数学建模讲座—主成分分析.pptVIP

主成分分析 研究对象： 多变量（多指标）问题； 目的： （1）用较少的变量来代替原来较多的变量，既保留原始数据大部分信息，又起到“降维”作用； （2）检验原始变量中是否有重叠信息。 计算方法 （1）计算原始变量的协方差阵∑或相关系数阵R； （2）求协方差阵或相关系数阵的特征值和特征向量； （3）将特征值从大到小进行排序，对应的特征向量进行施密特标准正交化； （4）施密特标准正交化后的第i个特征向量就是第i个主成分的系数 需要强调的是，从相关阵求得的主成分与协方差阵求得的主成分一般情况是不相同的。 如果各指标之间的数量级相差悬殊，特别是各指标有不同的物理量纲的话，较为合理的做法是使用R代替∑。 也就是说，如果各指标之间的数量级相差悬殊，特别是各指标有不同的物理量纲的话，需要对原始数据进行标准化。 一、主成分分析实例 表1是某市工业部门13个行业的8项重要经济指标的数据，这8项经济指标分别是： X1：年末固定资产净值，单位：万元； X2：职工人数据，单位：人； X3：工业总产值，单位：万元； X4：全员劳动生产率，单位：元/人年； X5：百元固定资产原值实现产值，单位：元； X6：资金利税率，单位：%； X7：标准燃料消费量，单位：吨； X8：能源利用效果，单位：万元/吨。 我们要考虑的是：如何从这些经济指标出发，对各工业部门进行综合评价与排序？ 可以尝试利用主成分分析！！ 我们要考虑的是：如何从这些经济指标出发，对各工业部门进行综合评价与排序？ 利用主成分分析，利用上面的方法可计算8个主成分的具体形式： 综合得分的计算公式是： 根据上式可计算出各工业部门的综合得分，并可据此排序。 从上表可以看出，机器行业在该地区的综合评价排在第一，原始数据也反映出机器行业存在明显的规模优势，另外从前两个主成分得分上看，该行业也排在第一位，同样存在效益优势；而排在最后三位的分别是皮革行业、电力行业和煤炭行业。 注：若第一主成分系数全为正值，也可以尝试只用第一主成分的得分来排序 利用SPSS进行主成分分析 在SPSS窗口中选择Analyze→Data Reduction→Factor菜单项，调出因子分析主界面，并将变量移入Variables框中，其他均保持系统默认选项，单击OK按钮。 Total列为各因子对应的特征根； % of Variance列为各因子的方差贡献率； Cumulative %列为各因子累积方差贡献率 一、利用以下指标对我国部分省市的工业企业的经济效益进行分析评价： 百元固定资产原值实现值；百元固定资产原值实现利税； 百元资金实现利税；百元工业总产值实现利税； 百元销售收入实现利税；每吨标准煤实现工业产值； 每千瓦时电力实现工业产值；全员劳动生产率； 百元流动资金实现产值。 分地区城镇居民家庭收支基本情况 一 主成分分析实例 二 利用SPSS进行主成分分析 表1 某市工业部门13个行业8项指标 表2 特征根和累计贡献率 表3 特征向量 表4 各行业主成分得分及排序