第六章主成分技术报告.ppt

PRINCOMP过程由相关阵出发进行主成分分析. 由相关阵的特征值可以看出，第一主成分的贡献率已高达88.53%；且前二个主成分的累计贡献率已达96.36%.因此只须用两个主成分就能很好地概括这组数据. 另由第三和四个特征值近似为0，可以得出这4个标准化后的身体指标变量(Xi*,i=1,2,3,4)有近似的线性关系(即所谓共线性),如  0.505747 X1* -0.690844 X2* +0.461488 X3* -0.232343 X4*≈c(常数). 由最大的两个特征值对应的特征向量可以写出第一和第二主成分： Z1=-0.4970 X1*-0.5146 X2*-0.4809 X3* -0.5069 X4* Z2=0.5432 X1* -0.2102 X2*-0.7246 X3*+0.3683X4* 第一和第二主成分都是标准化后变Xi*(i=1,2,3,4)的线性组合，且组合系数就是特征向量的分量. 利用特征向量各分量的值可以对各主成分进行解释. 第一大特征值对应的第一个特征向量的各个分量值均在0.5附近,它反映学生身材的魁梧程度.身体高大的学生,他的4个部位的尺寸都比较大;而身体矮小的学生,他的4个部位的尺寸都比较小.因此我们称第一主成分为大小因子. 第二大特征值对应的特征向量中第一(即身高X1的系数)和第四个分量(即坐高X4的系数)为正值,而第二(即体重X2的系数)和第三个分量(即胸围X3的系数)为负值,它反映学生的胖瘦情况,故称第二主成分为胖瘦因子. ###各样本的主成分的值 predict(student.pr) Comp.1 Comp.2 Comp.3 Comp.4 [1,] 0-0-0-0.266120139 [2,] 1-0 0-0.118056646 [3,] -2 0-0-0.279482487 [4,] 0 0-0-0.162949298 [5,] -2 0 0 0.358653044 [6,] 2 0 0-0.036456084 [7,] -1-0 0-0.044223092 [8,] -0-0-0 0.057288572 [9,] -0-0-0 0.181037746 [10,] 2-0 0 0.045520127 [11,] 2 0 0-0.031146930 [12,] -2 0-0 0.210157574 [13,] -2-0-0-0.162987830 [14,] 1 0 0-0.358821916 [15,] 2-0-0-0.222035112 [16,] 0 0 0 0.703533624 [17,] -1-1-0 0.007551879 [18,] 1-0 0 0.048606680 [19,] -2 0 0-0.390667991 [20,] -2 0 0 0.129548960 [21,] -0 0 0-0.294140762 [22,] 0-0-0 0.080