统计学第十一章 主成分分析与因子分析.pptxVIP

统计学;;;思维导图;背景启题;;;一、主成分分析的原理与步骤;第一节主成分分析与因子分析概述;主成分分析要求变量具有较强相关性,如果原始变量之间的相关性较弱,主成分分析的效

果可能不理想。因为每个变量都可能包含了独特的信息,难以通过少数几个主成分来有效表

示。这用二维图形能更直观地显示,如图11-1所示。;

图11-1(a)表示两个变量相关,呈现椭圆形状,椭圆的长轴包含了更多的信息,即方差最大的方向,为第一个主成分,而短轴方向与长轴正交,方差较小,包含的信息也较少,数据降维是有意义的。图11-1(b)表示的是两个不相关的变量,散点图的轮廓类似正圆,长短轴不明确,因为无论向哪个方向投影都不会有太大差别,数据降维也没有什么意义。

主成分分析要求足够的样本量,这样才能有足够的信息进行基础分析。一般而言,我们遵循哈彻(Hatcher)的看法,认为至少有100个样本或者主成分分析中变量个数5倍的样本量。

;(二)主成分分析的步骤;

(3)归一化。归一化是指将数据映射到0~1范围内处理,更加便捷快速,常见的计算公式如下。

式中,min和max分别是数据集的最小值和最大值。

第二步,计算标准化样本的协方差矩阵R。

第三步,计算协方差矩阵的特征值和特征向量。

第四步,计算主成分贡献率及累计贡献率。