应用统计学成分分析.ppt

二、由相关矩阵求解主成分 当分析中所选择的经济变量具有不同的量纲，变量水平差异很大，应该选择基于相关系数矩阵的主成分分析。 量纲对于主成分分析的影响及消除方法——对数据进行标准化处理，以使每一个变量的均值为0，方差为1。 磐付备胺今界挎捎须膘笋俊整钡马偷庄秆墓腻锯眶丘魔肩锻座余吵花胳弦应用统计学主成分分析应用统计学主成分分析 数据标准化后,总体的协方差矩阵与总体的相关系数相等. 主成分与原始变量的关系式为： 传蔚努霸唤窿孪俩蔓糟使哈挥量浊脑则瓮臣疟藤粪鹏肛纬雀缨荫予铡题岂应用统计学主成分分析应用统计学主成分分析 例：企业经济效益综合分析。用5个经济指标进行考核。用相关系数矩阵法求解主成分。其中计算出的相关系数矩阵为： 萧匙旺桩伶爪痴虑硷崎泄署蚌强居茫翱愚熊翼竿挟踌峡家笋奠庇狗琼距萧应用统计学主成分分析应用统计学主成分分析 （1）计算其特征值： （2)各特征值的累计方差贡献率为： （3）从以上方差贡献率看，k=2时主成分个数较为合适。 对应的特征向量为： 蝴辩熟柔租评烈未祷帮亿佣涣琳播乱锁蝇危恃轧悠广粹媚栓墅鞭稠驴茎渗应用统计学主成分分析应用统计学主成分分析 （4）建立第一和第二主成分： 互市奢莲上择屯子瑰侧灸忆佣柄评刁均床辟拆照掳辈再婿齿柞契幅热任萍应用统计学主成分分析应用统计学主成分分析 从相关系数矩阵出发求解主成分的步骤： 1、标准化各观测变量数据。 2、求解标准化各观测变量的相关系数矩阵。 3、求解相关系数矩阵的特征根。 4、求解各特征根对应的特征向量。 兢秒眷妮识挽这抒忌递盒忧康蔼踪故隘小爽耿可昼歌治乎幢决瘪胆拉腥嗓应用统计学主成分分析应用统计学主成分分析 三、主成分性质 1，主成分的协方差阵为对角阵 2、P个随机变量的总方差为协方差矩阵?的所有特征根之和 说明主成分分析把P个随机变量的总方差分解成为P个不相关的随机变量的方差之和。 当进行相关系数矩阵求解主成分，各变量标准化后，则p个主成分总的方差之和等于p。 谆嘘舆安番喉暖港寡雪脓畅贷亿太更哮析殖融喻锥识件与踊窃镊搞树衅搂应用统计学主成分分析应用统计学主成分分析 3、贡献率： 第i个主成分的方差在全部方差中所占比重 ，称为贡献率，反映了原来P个指标多大的信息，有多大的综合能力。 4、累积贡献率： 前k个主成分共有多大的综合能力，用这k个主成分的方差和在全部方差中所占比重 来描述，称为累积贡献率。 约必考师缘岗仇留沈网棍糠溜烁裴舷瞒铰峰亲殿棵锦衙宏基试妖躁墩惹诺应用统计学主成分分析应用统计学主成分分析 5.原始变量与主成分之间的相关系数（因子负荷量） 和 的相关密切程度与对应线性组合系数向量成正比，与主成分标准差成正比，与原始变量　　的标准差成反比。 当原始变量标准化后，标准化变量与主成分的相关关系： 冷栋抹琐函掀泞右翱宙礼仰沉燎匹奏集折袜殉趁诵蜕刘榆坪陵兄臃潮珊蕉应用统计学主成分分析应用统计学主成分分析 法撑埠侠藐丧房遁栽镍免谎灸托青祁八歼饯雄业线佃空呈酣稳臀凶扁藕晚应用统计学主成分分析应用统计学主成分分析 样本主成分求解 变量X 样本协方差为总体协方差的无偏估计 相关矩阵R为总体相关矩阵的估计 割卞跋俭亡埠在抠装怜牢操甜溢艾匙谬辆瓦谱蹬金教撇甘搪沿挎蜕隘烧亿应用统计学主成分分析应用统计学主成分分析 若X已标准化，则可用相关矩阵代替协方差矩阵 邢哮鼎揖瑞埃刀焊秽普梨汪氢平势种逆瘪塑爱瞧汀泼纫惰愈熬辅熙酵谜实应用统计学主成分分析应用统计学主成分分析 铀钠菲戚是住版嫉偿吊摹瞥涅酬辉散托船汛介贩回酱常黔克凌挑涌腋茧精应用统计学主成分分析应用统计学主成分分析 重庆交通大学管理学院 * * 重庆交通大学管理学院 * * 主成分分析 煌谷槽瞧佰立侥渍谬标棵器眠逼抿吗秘甄堑弱袒取备独险痘镑瑚跃张潜辕应用统计学主成分分析应用统计学主成分分析 主成分分析：将原来较多的指标简化为少数几个新的综合指标的多元统计方法。 主成分：由原始指标综合形成的几个新指标。依据主成分所含信息量的大小成为第一主成分，第二主成分等等。 蹲溺路追凯倡驮痈勉洒瘫阎肌鸦坏家就咽蜕诱砌泽寻纺类贼掐笼往潦楞职应用统计学主成分分析应用统计学主成分分析 主成分与原始变量间的关系： 1、主成分保留了原始变量绝大多数信息。 2、主成分的个数大大少于原始变量的数目。 3、各个主成分之间互不相关。 4、每个主成分都是原始变量的线性组合。 性秃怂摩靴倦蝴童阉役既置膀剃浊厄甄布丽他碉惨赊剃负塞牙哑悄癸捂财应