主成分分析在经济问题中应用毕业论文修改.doc

2013年度本科生毕业论文（设计） 主成分分析在经济问题中的应用 院 （系）： 数学学院 专 业： 数学与应用数学 年 级： 09级 学生姓名： 陈晓娇 学 号： 090440242 导师及职称： 叶扩会（助教） 2013年6月 2013 Annual Graduation Thesis (Project) of the College Undergraduate Principal component analysis in the application of the economic problems Department: Department of Mathematics Major: Mathematics and Applied mathematics Grade: 2009 Student’s Name: Xiaojiao Chen Student No.: 090440242 Tutor: Kuohui Ye June, 2013 摘 要 在现实生活中，有很的问题含有过多的变量，而这些变量之间又或多或少存在一定的关系，但它们之间的联系有的较为明显，有的又联系甚微。主成分分析能够找出其中联系甚微的变量，并用它们近似的表达出整体的联系，从而起到减少变量个数的作用，进而简化模型，起到用局部表示整体的作用。 关键词：主成分分析法；变量筛选；降维；SPSS数据处理 Abstract In real life, there are problems with too many variables, and between these variables is more or less there is a certain relationship, but the contact between them there are evident, some had little contact. Principal component analysis to find out the contact effect of variables, and they express their approximate integral link, so as to have the effect of reduce the number of variables, and simplified model, have the effect of using local said overall. Key words: Principal component analysis；Variable selection；Dimension reduction；Linear model 目 录 引 言 1 1.主成分分析法的介绍 2 1.1 主成分分析法的描述 2 1.2 主成分分析的基本原理 2 2.主成分分析法降维的计算方法 5 2.1 主成分的确定 5 2.1.1 数据的标准化 5 2.1.2 相关系数矩阵的计算 6 2.1.3 计算特征值与特征向量 6 2.1.4 计算主成分贡献率与累计贡献率 7 2.1.5 计算主成分的载荷矩阵 8 2.1.6 计算新的主成分 8 2.2 通过主成分分析对变量进行筛选 8 2.2.1 求相关系数矩阵的特征值与特征向量 9 2.2.2 确定贡献率最小的变量 9 2.2.3 根据需求确定新的变量 10 3.主成分分析法的应用实例 11 3.1 自变量的确定 11 3.2 模型的建立 12 3.3 模型的优化 12 3.5 结果分析 21 参考文献 25 致 谢 26 引 言 对于许多问题，往往不同的变量之间存在着一定的相关关系，可以理解为它们之间存在一定的重叠关系。而变量之间信息的高度重叠和高度相关会给统计方法的应用带来许多障碍，耗费人们的精力与时间。 倘若能够将变量的个数进行削减，这必然导致信息丢失，使得信息不完整。为了有效的减少变量的数量，并且保存着绝大多数的数据信息，人们在不断的探索着。然而主成分分析法，便是一种行之有效的方法，它能够有效的减少变量的个数，并且在各行各业中都得到应用。例如，一些熟悉的例子如物价指数、货币工资比、生活费用指数、商业活动指数等，如何最大程度的保留信息的完整度，这就成了一个问题。 主成分分析以最少的信息丢失为前提，将众多的原有变量综合成较少几个综合指标，通常综合指标（主成分