000 表1 男子身材六项指标的样本相关矩阵 经计算，相关阵 的前三个特征值、相应的特征向量以及贡献率列于表2。 表2 的前三个特征值、特征向量以及贡献率 特征向量 ：身高 0.469 ?0.365 0.092 ：坐高 0.404 ?0.397 0.613 ：胸围 0.394 0.397 ?0.279 ：手臂长 0.408 ?0.365 ?0.705 ：肋围 0.337 0.569 0.164 ：腰围 0.427 0.308 0.119 特征值 3.287 1.406 0.459 贡献率 0.548 0.234 0.077 累计贡献率 0.548 0.782 0.859 前三个主成分分别为 从表2中可以看到，前两个主成分的累计贡献率已达78.2％，前三个主成分的累计贡献率达85.9％，因此可以考虑只取前面两个或三个主成分，它们能够很好地概括原始变量。 第一主成分 对所有（标准化）原始变量都有近似相等的正载荷，故称第一主成分为（身材）大小成分。 第二主成分 在 上有中等程度的正载荷，而在 上有中等程度的负载荷，称第二主成分为形状成分（或胖瘦成分）。 第三主成分 在 上有大的正载荷，在 上有大的负载荷，而在其余变量上的载荷都较小，可称第三主成分为臂长成分。 由于第三主成分的贡献率不高（7.65％）且实际意义也不太重要，因此我们一般可考虑取前两个主成分。 由于 非常小，所以存在共线性关系： 例5 如下八项男子径赛运动记录： x1：100米（秒） x5：1500米（分） x2：200米（秒） x6：5000米（分） x3：400米（秒） x7：10000米（分） x4 ：800米（秒） x8：马拉松（分） 表3 八项男子径赛运动记录的样本相关矩阵 x1 x2 x3 x4 x5 x6 x7 x8 x1 1.000 x2 0.923 1.000 x3 0.841 0.851 1.000 x4 0.756 0.807 0.870 1.000 x5 0.700 0.775 0.835 0.918 1.000 x6 0.619 0.695 0.779 0.864 0.928 1.000 x7 0.633 0.697 0.787 0.869 0.935 0.975 1.000 x8 0.520 0.596 0.705 0.806 0.866 0.932 0.943 1.000 表4 的前三个特征值、特征向量以及贡献率 特征向量 ：100米 0.318 0.567 0.332 ：200米 0.337 0.462 0.361 ：400米 0.356 0.248 ?0.560 ：800米 0.369 0.012 ?0.532 ：1500米 0.373 ?0.140 ?0.153 ：5000米 0.364 ?0.312 0.190 ：10000米 0.367 ?0.307 0.182 ：马拉松 0.342 ?0.439 0.263 特征值 6.622 0.878 0.159 贡献率 0.828 0.110 0.020 累计贡献率 0.828 0.937 0.957 例6 对数据的相关矩阵进行主成分分析。经计算，x1,x2, ?,x8的样本相关矩阵 列于表5。 的前三个特征值、特征向量以及贡献率列于表6。 表5 消费性支出八个变量的样本相关矩阵 x1 x2 x3 x4 x5 x6 x7 x8 x1 1.000 x2 0.247 1.000 x3 0.698 0.258 1.000 x4 0.468 0.423 0.621 1.000 x5 0.828 0.086 0.585 0.531 1.000 x6 0.769 0.255 0.856 0.684 0.708 1.000 x7 0.670 ?0.201 0.569 0.314 0.800 0.647 1.000 x8 0.877 0.349 0.6