主成分分析与医学应用.docVIP

主成分分析与医学应用 10级GIS班 沈娅男 100154022 在社会经济各方面的问题的研究中，问题的解决常常牵涉到许多层面和变量因素，各因素间往往会存在一定的相关关系。变量因素太多，无疑会增加分析问题的难度和复杂性，因此，我们很容易联想到在相关关系分析的基础上，用尽可能少的新变量来拟合代替原来较多的变量，而尽可能多的保留原来变量所反映的信息，这就是主成分分析方法。 主成分分析方法反映了一种降维处理和分析的思维方法，在解决各种复杂问题时往往能起到意想不到的作用。在这里，我着重想要体现主成分分析在医学研究中的应用。一方面是因为医学与人类的健康密切相关，医学的发展关系到人类最根本的福祉；另一方面是因为医学具备巨大的实践价值，医学的研究成果可以发展生产力从而带动国民经济的发展。近年来，由于统计学的发展和各种技术的进步，对数据进行各种定量分析已被广泛应用于医学研究中。主成分分析方法也被广泛使用。 在这里我选择了一个案例来说明主成分分析在医学研究中的作用。分析的数据来自《中国主要年份儿童保健情况统计（1996~2007）》。 年份 围产儿死亡率‰ 新生儿破伤风发病率（1/万） 新生儿破伤风死亡率（1/万） 五岁以下儿童中重度营养不良比重% 新生儿访视率 % 三岁以下儿童系统管理率 % 七岁以下儿童保健管理率 % 1,996 14.44 4.12 2.90 3.73 81.40 61.41 62.70 1,997 2.31 15.14 4.16 2.97 3.51 82.38 65.65 65.83 1,998 2.58 14.94 2.74 1.86 3.41 83.74 69.07 68.89 1,999 2.39 14.22 2.24 1.48 3.29 85.42 72.34 71.77 2,000 2.40 13.99 1.88 1.16 3.09 85.80 73.84 73.37 2,001 2.35 13.28 1.41 0.84 3.01 86.27 74.65 74.47 2,002 2.39 12.47 1.33 0.73 2.83 86.12 73.88 74.03 2,003 2.26 12.24 1.40 0.83 2.70 84.65 72.77 72.68 2,004 2.20 11.08 0.98 0.51 2.56 84.96 73.73 74.44 2,005 2.21 10.27 0.77 0.39 2.34 85.03 73.88 74.79 2,006 2.22 9.68 0.64 0.32 2.10 84.70 73.90 75.00 2,007 2.26 8.71 0.47 0.20 2.02 85.59 74.39 75.89 中国主要年份儿童保健情况统计（1996~2777） 本例中有9个变量，分别是年份、出生体重小于两千五百克比重、围产儿童死亡率、新生儿破伤风发病率、新生儿破伤风死亡率、五岁以下儿童中重度营养不良比重、新生儿访视率、三岁以下儿童系统管理率、七岁以下儿童保健管理率。然后按下列步骤计算（利用SPSS软件）： （1）、计算相关系数矩阵：我利用SPSS软件求得了除年份以外的另外八个变量之间的相关系数矩阵，结果如下表，从表中可以看出，各变量之间具有一定的相关关系而且有些相关系数还比较大，接近于1，所以本例很适合使用主成分分析。 相关矩阵 出生体重小于两千五百克比重 围产儿死亡率 新生儿破伤风发病率 新生儿破伤风死亡率 五岁以下儿童中重度营养不良比重 新生儿访视率 三岁以下儿童系统管理率 七岁以下儿童保健管理率 出生体重小于两千五百克比重 1.000 .331 -.064 -.075 .142 .439 .355 .234 围产儿死亡率 .331 1.000 .848 .833 .970 -.429 -.607 -.730 新生儿破伤风发病率 -.064 .848 1.000 .999 .918 -.807 -.918 -.966 新生儿破伤风死亡率 -.075 .833 .999 1.000 .905 -.820 -.924 -.968 五岁以下儿童中重度营养不良比重 .142 .970 .918 .905 1.000 -.563 -.748 -.842 新生儿访视率 .439 -.429 -.807 -.820 -.563 1.000 .950 .910 三岁以下儿童系统管理率 .355 -.607 -.918 -.924 -.748 .950 1.000 .985 七岁以下儿童保健管理率 .234 -.730 -.966 -.968 -.842 .910 .985 1.000 （2）、计算各成分的特征值、方