基于主成分分析法壁挂式空调特征值指标分类.docVIP

基于主成分分析法壁挂式空调特征值指标分类 　　【摘要】本文在对现市面上最畅销的13个品牌壁挂式空调且最受消费者关心的8个指标进行统计调查的基础上，运用主成分分析的方法，对其进行特征分类。结果表明，室内机噪音、制冷功率、制热功率、循环风量、适用面积可以归为第一类，能效等级、参考价格可以归为同一类别，而质保时间则单独成为一类别。从此调查分析结果出发，探究主要影响价格的指标，同时结合客观的分析，首先能够使消费者对壁挂式空调有一个较为清晰地认识，其次能够为购买时能够提供一定的专业帮助，避免消费者被商家的炒作和噱头所迷惑。需要指出的是，由于空调科技水平较高，参数繁多，而且还有品牌效应等无法定量化的指标，所以文中尽量做到全面地向普通消费者提供一些关于选购空调的指导和帮助。 　　【关键词】壁挂式空调；主成分分析；特征性指标 　　1.数据来源 　　本文的所有数据收集来自中关村在线，中关村在线是中国第一科技门户，是一家资讯覆盖全国并定位于销售促进型的IT互动门户，被认为是大中华区最具商业价值的IT专业门户。中关村在线是集产品数据、专业资讯、科技视频、互动行销为一体的复合型媒体，也是美国哥伦比亚广播集团互动媒体公司CBS Interactive在中国区的旗舰媒体，所以这些本文所采集的数据有很强的可靠性。 　　2.主成份分析法（Principal Com-ponent Analysis，PCA） 　　主成分分析（PCA）最早是由美国统计学家皮尔逊（PEARSON）在1901年的生物学理论研究中引入的，也称主分量分析或矩阵数据分析。它通过变量变换的方法把相关的变量变为若干不相关的综合指标变量，比如，建立一个指标体系，为了从不同的侧面反应系统分析和评价的综合性与全面性，在指标体系中要设立若干个（n个）指标，其指标权数的确定方法是基于数据分析而得到指标间的一种内在关系，摒弃了人工评价确定权数的主观性，是一种客观合理的方法，因此被广泛用于经济、社会、技术等领域，并起到了重要的作用。 　　3.主成份分析法的应用 　　3.1 原始数据的处理和标准化 　　由于壁挂式空调指标数据矩阵庞大，如对全部指标进行分析，将而导???主次要成因相混淆；若仅选其中部分指标，又可能会影响分析结果的代表性和完整性。所以在这里选取了最受消费者关注的，且同一指标下数据较为分散的九个指标。此外，为了克服不同变量数值差异过大而造成的主成份分析误差，按照主成份分析法要求，应对原始数据矩阵进行标准化，进而得到进行主成份分析的8个变量的相关系数矩阵，如表1所示。 　　3.2 壁挂式空调特征性指标主成份分析的计算结果 　　主成份分析的计算结果中，新变量所代表的方差（即对应的特征值）贡献率和由原变量变换为新变量的线性变换系数（即对应的特征向量）就成为我们进行综合分析的重点.在主成份分析中一般要求少数新变量的累积方差贡献率应大于70%.下列表2表3分别给出了各个主成份的解释的总方差，主成份的计算结果。根据主成份分析法的一般原理，可取前三个具有明显代表性的主成份.原有的8个变量可用三个主成份表示，如表3所示。 　　3.3 结果分析 　　由主成份分析的计算结果可以看出，原变量的方差在新变量中的集中度很高，根据壁挂式空调特征性指标的实际状况和主成份分析的要求，本文取前3个主成份来反映原来的8个变量，其方差的累计贡献率已达到76.129%，三个主成份的贡献率分别为38.788%，23.697%，13.644%三个主成份在76.129%的程度上反应了壁挂式空调的基本特征。可以认为，这三个主成份基本上能够反映出原变量的变化所代表的壁挂式空调的性能。 　　在第一主成份中，制冷功率、制热功率、循环风量、适用面积和室内机噪音所占权系数较大，并且这五个变量的变化方向一致，呈正相关。 首先，房间越大，空调所需要产生的热量和冷气也会相应的增加，所需的循环风量也会越大。所以产家在制造空调时，也会增大空调的制热功率和制冷功率。 功率越大，空调运转也会越快，室内机的噪音也会有一定程度的增加。噪声过大，则会严重影响消费者生活。结合以上内容，我们可以把第一主成分命名为空调硬件成分。 　　在第二主成份中，能效等级和参考价格所占的权重很大，所以将这两点指数归结为一类，并且二者呈现负相关，说明能效等级的数值越小，空调价格越高。空调效能等级即空调的能效比是额定制冷量与额定功耗的比值。通俗地说，就是消耗同样多的电所产生的冷气有多少，是衡量空调性能优劣的一个重要参数。一级是最好的，也是最节能的产品。能效等级越高，技术性能越好，使用也越省电，所以价格也就越贵，综上我们可以把第二成分命名为价格影响成分。 　　在第三主成分中，质保时间这项指数代表了一类，在市场激烈竞争的今天，随着消费者维权意识的提高和消费观念的变化，消