主成分分析案例.pdfVIP

姓名： XXX 学号： XXXXXXX 专业： XXXX 用 SPSS19软件对下列数据进行 主成分分析： … … 一、相关性 通过对数据进行双变量相关分析，得到相关系数矩阵，见表 1。 表 1 淡化浓海水自然蒸发影响因素的相关性 由表 1 可知： 辐照、风速、湿度、水温、气温、浓度六个因素都与蒸发速率在水平上显著 相关。 分析：各变量之间存在着明显的相关关系， 若直接将其纳入分析可能会得到 因多元共线性影响的错误结论， 因此需要通过主成份分析将数据所携带的信息进 行浓缩处理。 二、 KMO和球形 Bartlett 检验 KMO和球形 Bartlett 检验是对主成分分析的适用性进行检验。 KMO检验可以检查各变量之间的偏相关性，取值范围是 0～1。KMO的结果 越接近 1，表示变量之间的偏相关性越好， 那么进行主成分分析的效果就会越好。 实际分析时， KMO统计量大于时，效果就比较理想；若当 KMO统计量小于时，就 不适于选用主成分分析法。 Bartlett 球形检验是用来判断相关矩阵是否为单位矩阵，在主成分分析 中，若拒绝各变量独立的原假设，则说明可以做主成分分析，若不拒绝原假设， 则说明这些变量可能独立提供一些信息，不适合做主成分分析。 由表 2 可知： 1、KMO=＜，表明变量之间没有特别完美的信息的重叠度，主成分 分析得到的模型又可能不是非常完善，但仍然值得实验。 2、显著性小于，则应拒绝假设，即变量间具有较强的相关性。 三、公因子方差 公因子方差表示变量共同度。 表示各变量中所携带的原始信息能被提取出的 主成分所体现的程度。 由表 3 可知： 几乎所有变量共同度都达到了 75%，可认为这几个提取出的主成分对各个变 量的阐释能力比较强。 四、解释的总方差 解释的总方差给出了各因素的方差贡献率和累计贡献率。 由表 4 可知： 1、仅前 3 个特征根大于 1，故 SPSS只提取了前三个主成分。 2、第一主成分的方差所占所有主成分方差的 %，接近三分之一， 而前三个主 成分的方差累计贡献率达到 %，因此选前三个主成分已足够描述气象因子和卤水 因子对蒸发的影响了。 五、主成分系数矩阵 主成分系数矩阵，可以说明各主成分在各变量上的载荷。 由表 5 可知： 通过主成份矩阵可以得出各主成分的表达式， 但是在表达式中各变量是标准 化的变量， 需要除以一个特征根的平方根才能换算成各主成分的原始数值。 则三 个主成分的表达式分别如下： F1=辐照风速 +湿度 +水温 +气温浓度 )/ 1.938 F2=辐照 +风速 +湿度水温 +气温 +浓度 )/ 1.447 F3=辐照风速 +湿度水温 +气温 +浓度 )/ 结论 ： 在第一主成分 F1 中水温、气温和辐照的系数较大，可以看成是汽化方面的 综合指标； 在第二主成分 F2 中风速和浓度的系数较大，可以看成是扩散方面的综合指 标； 在第三主成分 F3 中只有湿度的系数较大，可以看成是湿度指标。