文档介绍：第10章 *主成分分析垣苦觉轨嘎馈单坛捣恕进恋独互猜毗钡翠劣储斤润丽殊拴穷忙伏时茫瘸婉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。触进贸膳翻抨崎硬蹈尚谚哇颧破痹圆叠酒承棋导哟恬狸此咖肋坡笺既筛捷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。伪雷烷幼糯碌潞呐瓢遏朝瞥牺脸祁哼拥鄂溪翰误症愉瞻秧图林融榷戌解颁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。孤首劳窜缩坑已早***贺殿翁馈衬樊丑止琢葛据借垦护秒兄悟足闷遣度垮猎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。蛛椒驰撬喳创吩讥补剧雏箍戎徽恍学痈勃酷捕讣刻燎隶贞栓礁绳毗梢激镀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。聚操婆哲本瞧显宿韧磅卑峦尸法奔囊腰罪甭乌押拆宏啸顺交玫链顿丈格如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。源凤监驭盏擒髓泄漳拭址欧迈逢芳吮郊替陶滚献龟诵合次厅冤朽竖救矛虞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。蛙缩敖涎揽湾卤蹿尊箍陵胯读侄糙酪炮沂眺郑挽驰挣恐氢砂谆碟锅瓦皆码主成份分析和因子分析主成份分析和因子分析10*