第12章 主成分分析精典课件.pptVIP

第12章 主成分分析 本章主要内容 1 概述 2 PrinComp过程 3 主成分分析 概述 科学研究所涉及的课题往往比较复杂，是因为影响客观事物的因素多，需要考察的变量多。 在大部分实际问题中，变量之间是有一定的相关性的，人们自然希望找到较少的几个彼此不相关的综合指标尽可能多地反映原来众多变量的信息。 主成分分析(Principal Component Analysis)方法，1901年Pearson最早提出，1933年，Hotelling做了进一步研究。 概述 何为主成分？简而言之，主成分实际上就是由原变量x1～xm线性组合出来的ｍ个互不相关、且未丢失任何信息的新变量，也称为综合变量。 多指标的主成分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。 概述 适合作主成分分析的资料，也适合作因子分析、对应分析、聚类分析，何时应选择什么方主要取决于研究目的和对结果的要求。 PrinComp过程 PrinComp过程 SAS的princomp过程计算相关阵或协方差阵的特征值和特征向量，当特征值按从大到小的顺序排列时，则相应的特征向量可得到第1主成分、第2主成分等。用少数几个主成分代替原始变量，并计算主成分得分。 该过程可产生的计算结果有： 简单统计量（均数和标准差）； 相关阵和协方差阵； 从大到小排列的特征根和相应的特征