SAS统计分析8主成份分析.ppt

8. 主成份分析 8.1主成份的几何意义与一般数学模型 主成份分析(Principal Components Analysis)是研究如何将多个变量指标间的问题化为较少的几个新指标问题。这些新的指标是彼此既互不相关，又能综合反映原来多个指标的信息，是原来多个指标的线性组合。多指标的主成份分析常被用来寻找判断某种事物或现象的综合指标，并给综合指标所蕴藏的信息以恰当解释，以便更深刻地揭示事物内在的规律。这种处理问题的方法就称为主成份分析或主分量分析，综合后的新指标则称为原来指标的主成份或主分量。主分量分析还可用于揭示变量间的共线性。 1. 主成份的几何意义 为了理解方便，我们在二维空间中讨论主成份的几何意义。 设有n个样品，每个样品有两个观测变量x1和x2，在由变量x1和x2所确定的二维平面中，n个样本点所散布的情况如带状，见图8-1a。由图可以看出这n个样本点无论是沿着x1轴方向或x2轴方向都具有较大的离散性，其离散的程度可以分别用观测变量x1的方差和x2的方差定量地表示。显然，如果只考虑xl和x2中的任何一个，那么包含在原始数据中的信息将会有较大的损失。 3．主成份的性质 8.2 PRINCOMP过程（主分量过程） PROC PRINCOMP 选择项 ; VAR 变量列表 ; WEIGHT 变量列表 ; FREQ 变量 ; BY 变量 ; RUN ; 8.3 应用举例 例8.2 下表中数据反映了1999年我国各地区教育人力资源发展水平的相关数据。a1：每百万人口学校数、a2：每十万人口毕业生数、a3：每十万人口招生数、a4：每十万人口在校生数、a5：每十万人口研究生数、a6：每十万人口教职工数、a7：每十万人口专职教师数、a8：高级教师占专职教师的比例、a9：每所学校在校生数、a10：生师比。试用主成份分析法分析我国1999年各地区教育人力资源发展水平的情况，进而讨论各主成份与哪些变量有关，为下一步分析而简化数据结构。 * * *