主成分剖析实例及的含义讲解.ppt

主成分分析和因子分析 吴喜之 汇报什么? ·假定你是一个公司的财务经理,掌握了公司的所有数据,比如固定资产 流动资金、每一笔借贷的数额和期限、各种税费、工资支出、原料消耗、 产值、利润、折旧、职工人数、职工的分工和教育程度等等。 如果让你向上面介绍公司状况,你能够把这些指标和数字都原封不动地 摆出去吗? 当然不能。 你必须要把各个方面作出高度概括,用一两个指标简单明了地把情况说 清楚。 主成分分析 每个人都会遇到有很多变量的数据。 ·比如全国或各个地区的带有许多经济和社会变量的数据;各个学校的 研究、教学等各种变量的数据等等。 这些数据的共同特点是变量很多,在如此多的变量之中,有很多是相 关的。人们希望能够找出它们的少数“代表”来对它们进行描述。 ·本章就介绍两种把变量维数降低以便于描述、理解和分析的方法:主 成分分析( principal component analysis)和因子分析( factor analysis)。实际上主成分分析可以说是因子分析的一个特例。在引 进主成分分析之前,先看下面的例子。 成绩数据( student sav) ·100个学生的数学、物理、化学、语文、历史、英语的成绩如下表(部分) 学生代码数学物理化学语文历英 61 2 70 84 8475 66 ?1 86 83 从本例可能提出的问题 ·目前的问题是,能不能把这个数据的6个变量用一两个综 合变量来表示呢? 这一两个综合变量包含有多少原来的信息呢 能不能利用找到的综合变量来对学生排序呢?这一类数据 所涉及的问题可以推广到对企业,对学校进行分析、排序、 判别和分类等问题 空间的点 例中的的数据点是六维的;也就是说,每个观测值是6维空间中的一个点。 我们希望把6维空间用低维空间表示。 先假定只有二维,即只有两个变量,它们由横坐标和纵坐标所代表;因此 每个观测值都有相应于这两个坐标轴的两个坐标值;如果这些数据形成一 个椭圆形状的点阵(这在变量的二维正态的假定下是可能的) 那么这个椭圆有一个长轴和一个短轴。在短轴方向上,数据变化很少;在 极端的情况,短轴如果退化成一点,那只有在长轴的方向才能够解释这些 点的变化了;这样,由二维到一维的降维就自然完成了。 2