数据分析(第二版)课件作者范金城梅长林第4章节主成分分析与因子分析.pptVIP

下载本文档

22
0
约2.12万字
约 35页
2018-05-08 发布于广东
举报
版权申诉

数据分析(第二版)课件作者范金城梅长林第4章节主成分分析与因子分析.ppt

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

第4章主成分分析与因子分析 4.1 主成分分析 4.1.1 引言实际问题中涉及众多变量,但变量较多且有相互性,主成分分析用为数较小的互不相关的新变量反映原变量所提供的绝大部分信息.主成分分析是降维的思想下产生的处理高维数据的方法. 分析二元变量次观测其散布图近似为椭圆,其点分布在椭圆长轴附近.旋转的坐标变换,转角为: 反映了在彼此不相关的两个方向上的分散性. 相应变量分别称和的第一和第二主成分.数据在方向上分散性比较小,因而用一元数据反映二元数据的绝大部分信息.即可用的分布近似代替的分布情况. 解 (1) 由 PROC PRINCOMP 过程,从样本相关矩阵出发进行主成分分析. 样本相关矩阵 X1 X2 X3 X4 X5 X6 X7 X8 X1 1.0000 0.7627 0.7076 0.6428 0.5962 0.5443 0.6218 0.7729 X2 0.7627 1.0000 0.5534 0.5143 0.5154 0.4689 0.7356 0.7121 X3 0.7076 0.5534 1.0000 0.9879 0.9776 0.9741 0.6828 0.7802 X4 0.6428 0.5143 0.9879 1.0000 0.9807 0.9798 0.6974 0.7731 X5 0.5962 0.5154 0.9776 0.9807 1.0000 0.9923 0.6266 0.7872 X6 0.5443 0.4689 0.9741 0.9798 0.9923 1.0000 0.6303 0.7245 X7 0.6218 0.7356 0.6828 0.6974 0.6266 0.6303 1.0000 0.6220 X8 0.7729 0.7121 0.7802 0.7731 0.7872 0.7245 0.6220 1.0000 4.2.2 因子模型 1.正交因子模型是可观测的随机向量, 不可观测随机向量, 又设与互不相关,且设满足即称正交因子模型. 称的公共因子, 称的特殊因子. 是待估系数矩阵,称因子载荷矩阵. 称第个变量在第个因子上的载荷(因子载荷). 解由 PROC FACTOR 过程,算得样本相关矩阵的特征值勤及累计贡献率如下: Eigenvalues of the Correlation Matrix: Total = 3 Average = 1 Eigenvalues Difference Proportion Cumulative 1 2 1 0.7634 0.7634 2