主成分分析 实例.docxVIP

实例 1 §8 实例 1 英语 x1 100 数学 x2 65 2 90 85 3 70 70 4 70 90 5 85 65 6 55 45 7 55 55 8 45 65 计算得  x =71.25， x 1 2  =67.5 分析 1：基于协差阵? 求主成分。 ? 369.6 117.9 ? ? ?S ? ? ? ? 特征根与特征向量（Ｓ无偏，用SPSS） Factor 1 Factor 2 x ? x 1 1 0.880 -0.474 x ? x 2 2 0.474 0.880 特征值 433.12 150.81 贡献率 0.7417 0.2583 注：样本协差阵为无偏估计S ? 1 X ?(I ? 11 1? ) X ， 所以，第一、二主成分的表达式为 n ?1 n n n n ? y ? 0.88(x ? 71.25) ? 0.47(x ? 67.5) ? 1 1 2 ?y ? ?0.47(x ? 71.25) ? 0.88(x ? 67.5) ? 2 1 2 第一主成分是英语与数学的加权和（反映了综合成绩），且英语的权数要大于数学的权数。 y 越大，综合成绩越好。（综合成分） 1 第二主成分的两个系数异号（反映了两科成绩的均衡性）。不妨将英语称为 文科，数学称为理科。 y 2 越大，说明偏科（文、理成绩不均衡）， y 2 越小，越 接近于零，说明不偏科（文、理成绩均衡）。（结构成分） 问题：英语的权数为何大？如何解释？ 分析 2： 基于相关阵 R 求主成分。因为 x =71.25， x 1 2 =67.5 所以相关阵  117.9369.6 ? 117.9 369.6 ? 214.3 1 ? ? R ? ? ? 1? 117.9 ? 1 369.6 ? 369.6 ? 214.3 ? ? 解得 R 的特征根为： ? 1 =1.419， ? Factor 1Factor 2 Factor 1 Factor 2 0.707 0.707 0.707 -0.707 1.419 0.581 0.709 0.291 =0.581，对应的单位特征向量分别为： x ? x 1 1 s 1 x ? x 2 2 s 2 特征根 贡献率 所以，第一、二主成分的表达式为 ? x ? 71.25 x ? 67.5 x ? 71.25 x ? 67.5 1323.42187.5? y ? 0.707 ? 0.707 ? 1 323.4 2 187.5 1 17.98 ? 0.707 2 ? 1 13.69 ? 2? y ? 0.707 2 x ? 71.25 1 ? 0.707 x ? 67.5 ? 0.707 x ? 71.25 1 ? 0.707 x ? 67.5 ?? 2 323.4 187.5  217.98 13.69 2 ? y ? 0.039(x ? 71.25) ? 0.052(x ? 67.5) ? 1 1 2 ?y ? 0.039(x ? 71.25) ? 0.052(x ? 67.5) ? 2 1 2 ? y ? 0.039x ? 0.052x ? 6.273 ? 1 1 2 ?y ? 0.039x ? 0.052x ? 0.671 ? 2 1 2 y ? 0.707 x* ? 0.707 x* 1 1 2 y ? 0.707 x* ? 0.707 x* 2 1 2 基于相关阵的更说明了： 第一主成分是英语与数学的加权总分。第二主成分是对两科成绩均衡性的度量。 此例说明：基于协差阵与基于相关阵的主成分分析的结果不一致。结合此 例的实际背景，经对比分析可知，基于协差阵的主成分分析更符合实际。 实例 PAGE 实例 PAGE 2 例、用“服装数据”，从样本相关矩阵出发进行主成分分析， x1 x2 x3 x4 x5 x6 x1 1 0.79 0.36 0.76 0.25 0.51 x2 0.79 1 0.31 0.55 0.17 0.35 x3 0.36 0.31 1 0.35 0.64 0.58 x4 0.76 0.55 0.35 1 0.16 0.38 x5 0.25 0.17 0.64 0.16 1 0.63 x6 0.51 0.35 0.58 0.38 0.63 1 Y1 Y2 Y3 Y4 Y5 Y6 x1：身高 0.469 -0.365 -0.092 -0.122 0.08 -0.786 x2：坐高 0.404 -0.397 -0.613 0.326 -0.027 0.443 x3：胸围 0.394 0.397 0.279 0.656 -0.405 -0.125 x4：臂长 0.408 -0.365 0.705 -0.108 0