多元统计的应用主成分资料.ppt

主成分分析 多元统计分析中由于变量较多，增加了分析问题的复杂性。实际问题中，变量之间可能存在一定的相关性，因此，多变量中可能存在信息的重叠。人们希望通过克服相关性、重叠性，用较少的变量来代替原来较多的变量，而这种代替可以反映原来多个变量的大部分信息，这实际上是一种“降维”的思想。 一般说来，在主成分分析适用的场合，用较少的主成分就可以得到较多的信息量。以各个主成分为分量，就得到一个更低维的随机向量；因此，通过主成分既可以降低数据“维数”又保留了原数据的大部分信息。 主成分分析也称主分量分析，由Hotelling (1933)首先提出。由于多个变量之间往往存在着一定程度的相关性，希望通过线性组合的方式，从大量指标中尽可能快地提取信息。当第一个线性组合不能提取更多的信息时，再考虑用第二个线性组合继续这个快速提取的过程，……，直到所提取的信息与原指标相差不多时为止。 主成分分析的数学模型是，设p个变量构成的p维随机向量为X = （X1，…，Xp）′。对X作正交变换，令Y = T′X，其中T为正交阵，要求Y的各分量不相关，并且Y的第一个分量的方差是最大的，第二个分量的方差次之，…… 为了保持信息不丢失，Y的各分量方差和与X的各分量方差和相等。 主成分的数学推导 主成分的一般性质 主成分的方差贡献率 实际应用中主成分分析的出发点 主成分分析进行综合评价 对某个系统进行综合评价时会遇到如何选择评价指标体系, 如何对这些指标进行综合的困难。 一般情况下，选择评价指标体系后通过对各指标加权的办法来进行综合。但是，如何对指标加权是一项具有挑战性的工作。指标加权的依据是指标的重要性，指标在评价中的重要性判断带有一定的主观性，影响综合评价的客观性和准确性。 主成分分析能从选定的指标体系中归纳出大部分信息，据主成分提供的信息进行综合评价，不失一个可行的选择。 对主成分进行加权综合。我们利用主成分进行综合评价时，将原有的信息进行综合，因此，要充分利用原始变量提供的信息。将主成分的权数根据它们的方差贡献率来确定，因为方差贡献率反映了各个主成分的信息含量多少。 相关的R函数及实例 princomp princomp(formula, data = NULL, subset, na.action, ...) formula: 公式，data: 数据框 princomp(x, cor = FALSE, scores = TRUE, covmat = NULL, subset = rep(TRUE, nrow(as.matrix(x))), ...) x: 数据(矩阵或数据框), cor: 逻辑变量，true表示用样本相关矩阵R进分析, False(默认值)表示用样本协方差阵进行分析. predict(obj ect, newdata, ...) 预测主成分的值 loadings(x) 显示荷载因子矩阵 summary(object, …) screeplot(x, npcs = min(10, length(x$sdev)), type = c(“barplot”, “lines”), main = deparse(substitute(x)), ...) 画出碎石图 x: 由princomp()得到的对象， npcs:主成分个数， type碎石图的类型，直方图、直线图。 biplot(x, y, var.axes = TRUE, col, cex = rep(par(“cex”), 2), xlabs = NULL, ylabs = NULL, expand = 1, xlim = NULL, ylim = NULL, arrow.len = 0.1, main = NULL, sub = NULL, xlab = NULL, ylab = NULL, ...) 画出关于主成分的散点图和原坐标在主成分下的方向。 例1 某中学随机抽取年级30名学生，测量身高、体重、胸围和坐高，试对这30名学生身体4项指标数据作主成分分析 例2 考虑进口总额Y与国内生产总值X1, 存储量X2, 总消费量X3之间的关系，现有连续11年的数据。分别作经典线性回归和主成分回归。