09主成分与因子解剖.pptVIP

因子得分的协差阵 Component Score Covariance Matrix Component 1 2 1 1.000 .000 2 .000 1.000 Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. 根据因子分析的数学模型，因子得分的协差阵应该是单位阵 11.2 主成分分析 Hotelling于1933年首先提出 主要思想 通过线性组合的方式从多个具有一定相关性的变量中尽可能快地提取信息 当一个线性组合不能提取更多的信息时，再考虑用第二个线性组合继续这个快速提取的过程，，直到所提取的信息与原指标相差不多时为止 优点 通过较少的主成分得到较多的信息量 与因子分析的区别 用各个变量的线性组合表示主成分，并非用因子表示变量 不需要类似于各个因子之间不相关等的假设条件 与因子分析的联系 都需要对指标进行正向化和标准化 都需要判断相关系数矩阵变量间的相关性 求特征值和特征向量 11.2.1 主成分分析的理论与方法 主成分分析的数学模型 主成分分析的几何意义 主成分分析的作用 主成分分析的求解步骤 主成分分析的数学模型 用原始数据矩阵的个变量作线性组合 用矩阵表示为：Y=UX 满足： 矩阵的每一行都