用SAS软件进行方差分析.ppt

6) 单击“Plots”按钮，打开“Principal Components：Plots”对话框，可以设置图形输出。 ● 在“Scree Plot (碎石图)”选项卡中（图左），选中“Create scree plot(建立碎石图)”复选框。 ● 在“Component Plot (成分图)”选项卡中（图右），选中“Create component Plot(建立成分图)”复选框。 2. 主成分的结果分析 输出的数字分析结果包括4个部分：简单统计量、相关系数矩阵、相关系数矩阵的特征值以及相关系数矩阵的特征向量。 1) 图6-13给出变量的简单统计量，图中显示5项指标中品格、能力和附带担保品是最为重要的，其标准差高出其他变量。 2) 图6-14给出各变量之间的相关系数矩阵。可以看出，能力与资本、附带担保品有着较强的相关性，表明客户的偿还能力与其财务实力、财务状况和抵押资产有着重要的关系。 3) 图6-15给出相关系数矩阵的特征值（Eigenvalues）、上下特征值之差（Difference）、各主成分的方差贡献率（proportion）以及累积贡献率（Cumulative）。 相关系数矩阵的特征值即各主成分的方差，可以看出，第一主成分的方差贡献率为84.22%，第二主成分的方差贡献率为7.67%，第三主成分的方差贡献率为5.95%。说明第一主成分已经具有足够多的方差贡献率，可以很好地概括这组数据。 在“分析家”左边的管理窗口中双击“Scree plot”项，打开的“Scree plot”对话框显示前4个特征值的“碎石图”，很直观地看到第一主成分远远大于其它特征值，说明第一主成分已经代表了绝大部分信息。 4) 图6-16给出相关系数矩阵的特征向量，由最大特征值所对应的特征向量可以写出第一主成分的表达式。 Prin1 = 0.4135x1* + 0.4729x2* + 0.4656x3* + 0.4547x4* + 0.4265x5* 利用特征向量各分量的值可以对主成分进行解释，对于第一主成分而言，各变量所占比重大致相等，且均为正数，说明第一主成份是对所有指标的一个综合测度，作为综合的信用等级指标，可以用来排序。 5) 在“分析家”窗口中，双击左边项目管理中的“Scores Table”项，打开“Scores Table”对话框； 选择菜单“File”?“Save as By SAS Name”，将其保存为数据表Scores；然后，在VIEWTABLE中打开该表；选择菜单“Data”?“Sort”，按主成分Prin1排序，结果如表6-3所示。 表6-3 客户的信用等级 在正确评估了顾客的信用等级后，就能正确制定出对其的信用期、收账政策等，这对于加强应收账款的管理大有帮助。 客户编号 1 2 3 4 5 6 7 8 9 10 第一主成分得分 3.17 -9.01 25.09 -4.36 -6.41 13.62 35.88 -10.34 -33.80 -13.83 名次 4 7 2 5 6 3 1 8 10 9 6.1.4 使用PRINCOMP过程进行主成分分析 1. PRINCOMP过程的功能简介 1) PRINCOMP过程计算结果有：简单统计量，相关阵或协方差阵，从大到小排序的特征值和相应特征向量，每个主成分解释的方差比例，累计比例等。 由特征向量得出相应的主成分，用少数几个主成分代替原始变量，并计算主成分得分。 2) 主成分的个数可以由用户自己确定，主成分的名字可以用户自己规定，主成分得分是否标准化可由用户规定。 4) 考虑因素间的交互作用：单击“Model”按钮，打开“Factorial ANOVA Model”对话框。单击“Standard Models”按钮，在弹出的菜单中选择“Effects up to 2-wav interactions”项，表示交互作用的a*b加入了模型效应栏，单击“OK”按钮返回； 图5-42 设置模型和均值参数 5) 单击“Means（均值）”按钮，在打开的“One-Way ANOVA：Means”对话框中选中“Comparisons（比较）”选项卡。 在“Comparison method”下拉列表中选择比较法Fishers LSD，在“Main effects（主效应）”栏中选择变量a、b，单击“Add”按钮，加到主效应框中。再在“Comparison method”下拉列表中选择比较法Tucks HSD，在“Main effects（主效应）”栏中选择变量a，单击“Add”按钮，加到主效应