主成分与因子.x详解.ppt

1 主 成 分 分 析 与 因 子 分 析 Principal Components Analysis Factor Analysis 安徽医科大学公共卫生学院 潘发明 2 主要内容： 第一节 主成分分析 第二节 因子分析 3 第一节 主成分分析 Principal Components Analysis 4 一、基本思想 数据的降维、数据的解释 将原来众多具有一定相关性的指标，组 合成一组新的相互无关的综合指标。 从中选取几个较少的综合指标尽可能多 的反映原来众多指标的信息。 这种既减少了指标的数目又抓住了主要矛 盾的做法有利于问题的分析和处理。 5 6 如何利用这些指标对每一儿童的生长发育 作出正确评价？ 仅用单一指标： 结论片面；难免带有偏性； 没有充分利用原有数据信息。 利用所有指标： 各指标评价的结论可能不一致，使综合 评价困难； 工作量大。 7 找出几个综合指标(长度、围度等)，这些综合指标是原始指标的线性组合，既保留了原始指标的信息，且互不相关，从而达到降维。 各综合指标提供的“信息”量大小用其方差来衡量。 衡量一个指标的好坏除了正确性与精确性外，还必须能充分反映个体间的变异，一 项指标在个体间的变异越大，提供的信息 量越多。 8 主成分的概念 例题 对几个儿童测量了身高（x1）、体重（x2）两个指标。显然x1与x2间是高度相关的，即身高包含了体重的信息，体重也同样包含了身高的信息。若以x1为横轴x2为纵轴作散点图，可以发现几个个体的散点分布在一条直线附近。 9 10 11 12 13 如何用SPSS软件中的菜单进行标准化转化？ 14 15 16 17 18 可依此类推，直到求出第m主成份。 19 20 （二）主成分的性质 21 22 主成分个数的选取 （1）前k个主成分的累积贡献率70%。 （2）主成分Ci的特征值i ≥ 1。 23 主成份分析的应用 主成分分析本身往往并不是目的，而是达到目的的一种手段。因此，它多用在大型研究项目的某个中间环节中。例如，把它用在多元回归中，便产生了主成分回归，这种回归具有一些优良性质。另外，它还可以用于聚类、判别分析等。这里主要介绍主成分评价和主成分回归。 24 25 实例 原始的数据库结构 26 原始数据标准化转化（消除度量衡不同的影响） 27 六个变量的标准化转化值自动保存在原始数据库中 28 各变量标准化值相关系数矩阵 29 由相关系数矩阵计算特征值，以及各个主成分的贡献率与累计贡献率 方差分析主成分提取表 初始因子载荷矩阵 30 主成分分析的结果 如何来判断 31 因为“Component Matrix”是指初始因子载荷矩阵, 每一个载荷量表示主成分与对应变量的相关系数。 用主成分载荷矩阵 中的数据除以主成分相对应的特征值开平方根便得到1个主成分中每个指标所对应的系数。将初始因子载荷矩阵中的1列数据输入( 可用复制粘贴的方法) 到数据编辑窗口( 为变量B1) , 然后利用“Transform→Compute Variable”, 在Compute Variable对话框中输入“A1=B1/SQR(4.417）。将得到的特征向量与标准化后的数据相乘, 然后就可以得出主成分表达式[注: 因本例只是为了说明如何在SPSS 进行主成分分析, 故在此不对提取的主成分进行命名, 有兴趣的读者可自行命名。 32 2.列出主成分表达式 C1=0.439*Z常识+0.440*Z算术+0.330*Z理解+0.305*Z填图+0.395*Z积木+0.436*Z译码 后根据主成分值排序进行综合评价 如果有多个主成分可以得到主成分综合模型 C=[∑（ 1 *C1 +2 *C2 …+… K *CK ）]/m(具体例题见PDF文件) 33 主成分分析的应用 1.对原始指标进行综合 以互不相关的较少个综合指标反应众多原 始指标提供的信息。 主成分回归(解决多元共线问题)。 2.对个体进行综合评价 34 3.进行探索性分析 利用因子载荷阵，找出影响各综合指标的 主要原始指标。 4.对样品进行分类 利用主成分得分对样品进行分类： C1为急性炎症成分 C2为慢性炎症成分 C3为癌变成分 35 主成分回归 36 37 38 39 40 主成分分析的正确应用 41 42 43 第二节 因子分析 Factor Analysis 44 一、因子分析基本思想 从分析多个可观测的原始指标的相关关系入手，找到支配这种相关关系的有限个不可观测的潜在变量。是多元分析中处理降维的一种统计方法(概念起源于20世纪初Ka