SAS培训教程文件.pptVIP

第十三章 多元分析 13.1 简介 13.2 主成分分析过程 1.主成分定义 在实际问题中，会遇到多个变量之间存在一定的相关性的情况。 希望用少数几个变量来代替原有的多个变量，要求 尽可能多地反映原变量的信息 彼此之间互不相关 可看作一种数据降维方法 方法：主成分分析/主分量分析 综合后的新指标：主成分/主分量 设总体 X = ( X1 X2 … Xp)? 是一个p维向量，其二阶距存在，记 Var( X )=?， 则称 X 的分量的线性组合Yj = lj ? X 为X的第 j 个主成分,它应满足如下要求： 在 lj ?lj = 1 lj ?? li = 0 , i=1,2,…,j-1 的条件下使 Var( Yj )=? lj ?? lj j=1,2,…,p 达到最大。 实际中，需用样本统计量估计总体参数： 设来自总体X的容量为n的样本观测向量为 x1, x2 , … xn ， 其中 x1 =( xi1 xi2 … xin )?， i=1,2,…,n np 将样本协方差阵 S 作为? 的估计， 此时求得的是样本主成分。 不是一般性，可假定 样本的每一个分量均已标准化了 样本的均值向量为0 此时样本协方差阵 S 即为样本的相关系数阵R。 2. PRINCOMP过程步的格式 PROC PRINCOMP 选项; VAR 变量名列; PARTIAL 变量名列; BY 变量名列; /*指出分组变量*/ FREQ 变量名; /*指出频数变量*/ WEIGHT 变量名; /*指出权重变量*/ 3. PRINCOMP过程的功能 完成主成分分析。 计算相关阵或协差阵的特征值和特征向量，当特征值按从大到小排列时，由相应特征向量可得到第一主成分、第二主成分等。 用少数几个主成分代替原始变量，并计算主成分得分； 由得分数据可以画主成分得分的散点图。 计算结果： 简单统计量（均值、标准差等） 相关阵或协差阵 从大到小排列的特征值和特征向量 每个主成分解释的方差比例，累计比例等 输出数据集： 包含原始数据和主成分得分，可作为主成分回归或聚类分析的输入数据集 包含有关统计量的数据集 可用来揭示变量间的共线关系：若存在某个特征值=0； 可进行基于偏相关阵或偏协差阵的主成分分析 用户可规定下列内容： 主成分的个数 主成分的名字 主成分得分是否标准化 4.说明 （1）PROC PRINCOMP语句 PROC PRINCOMP 选项; 启动PRINCOMP过程； 识别输入输出数据集； 规定分析的细节； 限制打印输出 选项： 1）规定数据集 DATA=数据集名：指出被分析的数据集， 可以是原始数据集 也可以是TYPE=CORR,COV,FACTOR,SSCP,UCORR, UCOV的数据集 OUT=数据集名：指定一个包含原始数据和主成分得分的输出数据集。 OUTSTAT=数据集名：指定一个包含均值、标准差、观测个数、相关阵或协差阵、特征值和特征向量的输出数据集。 2）规定分析细节 COVARIANCE | COV：要求从协差阵出发计算主成分， 系统默认选项：从相关阵出发计算主成分。 COV选项：将使得方差大（小）的变量同具有大（小）特征值的成分有更密切的联系； 适用于：变量的测量单位是可比较的，或变量已用某些方法标准化。 N=number：指定被计算的主成分个数， 系统默认值：原变量个数 要求：number0 且是整数 NOINT：在模型中不使用截距项，即协差阵或相关阵不对均值作修正。 PREFIX=name：指定主成分名字的前缀 系统默认值：PRIN1 , PRIN2 , … , PRINn 前缀字符个数+数字位数≤8 STANDARD | STD：要求在OUT=的数据集里把主成分得分标准化为单位方差。 缺省值：主成分得分的方差等于相应的特征值。 VARDEF = DF | N | WEIGHT | WGT | WDF：指定计算方差和协方差的除数。 缺省值：VARDEF=DF。 SINGULAR|SING = p：指定奇异性准则。 PARTIAL语句中的某变量，当它由之前的变量预测时的R2像1- p 这样大时，则指定该变量的标准化系数为0。 缺省值：1E-8。 0 p 1 3）限制输出 NOPRINT：不输出计算结果 （2）VAR语句 VAR 变量名列; 列出要分析的数值变量的名字。 缺省