主成分分析方法.pptxVIP

主成分分析方法 ; 主成分分析 （ Principal Components Analysis) 是由Hotelling于1933年首先提出的， 它是利用降维的思想，把多指标转化 为少数几个综合指标的多元统计分析 方法。 从数学角度来看，这是一种降维处理 技术。;主成分分析的目的与功能 ;主成分的主要功能 ;;;;一、主成分分析的基本原理 ; 当m较大时，在m维空间中考察问题比较麻烦。为了克服这一困难，就需要进行降维处理，即用较少的几个综合指标代替原来较多的变量指标，而且使这些较少的综合指标既能尽量???地反映原来较多变量指标所反映的信息，同时它们之间又是彼此独立的。;定义：记x1，x2，…，xm为原变量指标，F1，F2，…，Fp（p≤m）为新变量指标; ② F1是x1，x2，…，xm的一切线性组合中方差最大者，F2是与F1不相关的x1，x2，…，xm的所有线性组合中方差最大者； …… Fp是与F1，F2，……，Fp－1都不相关的x1，x2，…xm， 的所有线性组合中方差最大者。 则新变量指标F1，F2，…，Fp分别称为原变量指标x1，x2，…，xm的第一，第二，…，第p主成分。 ; 从以上的分析可以看出，主成分分析的实质就是确定原来变量xj（j=1，2 ，…，m）在诸主成分Fi（i=1，2，…，p）上的权重 eij（ i=1，2，…，p； j=1，2 ，…，m）。 从数学上容易知道，从数学上可以证明，它们分别是的相关系数矩阵的p个较大的特征值所对应的单位化特征向量。 ;二、计算步骤 ; （二）计算特征值与特征向量： ① 解特征方程　　　　，常用雅可比法（Jacobi）求出特征值，并使其按大小顺序排列 ； ;③ 计算主成分贡献率及累计贡献率 ▲贡献率:;（三）确定主成分;（四）排序问题：;三、主成分分析实例1;Matlab程序;Matlab程序;主成分分析实例 2;利用Matlab求解;贡献率为;是反映学生身材魁梧与否的综合指标 是反映学生体形特征的综合指标。 ;表1是某市工业部门13个行业的8项重要经济指标的数据，这8项经济指标分别是： X1：年末固定资产净值，单位：万元； X2：职工人数据，单位：人； X3：工业总产值，单位：万元； X4：全员劳动生产率，单位：元/人年； X5：百元固定资产原值实现产值，单位：元； X6：资金利税率，单位：%； X7：标准燃料消费量，单位：吨； X8：能源利用效果，单位：万元/吨。;表1 某市工业部门13个行业8项指标; 我们要考虑的是：如何从这些经济指标出发，对八个指标进行适当的缩减，便于我们对某市经济状态做定性分析？;0.002442;表2 特征根和累计贡献率;表3 特征向量;; ;表4 各行业主成分得分及排序;从上表可以看出，机器行业在该地区的综合评价排在第一，原始数据也反映出机器行业存在明显的规模优势， 另外从前两个主成分得分上看，该行业也排在第一位，同样存在效益优势；而排在最后三位的分别是皮革行业、电力行业和煤炭行业。