2020020148+方盛+统计203 实验四 主成分分析实验报告.docVIP

— PAGE 2 — 实 验 报 告 课程名称： 多元统计实验 学 院： 理 学 院 专业班级： 统计203 姓 名： 方 盛 学 号： 2020020148 教 师： 景 湘 李 实验时间： 2022 年 11 月 11 日  实验名称： 主成分分析 实验目的： 掌握针成分分析的基本思想 掌握总体主成分、样本主成分的性质及步骤 会利用R软件对实际问题做主成分分析 实验设备与环境：计算机，R等。 一、实验内容 二、运行程序 6.3 setwd('D:/新建文件夹') ex6.3 = read.csv("./ex6.3.csv") d6.3 = ex6.3[,-1] rownames(d6.3)=ex6.3[,1] R=round(cor(d6.3),3)#求样本相关系数矩阵 R symnum(cor(d6.3,use="complete.obs")) PCA6.3=princomp(d6.3,cor=T)#用样本相关系数阵作主成分分析 PCA6.3 summary(PCA6.3,loadings=T)#列出主成分分析结果 round(predict(PCA6.3),3)#作预测，即计算各样本主成分得分 screeplot(PCA6.3,type="lines")#画碎石图，用直线图类型 load=loadings(PCA6.3)#提取主成分载荷矩阵 plot(load[,1:2],xlim=c(-0.1,0.8),ylim=c(-0.8,0.8))#作前2个主成分的载荷散点图 rnames=c("身高x1","坐高x2","体重x3","胸围x4","肩宽x5","骨盆宽x6")#使用中文名称 text(load[,1],load[,2],labels=rnames,adj=c(-0.3,1.5)) abline(h=0,v=0)#划分象限 biplot(PCA6.3,scale=0.5)#绘制28个样本点关于前2个主成分的散点图 6.7 setwd("D:/新建文件夹") eg6.7<-read.csv("ex6.7.csv",header=T) d6.7=eg6.7[,-1] rownames(d6.7)=eg6.7[,1] R=round(cor(d6.7),3) R PCAd6.7=princomp(d6.7,cor=T) PCAd6.7 summary(PCAd6.7,loadings=T) screeplot(PCAd6.7,type="barplot") load=loadings(PCAd6.7) plot(load[,1:3],xlim=c(-0.5,0.7),ylim=c(-0.5,0.6)) rnames=c("食品烟酒","衣着","居住","生活用品及服务","交通通信","教育文化娱乐","医疗保健","其他用品及服务") text(load[,1],load[,2],labels=rnames,adj=c(-0.2,0.1),cex=0.7) abline(h=0,v=0) A=round(PCAd6.7$scores,3) B=round(apply(A[,1:3],1,crossprod),2) cbind(A,B,rank(B)) biplot(PCAd6.7,scale=0.5) 三、实验结果分析 6.3 由结果可以看出，身高（x1），坐高（x2），体重（x3）相关性较强。 由结果可得相关系数矩阵的六个特征值开方各为1.781，1.148，0.968，0.648，0.350，0.178。由输出结果可以看出，前三个主成分的累积贡献率为90.4%，已经超过了80%，所以取前三个主成分就可以了。前三个主成分分别为： Z1*=0.522x1+0.525x2+0.511x3+0.346x4+0.188x5+0.185x6 Z2*=0.195x1+0.181x3-0.657x5-0.699x6 Z3*=0.191x1+0.166x2+0.105x3-0.741x4+0.471x5-0.392x6 第一主成分对应的系数符号都为正值，反映身体形态的一种均衡点。第二主成分有正值也有负值，说明男生的肩宽和骨盆宽有的数值较大，有的较小。第三主成分同样有正负值，反映了各地区的男生身体形态有差异。 从碎石图可以看出，前三个主成分的方差占了总方差变化的大部分，所以本问题主成分取值为3是可以的。 载荷散