主成分分析案例.docVIP

姓名：XXX学号：XXXXXXX专业：XXXX 用SPSS19软件对以下数据进行主成分剖析： 一、有关性 经过对数据进行双变量有关剖析，获得有关系数矩阵，见表1。 表1淡化浓海水自然蒸发影响要素的有关性 由表1可知： 辐照、风速、湿度、水温、气温、浓度六个要素都与蒸发速率在0.01水平上显着有关。剖析：各变量之间存在着显然的有关关系，若直接将其归入剖析可能会获得因多元共线 性影响的错误结论，所以需要经过主成份剖析将数据所携带的信息进行浓缩办理。 二、KMO和球形Bartlett查验 KMO和球形Bartlett查验是对主成分剖析的合用性进行查验。 KMO查验能够检查各变量之间的偏有关性，取值范围是0～1。KMO的结果越靠近1， 表示变量之间的偏有关性越好，那么进行主成分剖析的成效就会越好。实质剖析时，KMO统计量大于0.7时，成效就比较理想；若当KMO统计量小于0.5时，就不适于采用主成分剖析法。 Bartlett球形查验是用来判断有关矩阵能否为单位矩阵，在主成分剖析中，若拒绝各变量独立的原假定，则说明能够做主成分剖析，若不拒绝原假定，则说明这些变量可能独立供给一些信息，不合适做主成分剖析。 由表2可知： 1、KMO=0.631＜0.7，表示变量之间没有特别完满的信息的重叠度，主成分剖析获得的模型又可能不是特别完美，但仍旧值得实验。 2、显着性小于0.05，则应拒绝假定，即变量间