第8章 主成份分析新.pdf

问题提出 食品 衣着 设备 医疗 交通 教育 居住 杂项 北京 4934.05 1512.88 981.13 1294.07 2328.51 2383.96 1246.19 649.66 天津 4249.31 1024.15 760.56 1163.98 1309.94 1639.83 1417.45 463.64 河北 2789.85 975.94 546.75 833.51 1010.51 895.06 917.19 266.16 山西 2600.37 1064.61 477.74 640.22 1027.99 1054.05 991.77 245.07 内蒙古 2824.89 1396.86 561.71 719.13 1123.82 1245.09 941.79 468.17 辽宁 3560.21 1017.65 439.28 879.08 1033.36 1052.94 1047.04 400.16 吉林 2842.68 1127.09 407.35 854.8 873.88 997.75 1062.46 394.29 黑龙江 2633.18 1021.45 355.67 729.55 746.03 938.21 784.51 310.67 … … … … … … … … … 问题：影响因素很多，采用什么方法将多指标化 为几个综合指标来分析其影响因素？ 5 - 1 第8章 主成份分析 8.1 主成份分析直观解释 8.2 主成份分析性质 8.3 主成份分析步骤 8.4 注意事项 5 - 2 引言 主成分分析 （principal component analysis）由皮 尔逊（Pearson，1901）首先引入，后来被霍特林 （Hotelling，1933）发展了。 基本思想：通过降维技术把多个变量化为少数几个主 成分（综合变量）的统计分析方法。这些主成分能够 反映原始变量的绝大部分信息，它们通常表示为原始 变量的某种线性组合。 5 - 3 主成份分析的应用 (1)在一些应用中，这些主成分本身就是分析的目的， 此时我们需要给（用来降维的前几个）主成分一个符 合实际背景和意义的解释，以明白其大致的含义。 (2)在更多的另一些应用中，主成分只是要达到目的 的一个中间结果（或步骤），而非目的本身。例如， 将主成分用于聚类 （主成分聚类）、回归 （主成分回 归）、评估正态性、寻找异常值，以及通过方差接近 于零的主成分发现原始变量间的多重共线性关系等， 此时的主成分可不必给出解释。 5 - 4 8.1 主成份分析直观解释 第二主成份 第一主成份 1、x1和x2都包含较多信息，单独选 择x1或者x2都会丧失较多的原始信息。 2、对x1和x2做正交（垂直）旋转，得 到新的坐标轴y1和y2。旋转后数据主 要是沿y1方向散布，在y2方向的离散 程度很低，且相互垂直不相关。 3、单独提取变量y1而放弃变量y2，丧 失的信息也是很微小的。 y cosx sinx 1