【精选】7主成分分析7主成分分析.doc

主成分分析 例1：为了研究我国31个省、市、自治区2001年城镇居民生活消费的分布规律。用主成分分析法对我国31个省、市、自治区2001年城镇居民生活消费水平作分析评价，并根据因子得分和综合得分对各省、市、自治区的人均消费水平进行综合分析。 数据集：d7.2。 x1：人均食品支出 x2：人均衣着商品支出 x3：人均家庭设备用品及服务支出 x4：人均医疗保健支出 x5：人均交通和通信支出 x6：人均娱乐教育文化服务支出 x7：人均居住支出 x8：人均杂项商品和服务支出。 （1）计算相关矩阵 X=read.table(clipboard,header=T) Z-scale(X) #对数据标准化 cor(Z) X1 X2 X3 X4 X5 X6 X7 X8 X1 1.0000000 0.2594180 0.6552149 0.5661754 0.8866389 0.8308639 0.6020030 0.8493212 X2 0.2594180 1.0000000 0.2138888 0.3359252 0.2385623 0.2752803 -0.1967162 0.3551320 X3 0.6552149 0.2138888 1.0000000 0.7023946 0.6346613 0.8148436 0.5346897 0.6190994 X4 0.5661754 0.3359252 0.7023946 1.0000000 0.5659877 0.7688616 0.2813273 0.7111310 X5 0.8866389 0.2385623 0.6346613 0.5659877 1.0000000 0.7590775 0.7203573 0.8769794 X6 0.8308639 0.2752803 0.8148436 0.7688616 0.7590775 1.0000000 0.5623373 0.8045281 X7 0.6020030 -0.1967162 0.5346897 0.2813273 0.7203573 0.5623373 1.0000000 0.4654599 X8 0.8493212 0.3551320 0.6190994 0.7111310 0.8769794 0.8045281 0.4654599 1.0000000 （2）求相关矩阵的特征值和主成分负荷 PCA=princomp(Z,cor=T) #主成分分析 PCA #特征值 Call: princomp(x = Z, cor = T) Standard deviations: Comp.1 Comp.2 Comp.3 Comp.4 Comp.5 Comp.6 Comp.7 2.2787134 1.1227556 0.8044059 0.6231343 0.4843913 0.3823558 0.2964918 Comp.8 0.2068370 8 variables and 31 observations. PCA$loadings #主成分载荷矩阵 Loadings: Comp.1 Comp.2 Comp.3 Comp.4 Comp.5 Comp.6 Comp.7 Comp.8 X1 -0.400 0.301 0.133 0.492 -0.215 0.604 -0.274 X2 -0.141 0.752 0.358 -0.488 -0.183 -0.103 X3 -0.363 -0.492 -0.492 0.321 0.526 X4 -0.342 0.262 - 0.535 0.328 -0.521 -0.116 0.367 X5 -0.401 -0.135 0.377 -0.181 0.344 0.110 0.714 X6 -0.410 -0.211 0.286 -0.618 -0.463 0.329 X7 -0.288 -0.576 0.140 -0.427 -0.485 -0.222 -0.310 X