主成分分析在顾客满意度研究垫中的应用.pptVIP

主成分分析在顾客满意度研究中的应用 报告人：李园 2005.11.12 主成分分析相关理论 基本原理 一般算法 主成分分析与因子分析的比较 PCA基本原理 主成分分析是考察多个变量间相关性的一种多元统计方法。它是研究如何通过少数几个主分量来解释多个变量间的内部结构。可归结为：数据的压缩，数据的解释。 它常被用来寻找判断某种事物或现象的综合指标，并且给综合指标所包含的信息以合适的解释，从而更加深刻的揭示事物的内在规律。 PCA基本原理 降维处理的核心思想：省略变异不大的变量方向。 分析过程：对原坐标进行平移和旋转变换，使新坐标的原点与数据群点的重心重合，新坐标第一轴与数据变异的最大方向对应，新坐标第二轴与第一轴标准正交，并对应于数据变异的第二大方向，依次类推。 PCA基本原理 主成分评价：当存在多重共线性时，用主成分分析进行信息的浓缩，并解决权重的确定等问题。 主成分回归：在线性回归模型中，采用最小二乘法求回归系数，但存在多重共线性时，最小二乘法不理想，用主成分代替原指标，可以克服“估计不稳定”的缺点，虽然主成分估计不是无偏估计。 PCA一般算法 对原来的p个指标进行标准化，以消除变量在数量级或量纲上的影响。 根据标准化后的数据矩阵求出协方差或相关阵。 求出协方差矩阵的特征根和特征向量。 确定主成分，结合专业知识给各主成分所蕴含的信息给予适