基于R软件的主分析.doc

软件第二次作业 ——基于软件的主成分分析 学院：应用科学学院 班级：统计11-1 姓名：范佳琦 学号：1107060104 主成分分析基本原理 设对于某个问题的研究涉及到个指标，分别用表示，这个指标构成的维随机向量设为，对进行线性变换，可以通过线性组合的方式形成新的综合变量，这里用表示。新的综合变量和原来变量之间的关系可以用下面的公式表示： 上式中的线性组合可以是任意的，由不同的线性变换得到的综合变量的统计特征也是不一样的。为了使综合变量可以比较好的描述原变量的特征，应该要让的方差尽可能的大，并且之间相互独立。 为此，上式要满足以下的约束： ； 和互不相关； 是所有满足约束1的线性组合中方差最大的，是线性组合中方差第二大的，其他的依次类推。 以上三条约束确定的分别为称为原始变量的第一，第二，…，第个主成分。各主成分对变量的总方差贡献率的大小不同，在实际的研究过程中，一般挑选前面几个方差最大的主成分（累计方差贡献率在80%到90%之间）来分析问题，从而达到降低问题复杂程度，抓住主要矛盾矛盾的目的。 二、主成分分析过程 一般而言，用主成分分析对问题进行分析时，主要包括以下的基本过程: 为了消除不同变量在数量级和量纲上的差异，将收集的原始数据进行标准化； 求标准化后数据的相关矩阵； 求相关矩阵的特征值和特征向量； 根据特征值计算方差贡献率大于80%的原则，确定主成分为； 构建综合评价函数，其数学形式为： 根据综合评价函数计算总得分，然后排序并评价。 三、R在主成分分析中的应用 为了说明R软件是如何应用于因子分析中的，现以2004年城市综合发展水平为例。首先收集能反映我国2008年城市综合发展水平的12个指标和数据，这些指标分包括8个社会经济指标：非农业人口数（万人）（），工业总产值（万元）（），货运总量（万吨）（），批发零售住宿餐饮业从业人数（万人）（），地方政府预算内收入（万元）（），城乡居民年底储蓄余额（万元）（），在岗职工人数（万人）（），在岗职工工资总额（万元）（），4个城市公共设施水平的指标：人均居住面积（平方米）（），每万人拥有公共汽车数（辆）（），人均拥有铺装道路面积（平方米）（），人均公共绿地面积（平方米）（）。 为了让R软件可以顺利读取数据，先将原数据整理到文本文档中，保存，并命名为sj。打开R软件，在其命令板中输入下列的命令： sj-read.table(sj.txt) #读取数据 names(sj)=c(非农业人口数,工业总产值,货运总量,批发零售住宿餐饮业从业人数,地方政府预算内收入,城乡居民年底储蓄余额,在岗职工人数,在岗职工工资总额,人均居住面积,每万人拥有公共汽车数,人均拥有铺装道路面积,人均公共绿地面积) sjt-scale(sj)#将数据进行标准化 door=cor(sjt)#求相关矩阵 dcor#输出的结果不是很清晰，故我们对结果做改善 symnum(dcor)#改善相关矩阵的结果 \xb7 \xb9 \xbb \xc5 \xb5 \xb3 在岗职工\xc8 非农业人口数 1 工业总产值 , 1 货运总量 + , 1 批发零售住宿餐饮业从业人数 , . . 1 地方政府预算内收入 , * + , 1 城乡居民年底储蓄余额 . . . + . 1 在岗职工人数 , , , , 1 在岗职工工资总额 + , ,