第十三讲-主成分分析和因子分析.ppt

输出结果方差贡献率累积贡献率主成分系数矩阵（因子负荷量）各主成分在变量上的载荷，可得到主成分表达式。但是变量是标准化后的变量只有第一个的特征根大于1，只提取了1个主成分，第1个主成分方差占总方差的77%*五、主成分分析的应用1.对原始指标进行综合以互不相关的较少个综合指标反应众多原始指标提供的信息。主成分回归(解决多元共线问题)。2.进行综合评价*3.进行探索性分析利用因子载荷阵，找出影响各综合指标的主要原始指标。4.对样品进行分类利用主成分得分对样品进行分类：因子分析部分一、因子分析基本思想从分析多个可观测的原始指标的相关关系入手，找到支配这种相关关系的有限个不可观测的潜在变量。是多元分析中处理降维的一种统计方法。*specificfactorcommonfactor*Xi:观测指标(标准化数据)Fi:公因子ei:特殊因子aij:因子载荷(计算关键项)*X=AF+e***三、因子模型的性质矩阵A的统计意义1.公共度(共性方差)*因子的共性方差*2.因子贡献与因子贡献率矩阵A第j列元素反映了第j个公因子Fj对所有原始指标的影响;数据标准化后全部原始指标的总方差为指标个数m。Fj对原始指标的方差贡献率*各因子的贡献*3.因子载荷及因子载荷阵A*四、因子载荷阵的求解及计算步骤1.收集原始数据并整理为下表*2.对各指标进行标准化3.求指标间的相关系数矩阵RX4.求指标间的约相关系数矩阵R*（1）R*的非对角线元素与相关矩阵RX的非对角线元素相等（2）R*的对角线元素为共性方差*5.求出约关系数矩阵R*所有大于零的特征值及相应的特征向量6.写出因子载荷阵A，得出原始指标X的公因子表达式*要求：1.保留公因子个数q小于指标个数m，原则：?j≥1前k个公因子累积贡献率≥70%2.各共性方差接近于1。3.各原始指标在同一公因子Fj上的因子载荷之间的差别应尽可能大。*3.主成分分析与因子分析间的关系（1）两者的分析重点不一致Z=AX主成分为原始变量线性组合，重点在综合原始变量信息。X=AF+e原始变量为公因子与特殊因子线性组合，公因子重点反映支配原始变量的不可观测的潜在因素。*（2）两者之间有密切的关系因子分析完全能替代主成分分析，并且功能更为强大。主成分分析是一种思想，是一种得到目的的中间手段，是其它多元统计分析方法的基础，如因子分析常用主成分法求解。主成分分析单独应用有其独到之处，如应用于综合评价与主成分回归时非常实用、科学。主成分分析是因子分析的一种方法（未旋转）。LOGO主成分分析和因子分析PrincipalComponentsAnalysisAndFactoranalysis引言实际工作中，为了全面系统反映问题，往往收集的变量较多，但是经常出现变量间具有较强的相关关系的情况。直接使用这些变量，会出现模型相当复杂而无法得到合理的专业解释的情况，更甚至会出现多重共线性问题而引起较大的误差。因此，引入主成分分析和因子分析。一、主成分分析主成分分析的一般目的：定义主成分分析:是一种通过降维技术把多个变量化为少数几个主成分(即综合变量)的统计分析方法变量的降维主成分的解释1概述17个变量国民经济指标3个变量雇主补贴纯公共支出股息生产指数利息净增库存消费资料外贸盈余人口总收入F1总收入变化率F2经济发展趋势F3国民经济指标例子一项十分著名的工作是美国的统计学家斯通(stone)在1947年关于国民经济的研究。主成分分析1概述年度指标外贸盈余人口股息利息消费资料…….….1980120100358646343571981155133441524134479198217612014159143634319831231531618319571661984186134281772856582198521115635124337745719861971652915547863951987166