第3讲主成份与因子分析.pptVIP

第3讲主成分分析与因子分析 实际问题中，为了尽可能完整的获得相关信息，往往要考虑众多的变量，这虽然避免了主要信息的遗漏，但也存在一定的不足： 变量太多会增加计算的复杂性 变量太多给分析问题和解释问题带来困难 变量提供的信息在一定程度上会有所重叠 在实证研究中，为了全面、系统地分析问题，都尽可能完整地搜集信息，对每个观测往往测量很多指标，这些指标在不同程度上反映了所研究问题的某些信息，并且指标之间避免不了有一定的相关性，因而所得的统计资料反映的信息在一定程度上有重叠。在研究问题时，变量太多会增大计算量和增加分析问题的复杂性，为了使问题简化，人们自然希望在进行定量分析的过程中涉及的变量较少，而得到的信息量又较多，主成分分析是解决这一问题的理想工具。 主成份分析 多元统计分析处理的是多变量（多指标）问题。由于变量个数太多，并且彼此之间往往存在着一定的相关性，例如，随着年龄的增长，儿童的身高、体重会随着变化，具有一定的相关性；身高和体重之间为何会有相关性呢？因为存在着一个同时支配或影响着身高与体重的生长因子。变量之间存在的相关性使得所观测到的数据在一定程度上反映的信息有所重迭。而且当变量较多时，在高维空间中研究样本的分布规律比较复杂。人们自然希望用较少的综合变量来代替原来较多的变量；而这几个综合变量又能够尽可能多地反映原来变量的信息，而且彼此之间互不相关。利用这种降维的思想，产生了主成分分析。主成分分析是将多个指标化为少数几个综合指标的一种统计分析方法。 一、主成分分析的基本思想和原理 主成分分析：在不致损失原变量太多信息 的条件下，尽可能降低原变量的维数。即 用为数较少的互不相关的新变量反映原变 量所提供的绝大部分信息。 二、主成分分析的数学模型 对应的相关系数矩阵为 rij（i，j=1，2，…，p）为原变 量 与 的相关系数， rij=rji， 1. 估计主成分 （1）计算相关系数矩阵 rij（i，j=1，2，…，p）为原变量xi与xj的相关系数， rij=rji， PCA　　常用统计量： １.特征根　　λi ２.各成分贡献率　　　 ３.前各成分累计贡献率 ４.特征向量 各成分表达式中标准化原始变量的系数向量，就是各成分的特征向量。 例1 某医学院测得了20例肝病患者的4项肝功能指标： SGPT（转氨酶），肝大指数，ZnT（硫酸锌浊度）和 AFP（胎甲球），依次用X1～X4表示，数据如下表。 试进行主成分分析。 用sas进行主成分分析 data exp1; input x1-x4; cards; 40 2 5 20 10 1.5 5 30 120 3 13 50 250 4.5 18 0 120 3.5 9 50 10 1.5 12 50 40 1 19 40 270 4 13 60 280 3.5 11 60 170 3 9 60 180 3.5 14 40 130 2 30 50 220 1.5 17 20 160 1.5 35 60 220 2.5 14 30 140 2 20 20 220 2 14 10 40 1 10 0 20 1 12 60 120 2 20 0 ; proc princomp out=pc prefix=y; var x1-x4; proc print data=pc; run; 例2 在一项有关挫折应对方式的研究中，研究者用应对方式问卷测试了60名受试者受挫时的应对方式情况。每个应对方式题项回答都采用5级评分，1表示从不、2表示较少、3表示中等、4表示较多、5表示绝大部分，结果见下表。问能否用少数几个综合性指标反映受试者的应对方式特征？还有，本问卷编制者认为应对方式可以分成积极主动与消极被动两个纬度，此构想是否成立？ 例3 一月和七月平均气温的主成分分析 在数据集TEMPERAT中存放有美国一些城市一月和七月的平均气温。我们希望对这两个气温进行主成分分析，希望用一个统一的温度来作为总的可比的温度，所以进行主分量分析。 例3 DATA TEMPERAT; INPUT CITY $1-15 JANUARY JULY; CARDS; MOBILE 51.2 81.6 PHOENIX 51.2 91.2 LITTLE ROCK 39.5 81.4 SACRAMENTO 45.1 75.2 DENVER 29.9 73.0 HARTFORD