应用多元分析之第七成分分析-2013.pptx

应用多元分析之第七成分分析-2013.pptx

  1. 1、本文档共76页,可阅读全部内容。
  2. 2、本文档付费后,不意味着付费购买了版权,只能用于单位或个人使用,不得用于商业用途(如:【转卖】进行直接盈利和【编辑后售卖】进行间接盈利)。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:18428362892(电话支持时间:9:00-19:00)。
第七章 主成分分析;§7.1 引言;§7.1 引言 (2);寻找主成分的正交旋转 ;;;; 一项十分著名的工作是美国的统计学家斯通(stone)在1947年关于国民经济的研究。他曾利用美国1929一1938年各年的数据,得到了17个反映国民收入与支出的变量要素,例如雇主补贴、消费资料和生产资料、纯公共支出、净增库存、股息、利息外贸平衡等等。; 在进行主成分分析后,竟以97.4%的精度,用三新变量就取代了原17个变量。根据经济学知识,斯通给这三个新变量分别命名为总收入F1、总收入变化率F2和经济发展或衰退的趋势F3。更有意思的是,这三个变量其实都是可以直接测量的。斯通将他得到的主成分与实际测量的总收入I、总收入变化率?I以及时间t因素做相关分析,得到下表:;? ; 主成分分析是把各变量之间互相关联的复杂关系进行简化分析的方法。 在社会经济的研究中,为了全面系统的分析和研究问题,必须考虑许多经济指标,这些指标能从不同的侧面反映我们所研究的对象的特征,但在某种程度上存在信息的重叠,具有一定的相关性。 ; 主成分分析试图在力保数据信息丢失最少的原则下,对这种多变量的截面数据表进行最佳综合简化,也就是说,对高维变量空间进行降维处理。 很显然,识辨系统在一个低维空间要比在一个高维空间容易得多。; 在力求数据信息丢失最少的原则下,对高维的变量空间降维,即研究指标体系的少数几个线性组合,并且这几个线性组合所构成的综合指标将尽可能多地保留原来指标变异方面的信息。这些综合指标就称为主成分。现在要讨论的问题是: ; ;§7.2 总体的主成分;; 这种由讨论多个指标降为少数几个综合指标的过程在数学上就叫做降维。主成分分析通常的做法是,寻求原指标的线性组合Fi。;满足如下的条件:;两个线性代数的结论 ; 2、若上述矩阵的特征根所对应的单位特征向量为 ; 第一主成分; 其中?1, ?2,…, ?p为Σx的特征根,不妨假设?1? ?2 ? … ??p 。而T恰好是由特征根相对应的特征向量所组成的正交阵。;设有P维正交向量;;;第二主成分;;;主成分的几何意义;x投影到ti上的值;主成分向量与原始??量之间的关系式;;主成分与原始变量之间的关系式矩阵;正交变换 的几何意义;二、主成分的性质;;;3.原始变量 与主成分 之间的相关系数(P.257) 在实际应用中,通常我们只对 与 的相关系数感兴趣。;4. m个主成分对原始变量xi的贡献率——衡量m个主成分包含xi的信息量(P.257);;;;5.原始变量对主成分的影响;;;三、从相关阵出发求主成分;;;;;§7.3 样本的主成分;§7.3 样本的主成分;一、样本主成分的定义;;;;主成分得分;三、从 出发求主成分;;四、主成分分析的应用;;例7.3.1;;;;例7.3.2;;;;;;;;;五、若干补充及应用中需注意的问题;第七章的作业

您可能关注的文档

文档评论(0)

kay5620

相关文档

相关课程推荐