主成分析课件.ppt

中国人民大学六西格玛质量管理研究中心 §5.7主成分分析的上机实现 §5.7主成分分析的上机实现 §5.7主成分分析的上机实现  对SPSS的因子分析模块运行结果输出的Component Matrix的第 列的每个元素分别除以第 个特征根的平方根 就得到主成分分析的第 个主成分的系数。结果如下表： §5.7主成分分析的上机实现  §5.7主成分分析的上机实现  对所选主成分作经济解释。主成分分析的关键在于能否给主成分赋予新的意义，给出合理的解释，这个解释应根据主成分的计算结果结合定性分析来进行。主成分是原来变量的线性组合，在这个线性组合中，各变量的系数有大有小，有正有负，有的大小相当，因而不能简单地认为这个主成分是某个原变量的属性的作用。线性组合中个变量的系数的绝对值大者表明该主成分主要综合了绝对值大的变量，有几个变量系数大小相当时，应认为这一主成分是这几个变量的总和，这几个变量综合在一起应赋予怎样的经济意义，要结合经济专业知识，给出恰如其分的解释，才能达到深刻分析经济成因的目的。 §5.7主成分分析的上机实现 对表5-13的第 列的每个元素分别除以第 个特征根的平方根 就得到主成分分析的第 个主成分的系数。结果如下表： §5.7主成分分析的上机实现 因此我们给出下面的建议：当第一主成分的方差贡献率比较大时(如60%以上)用第一主成分作评价指数，理由是：第一主成分与原变量综合相关度最强，另一方面由于第一主成分对应于数据变异最大的方向也就是使数据信息损失最小，精度最高的一维综合变量。但还须注意当主成分系数全为正的时候，也就是要求所有评价指标变量都是正相关的时候，第一主成分才可以用来进行排序。如果系数中有正有负或近似为零，说明第一主成分是无序指数，不能用来作为排序评价指数。而如果第一主成分系数全为正，则第二、三，…主成分由于与第一主成分正交，系数肯定有正有负，因而一般来说均为无序指数，不能用来作为排序评价指数。 §5.7主成分分析的上机实现 依据第一主成分 得分对各个水泥 企业经济效益做 综合评价，将标 准化后的原始数 据代入（5.14） 的第一个表达式 中，计算出各样 品的第一主成分 得分并排名，见 表5-14。 * * 目录 上页 下页 返回 结束 §5.7主成分分析的上机实现 通常为了分析各样品在主成分所反映的经济意义方面的情况，还将标准化后的原始数据带入主成分表达式计算出各样品的主成分得分，由各样品的主成分得分（当主成分个数为2时）就可在二维空间中描出各样品的分布情况。 将表5-8数据代入式（5.13）式，得到28个省、市、自治区的主成分得分，见表5-9。将这28各样品在平面直角坐标系上描出来，进而可进行样品分类。主成分得分图见图5-6。 * * 目录 上页 下页 返回 结束 §5.7主成分分析的上机实现 表5-9 续表5-9 -1.252904 -1.189847 14 -0.523112 0.5124102 13 -0.598317 0.0722514 12 -1.821382 4.3684353 11 -2.806731 3.9442746 10 1.3785883 7.0377196 9 0.6922683 -1.041544 8 -0.809631 -1.613557 7 1.2676456 -0.418013 6 -0.732496 -2.976295 5 0.3845751 -2.02199 4 -0.097749 -0.486829 3 0.5364829 3.73583 2 2.4257421 2.8162398 1 第二主成分得分 第一主成分得分 主成分得分 　 样品号 　 -0.285761 -1.542767 28 -0.842123 -3.068128 27 -0.592533 -3.408248 26 1.748612 -1.645068 25 -0.406119 -1.624188 24 2.4002034 -0.021156 23 1.3184889 -2.24418 22 -0.610274 -1.409933 21 0.7189063 0.1374979 20 -1.314742 1.8189336 19 0.3876575 -0.04354 18 -0.300258 0.3548472 17 0.0977472 -1.027545 16 -0.362783 0.9843842 15 * * 目录 上页 下页 返回 结束 §5.7主成分分析的上机实现