主成分分析在多指标权重选择中的应用.docxVIP

主成分分析在多指标权重选择中的应用 目前，国内外对多指标的综合评价有许多方法。根据权重确定的不同方法可分为两类：一类是主观赋权法，如等级分析法、德尔菲法等，主要是综合评价的定性方法。这类方法因受到人为因素的影响,往往会夸大或降低某些指标的作用,致使排序的结果不能完全真实地反映事物间的现实关系。另一类是客观赋权法,即根据各指标间的相关关系或各项指标值的变异程度来确定权数,避免由于人为因素带来的偏差,如主成分分析法、因子分析法,等等。本文介绍的主成分分析法在将原始变量转变为主成分的过程中,同时形成了反映主成分和指标包含信息量的权数,以计算综合评价值。这样在指标权重选择上克服了主观因素的影响,客观地反映了样本间的现实关系。 一、 fpsd1的线性组合 主成分分析就是设法将原来众多的具有一定相关性的指标(比如P个指标),重新组合成一组新的相互无关的综合指标来代替原来的指标。通常数学上的处理就是将原来P个指标作线性组合,若没有限制条件作为新的综合指标,这样的线性组合会有很多,那么如何去选取呢?主成分分析的基本思想是:如果将选取的第一个线性组合即第一个综合指标记为F1,自然希望尽可能多的反映原来指标的信息。这里的“信息”最经典的方法就是用F1的方差来表达,即Var(F1)越大,表示F1包含的信息越多。因此在所有的线性组合中所选取的F1应该是方差最大的,故称F1为第一主成分。如果第一主成分不足