主成分原理要点分析.ppt

一项十分著名的工作是美国的统计学家斯通(Stone)在1947年关于国民经济的研究。他曾利用美国1929～1938年各年的数据，得到了17个反映国民收入与支出的变量要素，例如雇主补贴、消费资料和生产资料、纯公共支出、净增库存、股息、利息外贸平衡等等。 在进行主成分分析后，竟以97.4％的精度，用3个新变量就取代了原17个变量。根据经济学知识，斯通给这三个新变量分别命名为总收入F1、总收入变化率F2和经济发展或衰退趋势F3。更有意思的是，这三个变量其实都是可以直接测量的。斯通将他得到的主成分与实际测量的总收入I、总收入变化率?I以及时间t因素做相关分析，得到下表： 3. 主成分分析方法应用实例 相关系数矩阵 特征值及主成分贡献率和累计贡献率 若主成分是由原始数据计算的，则计算主成分时，代原始数据。若主成分是由标准化数据计算，则计算主成分得分时，一定要代标准化数据，否则会出现错误。 如果原始变量都本质上独立，那么降维就可能失败，这是因为很难把很多独立变量用少数综合的变量概括。 　　　　相关系数矩阵表 ? ? ? ? ? ? ? ? 1.000 ? ? ? ? ? ? ? 1.000 0.799 ? ? ? ? ? ? 1.000 0.164 0.158 ? ? ? ? ? 1.000 0.170 0.181 0.071 ? ? ? ? 1.000 0.16