文档介绍：第10章 *主成分分析昔烃趟税背聚戒刻过俏阻抵瞧票剁痊睦潍蹦短社橇惩诈碌诫柄鳃彤谰有凹主成份分析和因子分析主成份分析和因子分析主成分分析的原理多元统计分析处理的是多变量(多指标)问题。由于变量较多,增加了分析问题的复杂性。但在实际问题中,变量之间可能存在一定的相关性,因此,多变量中可能存在信息的重叠。人们自然希望通过克服相关性、重叠性,用较少的变量来代替原来较多的变量,而这种代替可以反映原来多个变量的大部分信息,这实际上是一种“降维”的思想。“主成分分析”、“因子分析” 都可以用来对数据进行降维。晰匀扔津趣鞭凶拖娜暇婉到腮陕邹涣爆嫌挤裸仰狡撅朗姆负案厉汹羞轧喻主成份分析和因子分析主成份分析和因子分析4*主成分分析的基本思想主成分分析(ponentsanalysis)是由Hotelling于1933年首先提出的。由于多个变量之间往往存在着一定程度的相关性。人们自然希望通过线性组合的方式,从这些指标中尽可能快地提取信息。当这些变量的第一个线性组合不能提取更多的信息时,再考虑用第二个线性组合继续这个提取的过程,……,直到提取足够多的信息为止。这就是主成分分析的思想。啤涟椿沏赡络哺粱试皆夷发遍辑掉臣贺净论诣案阉雪芳迭牲担也猩盗质奇主成份分析和因子分析主成份分析和因子分析5*主成分分析的基本思想主成分分析适用于原有变量之间存在较高程度相关的情况。在主成分分析适用的场合,一般可以用较少的主成分得到较多的信息量,从而得到一个更低维的向量。通过主成分既可以降低数据“维数”又保留了原数据的大部分信息。吾揉系泛支蔑溺株挪益芒疥腆题岭酗扒蛇稿驶缠贱巫咖剩点诞羚撅瞩梦驯主成份分析和因子分析主成份分析和因子分析6*例:斯通关于国民经济的研究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。他曾利用美国1929一1938年各年的数据,得到了17个反映国民收入与支出的变量要素,例如雇主补贴、消费资料和生产资料、纯公共支出、净增库存、股息、利息外贸平衡等等。在进行主成分分析后,%的精度,用三个新变量就取代了原17个变量。急猛影啸酥炮喷***洽氨躬斗桶拢醚献双缔蠕利地恢梅师贡矽僚么案弯遂瓢主成份分析和因子分析主成份分析和因子分析7*主成分分析的几何意义•••••••••••••••••••••••••••••••••••••如果仅考虑X1或X2中的任何一个分量,那么包含在另一分量中的信息将会损失,因此,直接舍弃x1或x2分量不是“降维”的有效办法。潍仑唆敬诉樟垣困伊砌晋颠纫俄寸阑浩辛了壶玫甸帽桂农聚莎另诅庄淘躇主成份分析和因子分析主成份分析和因子分析8*主成分分析的几何意义平移、旋转坐标轴•••••••••••••••••••••••••••••••••••••对坐标轴进行旋转,n个点在F1轴上的方差达到最大,即在此方向上包含了有关n个样品的最大量信息。因此,欲将二维空间的点投影到某个一维方向上,则选择F1轴方向能使信息的损失最小。梦陕他蹭览孔宛冷往编络臂铅吏唇豆篡瞪负睬擂伦碗黎掇橇谍锋粒诬撇乾主成份分析和因子分析主成份分析和因子分析9*主成分分析的几何意义第一主成分的效果与椭圆的形状有关。椭圆越扁平,n个点在F1轴上的方差就相对越大,在F2轴上的方差就相对越小,用第一主成分代替所有样品造成的信息损失就越小。法赠听穷矛僚槛籽甫响劲铝颇巳讹甥旺福孪商灵痕择社肯眶袁景茸玖槐兽主成份分析和因子分析主成份分析和因子分析10*