3主成分分析.docxVIP

主成分分析 在企业经济效益的评价中，设计的指标往往很多，为了简化系统结构，抓住经济效益中的主要问题，我们可由原始数据矩阵出发求主成分。 在对我国部分省，直辖市，自治区独立核算的工业企业的经济效益评价中，涉及9项指标，即样品数n=28,变量数p=9。（数据来源例5—2） 实验步骤： 1.先对原始数据在spss中进行标准化，讲标准化后的数据在进行主成分分析。 解释的总方差 成份 初始特征值 提取平方和载入 合计 方差的 % 累积 % 合计 方差的 % 累积 % 1 6.150 68.332 68.332 6.150 68.332 68.332 2 1.473 16.365 84.698 1.473 16.365 84.698 3 .697 7.749 92.447 4 .318 3.531 95.978 5 .190 2.112 98.090 6 .116 1.289 99.379 7 .029 .324 99.703 8 .024 .270 99.973 9 .002 .027 100.000 提取方法：主成份分析。 由输出结果可看出，前两个主成分y1,y2的方差和占全部方差的比例为84.7%。我们选取y1为第一主成分，y2为第二主成分，且这两个 主成分的方差和占全部方差的84.7%，基本上保留了原来指标的信息，这样由原来的9个指标转化为2个新的指标，起到了降维的作用。 相关矩阵 x1 x2 x3 x4 x5 x6 x7 x8 x9 相关 x1 1.000 .869 .770 -.053 .211 .920 .899 .795 .896 x2 .869 1.000 .978 .387 .472 .886 .804 .814 .849 x3 .770 .978 1.000 .523 .531 .797 .736 .740 .811 x4 -.053 .387 .523 1.000 .323 .115 -.023 .125 .051 x5 .211 .472 .531 .323 1.000 .175 .260 .371 .317 x6 .920 .886 .797 .115 .175 1.000 .877 .815 .768 x7 .899 .804 .736 -.023 .260 .877 1.000 .757 .818 x8 .795 .814 .740 .125 .371 .815 .757 1.000 .715 x9 .896 .849 .811 .051 .317 .768 .818 .715 1.000 成份矩阵a 成份 1 2 x1 .931 -.315 x2 .976 .163 x3 .931 .322 x4 .232 .863 x5 .433 .596 x6 .923 -.200 x7 .897 -.274 x8 .871 -.064 x9 .899 -.154 提取方法 :主成份。 a. 已提取了 2 个成份。 由上表得到前两个主成分y1,y2的线性组合为：y1=0.375415x1+0.393561x2+0.375415x3+0.093551x4+0.174602x5+0.37219x6+0.361705x7+0.351221x8+0.362512x9 y2=-0.25954x1+0.134303x2+0.265311x3+0.711065x4+0.491072x5-0.16479x6-0.22576x7-0.05273x8-0.12689x9 上面式子中的x1.x2.x3.x4.x5.x6.x7.x8.x9均表示为对原始变量标准化后的变量。 实验数据中有9个指标，这9个指标有很强的依赖性，通过主成分计算后，选择了两个主成分，这两个主成分具有明显的经济意义，第一主成分的线性组合除了百元工业总产值实现利税和百元销售收入实现利税外，其余变量的系数相当，所以第一主成分可看成x1,x2,x3,x6,x7,x8,x9的综合变量。可以解释为第一主成分反映了工业生产中投入的资金，劳动力所产生的效果，它是投入与产出之比。第一主成分所占信息总量为68.3%.第二主成分是把工业生产中所得总量与局部量进行比较，反映了产出对国家所作的贡献。这样，在抓住企业经济效益活动中，就应注重投入与产出对国家的贡献。 为了分析各样品在主成分所反映的经济效益方面的情况，所以将标准化后的原始数据代人主成分表达式中计算出各样品的主成分得分。如下图： 样品号 第一主成分得分 第二主成分得分 1 2.8162398 2.4257421 2 3.73583 0.5364829 3 -0.486829 -0.097749 4 -2.02199 0.3845751 5 -2.976295 -0.732496 6 -0.418013 1.2676456 7