第六课主成分分析.ppt

第五节 实例分析与计算机实现 一 主成分分析实例 二 利用SPSS进行主成分分析 一、主成分分析实例 表6.1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。 表6.1 某市工业部门13个行业8项指标 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？ 我们先计算这些指标的主成分，然后通过主成分的大小进行排序。表6.2和表6.3分别是特征根（累计贡献率）和特征向量的信息。 利用主成分得分进行综合评价时，从特征向量我们可以写出所有8个主成分的具体形式： 表6.2 特征根和累计贡献率 表6.3 特征向量 表6.4 各行业主成分得分及排序 我们以特征根为权，对8个主成分进行加权综合，得出各工业部门的综合得分，具体数据见表6.4。 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。 二、利用SPSS进行主成分分析 SPSS没有提供主成分分析的专用功能，只有因子分析的功能。但是因子分析和主成分分析有着密切的联系。因子分析的重要步骤——因子的提取最常用的方法就是“主成分法”。利用因子分析的结果，可以很容易地实现主成分分析。具体来讲，就是利用因子载荷阵和相关系数矩阵的特征根来计算特征向量。即： 其中，zij为第j个特征向量的第i个元素；aij为因子载荷阵第i 行第j列的元素；λj为第j个因子对应的特征根。然后再利用 计算出的特征向量来计算主成分。 以下是我国2005年第1、2季度分地区城镇居民家庭收支基本情况。通过这个例子，介绍如何利用SPSS软件实现主成分分析。 表6.5 分地区城镇居民家庭收支基本情况 表6.5 分地区城镇居民家庭收支基本情况 （一）利用SPSS进行因子分析 将原始数据输入SPSS数据编辑窗口，将5个变量分别命名为X1～X5。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X1～X5移入Variables框中，其他均保持系统默认选项，单击OK按钮，执行因子分析过程（关于因子分子在SPSS中实现的详细过程，参见第7章实例）。得到如表6.6所示的特征根和方差贡献率表和表6.7所示的因子载荷阵。 表6.6中Total列为各因子对应的特征根，本例中共提取两个公因子；% 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，由表中可以看出，前两个因子已经可以解释79.31%的方差 图6.2 因子分析主界面 表6.6 特征根和方差贡献率表 （二）利用因子分析结果进行主成分分析 1. 将表6.7中因子载荷阵中的数据输入SPSS数据编辑窗口，分别命名为a1和a2。 表6.7 因子载荷阵 2. 为了计算第一个特征向量，点击菜单项中的Transform→Compute，调出Compute variable对话框，在对话框中输入等式： z1=a1 / SQRT(2.576) 点击OK按钮，即可在数据编辑窗口中得到以z1为变量名的第一特征向量。 再次调出Compute variable对话框，在对话框中输入等式： z2=a2 / SQRT(1.389) 点击OK按钮，得到以z2为变量名第二特征向量。这样，我们得到了如表6.8所示的特征向量矩阵。 图6.3 Compute variable对话框 根据表6.8可以得到主成分的表达式： 3. 再次使用Compute命令，就可以计算得到两个主成分。 表6.8 特征向量矩阵 本章结束 * 第六章 主成分分析 第一节 引言 第二节 主成分的几何意义及数学 推导 第三节 主成分的性质 第四节 主成分方法应用中应注意 的问题 第五