SPSS判别和主成分因子分析方法.doc

判别和主成份/因子分析上机作业 1、（1）首先将原始数据进行标准化处理，计算协方差矩阵： C1 C2 C3 C4 C1 1 C2 0.73091 1 C3 0.41627 0.25082 1 C4 0.48229 0.72402 0.39555 1 其次，由协方差矩阵计算特征值，以及各个主成分的贡献率和累计贡献率： 主成分 特征值 贡献率% 累积贡献率% C1 2.5381 63.5 63.5 C2 0.7978 19.9 83.4 C3 0.5174 12.9 96.3 C4 0.1468 3.7 100 主成分数的确定： 第2的主成分的累积贡献率已高达83.4%； 第1主成分的特征根大于1，第2主成分的特征根接近于1，故只需求出第1与第2主成分Z1，Z2即可。最终保留2个主成分经济增长率和非国有化水平。 (2)首先计算各变量的平均值与标准差； 变量 C1 C2 C3 C4 平均值 13.46 52.013 14.9117 64.579 标准差 3.91642 19.6285 15.4085 10.9591 其次求得特征向量： 变量 PC1 PC2 C1 0.529 -0.070 C2 0.558 -0.410 C3 0.369 0.901 C4 0.523 -0.127 由此得出主成分： Y1=0.529*x11-0.558*x22-0.369x33+0.523x44 Y2=-0.07*x11-0.41*x22+0.901x33-0.127x44 主成分系数为： X11=(x1-13.46)/3.91642 X22=(x2-52.013)/19.6285 X33=(x3-14.9117)/15.4085 X44=(x4-64.597)/10.9591 所以得出主成分表达式为： Y1=0.1314x1-0.0278x2-0.0232x3-0.0472x4-6.6040 Y2=-0.0174x1-0.0204x2-0.0566x3-0.0114x4+1.1901 （3）计算各变量在主成分Z1，Z2上的载荷 Z1 Z2 对前三个成分的贡献 C1 0.529 -0.07 0.2847 C2 0.558 -0.41 0.4795 C3 0.369 0.901 0.1523 C4 0.523 -0.127 0.2897 第1主成分与C1，C2，C3，C4均呈较强正相关，因此可认为第1主成分Z1是地区经济增长差异代表。 第2主成分与C3呈较强正相关，与C1，C2，C4呈较强负相关，因此可认为第2主成分Z2代表了开放度。 由两个主成分Z1与Z2代替原4个变量描述地区经济增长差异，可以使问题进一步简化、明了。 （4）对上述两个主成分进行判别分析，得到费歇尔判别方程为： 主成分1：Y=1.812*x1-0.337*x2-0.058*x3+1.38*x4-54.567 主成分2：Y=1.:669 *x1-0.337*x2-0.119*x3+1.188*x4-36.746 Classification Function Coefficients VAR00006 1 2 x1 1.812 1.669 x2 -.337 -.377 x3 -.058 -.119 x4 1.380 1.188 (Constant) -54.567 -36.746 Fishers linear discriminant functions 交叉验证下，总的错判率为11.9%，其中主成分1的错判率为50%，主成分2的错判率为6.2%。 Classification Resultsa VAR00006 Predicted Group Membership Total 1 2 Original Count 1 1 1 2 2 1 15 16 % 1 50.0 50.0 100.0 2 6.2 93.8 100.0 a. 88.9% of original grouped cases correctly classified. 2、解答： （1）首先将原始数据标准化，进行协方差分析： C5 C6 C7 C8 C5 1.00000 C6 -0.06039 1.00000 C7 0.99161 -0.06807 1.00000 C8 0.2467 0.95075 0.23686 1.00000 其次，计算各主成分特征值、贡献率和累积贡献率