社会統計第12回主成分分析.pptxVIP

１．主成分分析とはテキスト：渡部洋（編著）『心理?教育のための多変量解析入門基礎編』第１章ひとつの集団に対して多くの変数を測定例：複数科目の学力試験，多くの変数を測定する社会調査複数の変数を何らかの方法で合成して，新しい総合的な変数を作りたい．性的寛容性の指数（『社会統計学』第11章）

変数の重みづけによる合成主成分分析（principalcomponentanalysis）：合成変数Yの分散が最大となるように，重みwを決定する方法個人差をはっきりさせる回帰分析と異なり，予測すべき外的な変数（基準変数）は存在しない．合成変数Yはデータとして与えられるのではない

第１主成分（firstprincipalcomponent）：いくつかの変数から，分散最大化の原理にしたがって合成された変数．第２主成分（secondprincipalcomponent）：第１主成分との相関がゼロになるような合成変数のうち，分散が最大のもの変数がp個ある場合，最大でp個の主成分を求めることができる．

主成分分析の主要な目的は，相互に相関のあるp個の変数を，それら変数に含まれる情報を大きく損なうことなく，相互に無相関の，より少ない変数に置き換えること．次元縮約．後述するように，p個の変数の分散を合計すると，p個の主成分の分散の合計に等しい．より少数の主成分の分散を合計したとき，それがもとの全分散とあまり大きく変わらないならば，情報の損失は小さい．

２．２変量データの主成分分析(1)主成分分析を行うデータには多くの変数が含まれるのが一般的．説明のため，２変数の場合を考える．例題：２０人の大学生X1：教育統計学（stat1）X2：心理測定法（stat2）head(pca1)Studentstat1stat2114864228076338084446080556888668884

平均平均X1X2

mean(pca1$stat1)[1]71.2var(pca1$stat1)[1]174.4842sd(pca1$stat1)[1]13.20925mean(pca1$stat2)[1]79.6var(pca1$stat2)[1]90.77895sd(pca1$stat2)[1]9.527799cor(pca1$stat1,pca1$stat2)[1]0.8203255この値は，不偏分散およびその正の平方根．テキストの値と異なる．

合成変数Y合成変数の分散sY2は，X1の分散をs12，X2の分散をs22，X1とX2の共分散をs12として，重みを大きくしていけば合成変数の分散はいくらでも大きくできるので，制約をつける．(1-1)(1-2)(1-3)

合成変数Yの分散あるいはN-1

制約式より，w1の値が決まればw2も決まる第１主成分を合成するときの重みは，分散最大化のため，共分散が正ならば２つの重みを同符号に，負ならば異符号にする後述するように，重みは固有ベクトルとして「まとめて」得られるので，あまり気にしなくてよい．(1-6,1-7)

主成分の分散第１主成分の重み(1-8)(1-4)(1-5)

教育統計学と心理測定法のデータを，Rを使って主成分分析する．pca2-pca1[,2:3]result-prcomp(pca2)summary(result)Importanceofcomponents:PC1PC2Standarddeviation15.624.61ProportionofVariance0.920.08CumulativeProportion0.921.00主成分の分散の平方根

分散の再配分最大化された分散これら２つの分散の合計は，もとの２変数の分散の合計と等しい．主成分分析は，もとの変数の分散の総和を各主成分に再配分する．第１主成分から順にできるだけ大きな分散を占めるようにする．result$sdev^2[1]244.0343421.22882

説明される分散主成分によって説明される分散．このデータでは，第１主成分で92%が説明されている．もとの２変数のかわりに，この合成変数だけを利用してよい．落ちてしまう情報は８％だけ．summary(result)Importanceofcomponents: