SAS主成分要点详解.docx

 HYPERLINK /xyilu/article/details/9569063 SAS主成分分析  分类：  HYPERLINK /xyilu/article/category/864219 数据之美 2013-07-28 20:18 2343人阅读  HYPERLINK /xyilu/article/details/9569063 \l comments 评论(0)  HYPERLINK javascript:void(0); \o 收藏 收藏  HYPERLINK /xyilu/article/details/9569063 \l report \o 举报 举报 目录 HYPERLINK /xyilu/article/details/9569063 \o 系统根据文章中H1到H6标签自动生成文章目录 (?) HYPERLINK /xyilu/article/details/9569063 \o 收起 [-]  HYPERLINK /xyilu/article/details/9569063 \l t0 主成分分析流程  HYPERLINK /xyilu/article/details/9569063 \l t1 SAS主成分分析示例  HYPERLINK /xyilu/article/details/9569063 \l t2 SAS主成分分析输出结果详解  HYPERLINK /xyilu/article/details/9569063 \l t3 特征值和特征向量隐藏的秘密  HYPERLINK /xyilu/article/details/9569063 \l t4 总结  HYPERLINK /xyilu/article/details/9569063 \l t5 参考文献 同事讲主成分分析，举了这么个例子：就像你选女人，有身材、相貌两个指标，如果身材、相貌都很突出，那当然很好选择；但如果两个女人，一个身材突出，一个相貌出众，看着都很喜欢，那可如何是好！这个时候通过主成分分析，汇总出一个指标，这个指标可以一定程度上代替原来的身材、相貌，这时就可以排序做出选择了。 这例子当然有很多缺陷，但至少指出了主成分分析的目的之一：减少决策变量数，也就是降维。主成分分析的另一个目的是防范多重共线性。实际问题往往涉及很多变量，但某些变量之间会有一定的相关性，我们希望构造较少的几个互不相关的新指标来代替原始变量，去除多重共线性，减少所需分析的变量，同时尽可能减少这一过程的信息损失。主成分分析正是基于这样的目的而产生的有效方法。 主成分分析流程 主成分分析包含以下流程： 1、原始数据标准化。 2、计算标准化变量间的相关系数矩阵。 3、计算相关系数矩阵的特征值和特征向量。 4、计算主成分变量值。 5、统计结果分析，提取所需的主成分。 SAS主成分分析示例 我们从实战入手，先来个简单的例子，完整体验使用SAS进行主成分分析的过程。准备好图1所示的数据集，该数据集包含5个变量和22个观测。其中变量num用于标识每条观测。 图1 可以直接复制下面的程序完成输入： data?Practice.PCA_Demo; ???????????input?num var1 var2 var3 var4; ???????????cards; ??????????1????????21??????10.7???99.7???9.5 ??????????2????????9.5?????17.9???139.6??18.7 ??????????3????????21.2???8.4?????90??????6.8 ??????????4????????12??????22.7???42.5???24.1 ??????????5????????6.8?????21.2???55.2???22.4 ??????????6????????8.2?????22.4???55.6???22.6 ??????????7????????3.6?????29.2???68.3???26.7 ??????????8????????19.5???15.2???18.8???17.4 ??????????9????????24.8???5.4?????43.7???2.9 ??????????10??????8.4?????18.6???146.2??19.7 ??????????11??????28.9???4.4?????4.9?????1.1 ??????????12??????19.5???15.1???10.2???18.5 ??????????13??????28.3???4.7???