SAS学习系列33.主成分分析报告.pdfVIP

实用标准文档 33. 主成分分析 （一）原理 一、基本思想 主成份分析， 是数学上对数据降维的一种方法， 是将多个变量转 化为少数综合变量 （集中了原始变量的大部分信息） 的一种多元统计 方法。其主要目的是将变量减少， 并使其改变为少数几个相互独立的 线性组合形成的新变量（主成份，其方差最大） ，使得原始资料在这 些成份上显示最大的个别差异来。 1 在所有的线性组合中所选取的 F 应该是方差最大的，称为第一 主成分。如果第一主成分不足以代表原来所有指标的信息， 再考虑选 取第二个线性组合 F2, 称为第二主成分。为了有效地反映原有信息， F1 已有的信息就不需要再出现在 F2 中，用数学语言表达就是要求 1 2 Cov(F ，F ) ＝0. 依此类推可以构造出第三、第四、…、第 p 个主成 分。 主成份分析， 可以用来综合变量之间的关系， 也可用来减少回归 分析或聚类分析中的变量数目。 二、基本原理 设有 n 个样品（多元观测值） ，每个样品观测 p 项指标（变量）： 1 p X ，…， X ，得到原始数据资料阵： 文案大全 实用标准文档 T i x1i x2i xni 其中， X = ( ， ，…， ) ，i = 1, …, p. 1 p 用数据矩阵 X 的 p 个列向量（即 p 个指标向量） X ，…，X 作线性组 合，得到综合指标向量： 简写成： 1 1 2 2 Fi = a i X + a i X + …+api Xp i = 1, …, p T i 1i 2i pi 限制系数 a = ( a ，a ，…， a ) 为单位向量，即 且由下列原则决定： T i j i j i i （1）F 与 F 互不相关，即 COV(F , F )= a ∑a =0，其中∑为 X 的协方差矩阵； F1 1 2 p （2） 是 X ，X ，…，X 的所有满足上述要求的线性组合中方差 最大的，即 1 p F2 是与 F1 不相关的 X ，…，X 所有线性组合中方差最大的，…， Fp 是 与