主成分分析法实例.doc

1、主成分法： 用主成分法寻找公共因子的方法如下： 假定从相关阵出发求解主成分，设有p个变量，则可找出p个主成分。将所得的p个主成分按由大到小的顺序排列，记为，，…，， 则主成分与原始变量之间存在如下关系： 式中，为随机向量X的相关矩阵的特征值所对应的特征向量的分量，因为特征向量之间彼此正交，从X到Y得转换关系是可逆的，很容易得出由Y到X得转换关系为： 对上面每一等式只保留钱m个主成分而把后面的部分用代替，则上式变为： 上式在形式上已经与因子模型相一致，且（i=1,2，…，m）之间相互独立，且与之间相互独立，为了把转化成合适的公因子，现在要做的工作只是把主成分变为方差为1的变量。为完成此变换，必须将除以其标准差，由主成分分析的知识知其标准差即为特征根的平方根。于是，令，，则式子变为： 这与因子模型完全一致，这样，就得到了载荷A矩阵和 初始公因子(未旋转)。 一般设为样本相关矩阵R的特征根，为对应的标准正交化特征向量。设mp,则因子载荷矩阵A的一个解为： =() 共同度的估计为： 下面用主成分法分析以下数据： 步骤： 第一步，把Excel中的数据导入到SPSS中：File→Open→Data； 第二步，数据标准化：Analyze→Descriptive Statistics→Descriptives 如图： 第三步，检验数据： 如图： 得到结果如下： KMO 和 Bartlett 的检验 取样足够度的 Kaiser-Meyer-Olkin 度量。 .754 Bartlett 的球形度检验 近似卡方 379.522 df 36 Sig. .000 Sig小于0.05，所以该数据可用； 第四步,用主成分法分析数据：Analyze→Dimension Reduction→Factor 如图： 得到结果如下图： 相关矩阵 Zscore: 100固定资产原值实现值（%） Zscore: 100元固定资产原值实现利税（%） Zscore: 100元资金实现利税（%） Zscore: 100元工业总产值实现利税（%） Zscore: 100元销售收入实现利税（%） Zscore(每吨标准煤实现工业产值（元）) Zscore(每千瓦时电力实现工业产值（元）) Zscore: 全员劳动生产率（元/人.年） Zscore: 100元流动资金实现产值（元） 相关 Zscore: 100固定资产原值实现值（%） 1.000 .869 .770 -.053 .211 .920 .899 .795 .896 Zscore: 100元固定资产原值实现利税（%） .869 1.000 .978 .387 .472 .886 .804 .814 .849 Zscore: 100元资金实现利税（%） .770 .978 1.000 .523 .531 .797 .736 .740 .811 Zscore: 100元工业总产值实现利税（%） -.053 .387 .523 1.000 .323 .115 -.023 .125 .051 Zscore: 100元销售收入实现利税（%） .211 .472 .531 .323 1.000 .175 .260 .371 .317 Zscore(每吨标准煤实现工业产值（元）) .920 .886 .797 .115 .175 1.000 .877 .815 .768 Zscore(每千瓦时电力实现工业产值（元）) .899 .804 .736 -.023 .260 .877 1.000 .757 .818 Zscore: 全员劳动生产率（元/人.年） .795 .814 .740 .125 .371 .815 .757 1.000 .715 Zscore: 100元流动资金实现产值（元） .896 .849 .811 .051 .317 .768 .818 .715 1.000 Communalities  其中Communalities给出了该次分析从每个原始变量中提取的信息，表格下面注示表明，该次分析是用Factor analysis模块默认的信息提取方法即主成分分析完成的。可以看到除100元工业总产值实现利税，100元销售收入实现利税和全员劳动生产率以外，主成分几乎包括了各个原始变量至少80%的信息。 解释的总方差 成份 初始特征值 提取平方和载入 合计 方差的 % 累积 % 合计 方差的 % 累积 % 1 6.150 68.332 68.332 6.150 68.332 68.332 2 1.473 16.365 84.698 1.473 16.365 84.698 3 .697 7.749 92.447 4 .318 3.531 95.978 5 .190 2.112 98.090