第二讲多属性决策分析.pptVIP

　主成分分析的原理 此外，新变量应满足： 相互不相关 Z1的方差最大，Z2, …, Zn的方差依次减少。　 新旧指标的总方差不变。 第六十二页，共一百零一页。 　主成分分析的原理 满足上述条件的新变量（综合指标） Z1、Z2、…、Zn分别称为原始指标的第1、第2、…、第n个主成分（主元）。 当 很小时，用Z1、Z2、…、Zk就 可基本上反映出原始n个指标所包含的信息量。 优点： 减少了评价指标个数； 充分保留了原始指标的信息量； 新指标彼此不相关，避免了信息的交叉和重叠。 第六十三页，共一百零一页。 　主成分分析的原理 如何求得原始指标的n个主成分？ 设X有协方差矩阵∑，λ1≥λ2≥…≥λn是∑的从大到小的n个特征根，L1, L2, …, Ln是这 n个特征根对应的标准化正交特征向量。 其中： 数理统计已经证明，原始指标的第j个主成分Zj为： 第六十四页，共一百零一页。 　主成分分析的计算步骤 设有 n个决策指标，m个可行方案的决策问题。 决策矩阵为X=(xij) m×n 决策矩阵标准化（一般采用标准样本变换） 其中： 第六十五页，共一百零一页。 　主成分分析的计算步骤 决策矩阵标准化（一般采用标准样本变换） ？为什么要进行决策矩阵的标准化 由于主成分是从协方差矩阵∑求得的，而协方差矩阵会受评价指标的量纲和数量级的影响，从而主成分也会因评价指标的量纲和数量