第八讲 主成分分析和因子分析.pptVIP

第1页，共17页。 变量压缩。主成分分析通过线性变换，在尽可能保留原始变量的信息的基础，降低维度，将原来的多个变量组合成相互独立的少数的、新的综合变量。 变量解释。利用新变量进一步探讨变量内在联系和结构，利于简化和解释问题。 因子分析和主成分分析方法，往往是更复杂的统计分析方法的基础。 Factor1.sav 、 Factor2.sav 第2页，共17页。 二、主成分分析1、基本原理 统计信息实际上是指数据变异信息 右图中，在椭圆的长轴方向数据变异明显大于短轴方向 第3页，共17页。 F1 F2 F1与F2不相关 沿长、短轴方向设定新坐标系，长轴变量承载大部分变异信息，短轴变量承载少量变异信息． 一个长轴新变量F１就可以代表原来两个变量的主要信息，从而起到降维作用 在主成分分析中，提取出的每个新变量(主成分)都是原来多个变量的线性组合 第4页，共17页。 如由两个原始变量X1和X2，可提取两个主成分: 　 F1 =a11X1 +a21X2 　 F2 =a12X 1 +a22X2 依次类推：由N个原始变量可提取N个主成分，但如果将它们全部提取出来就失去了该方法简化数据的实际意义． 一般情况下按贡献率由大到小，取累计贡献率达到85％的前2～3个主成分，其他的忽略不计。 在