主成分分析结果.docVIP

... ... 相关矩阵表 各个变量之间存在着较强的相关关系， 如果直接对其进行分析的话， 有可能产生严重的共线 性的问题，所以，就有必要对其进行主成分分析。上面表中的空格表明自身相关系数为 1， 它的不相关的显著性概率为 0，也就不再显示出来了。 变量共同度 上面表中所显示出来的变量的共同度对所有的变量都是 1，说明这个模型解释了每一个变量 的全部的方差，然而就不需要特殊因子了，也就是说特殊因子的方差为 0。 解释总方差表 根据上面解释总方差表的显示， 我们可以知道表中所列出的所有的主成分， 他们是按照特征 根从大到小的顺序排列的。可以得知，第一个主成分的特征根是 4.625，它解释了总变异的 %；第二个主成分的特征根是 0.793，虽然它解释了总变异的 13.220% ，但是由于它的 特征根 0.793 远小于 1，这就说明了第二主成分的解释力度还不如直接引进原始的变量大。 所以，根据主成分的个数的确定原则，也就是累积方差贡献率达到 80%~85% 以上并且要求 特征值要大于 1 这两个原则才可以，就确定了这 6 个变量所需要提取一个主成分。 碎石图 碎石图其实就是按照特征根大小排列的主成分散点图， 如上图所示的， 第一主成分的特征根 大于 1，从第二个主成分开始特征根都比较偏低，然而特征根小于 1，就可以看做第一个主 成分能够概括绝大部分的信息。 因子载荷矩阵 从上面表中的因子载荷矩阵可以看出， 标准化的原始的变量可以利用求得的主成分来线性表 示出来，它的近似的表示可以根据上面表中的数据写出来。以 price 为例，现在本实验中只 有一个主成分，可以用 prin 来表示这个主成分，得到如下所示的表达式子： Price=0.958prin 另外， 运用以上的系数矩阵， 可以得到利用各个原始变量写出来的因子表达式， 方法就是运 用上面表中第 i 列向量除以第 i 个特征根的算术平方根以后，得到的第 i 个主成分的变量系 数向量，具体写出来的表达式如下所示： Prin=0.445*zprice+0.448*zpay+0.357*zincome+0.381*zdensity+0.422*zcost+0.389*zpurchase