主成分分析实例.doc

在统计学中，主成分分析（principal components analysis, PCA）是一种简化数据集的技术。它是一个线性变换。这个变换把数据变换到一个新的坐标系统中，使得任何数据投影的第一大方差在第一个坐标(称为第一主成分)上，第二大方差在第二个坐标(第二主成分)上，依次类推。主成分分析经常用减少数据集的维数，同时保持数据集的对方差贡献最大的特征。这是通过保留低阶主成分，忽略高阶主成分做到的。这样低阶成分往往能够保留住数据的最重要方面。 在实证问题研究中，为了全面、系统地分析问题，我们必须考虑众多影响因素。这些涉及的因素一般称为指标，在多元统计分析中也称为变量。因为每个变量都在不同程度上反映了所研究问题的某些信息，并且指标之间彼此有一定的相关性，因而所得的统计数据反映的信息在一定程度上有重叠。在用统计方法研究多变量问题时，变量太 多会增加计算量和增加分析问题的复杂性，人们希望在进行定量分析的过程中，涉及的变量较少，得到的信息量较多。主成分分析正是适应这一要求产生的，是解决这类题的理想工具 主成分分析法是一种降维的统计方法，它借助于一个正交变换，将其分量相关的原随机向量转化成其分量不相关的新随机向量，这在代数上表现为将原随机向量的协方差阵变换成对角形阵，在几何上表现为将原坐标系变换成新的正交坐标系，使之指向样本点散布最开的p 个正交方向，然后对多维变量系统进行降维处理，使之能以一个较高的精度转换成低维变量系统，再通过构造适当的价值函数，进一步把低维系统转化成一维系统。 主成分分析的主要作用体现在五个方面，第一，主成分分析能降低所研究的数据空间的维数。第二，可通过因子负荷的结论，弄清X变量间的某些关系。第三，可用于多为数据的一种图形表现方法。第四，可由主成分分析构造回归模型，即把各个主成分作为新自变量代替原来自变量做回归分析。第五，用主成分分析筛选回归变量。 案例分析： 下表是关于全国31个省市的8项经济指标，以此为例，进行主成分分析。 省份 国内生产1 居民消费2 固定资产3 职工工资4 货物周转5 消费价格6 商品零售7 工业产值8 北京1 1394.89 2505 519.01 8144 373.9 117.3 112.6 843.43 天津2 920.11 2720 345.46 6501 342.8 115.2 110.6 582.51 河北3 2849.52 1258 704.87 4839 2033.3 115.2 115.8 1234.85 山西4 1092.48 1250 290.9 4721 717.3 116.9 115.6 697.25 内蒙5 832.88 1387 250.23 4134 781.7 117.5 116.8 419.39 辽宁6 2793.37 2397 387.99 4911 1371.7 116.1 114 1840.55 吉林7 1129.2 1872 320.45 4430 497.4 115.2 114.2 762.47 黑龙江8 2014.53 2334 435.73 4145 824.8 116.1 114.3 1240.37 上海9 2462.57 5343 996.48 9279 207.4 118.7 113 1642.95 江苏10 5155.25 1926 1434.95 5943 1025.5 115.8 114.3 2026.64 浙江11 3524.79 2249 1006.39 6619 754.4 116.6 113.5 916.59 安徽12 2003.58 1254 474 4609 908.3 114.8 112.7 824.14 福建13 2160.52 2320 553.97 5857 609.3 115.2 114.4 433.67 江西14 1205.11 1182 282.84 4211 411.7 116.9 115.9 571.84 山东15 5002.34 1527 1229.55 5145 1196.6 117.6 114.2 2207.69 河南16 3002.74 1034 670.35 4344 1574.4 116.5 114.9 1367.92 湖北17 2391.42 1527 571.68 4685 849 120 116.6 1220.72 湖南18 2195.7 1408 422.61 4797 1011.8 119 115.5 843.83 广东19 5381.72 2699 1639.83 8250 656.5 114 111.6 1396.35 广西20 1606.15 1314 382.59 5105 556 118.4 116.4 554.9