文章目录6 g {5 q" |7 \4 R6 @+ v; b
Ⅰ.主成分分析: & G; L3 G2 t" ~; ~3 K( p主成分与原始变量之间的关系:$ C; `; D) P! ^5 V) d2 ~2 S) M' S
PCA降维: # N( w! }8 b& XⅡ.SPSS主成分分析的步骤如下: 1 O# h4 C; H5 n! {; W9 DA.求指标对应的系数 H) n ~4 n; x" D4 E2 D
1.方差图与成分矩阵: 2 T* t, V% z _! H6 [3 Y2.指标系数=成分矩阵中的数据/sqrt(主成分相对应的特征值)* I4 `4 T7 J) s$ l1 n, ~5 H
3.主成分的对应的系数=特征值方差的占比/所有特征值方差占比的总和5 y/ M# V9 C# d' O( ^ c
4.采用excel的公式计算指标系数) N) C8 d2 S8 V4 @9 w$ y
5.数据的归一化处理$ V: t' h; K1 L
a.操作如下: " Y$ ?' k: J* e2 v: Rb.得到归一化后的数据: 3 U' o" K( ^% D2 G9 J( f! ^c.然后将数据导入excel进行得分项的输出并排序: # Z# J/ b4 T' z% G8 B" KB.附spss的免安装文件地址: ' Q5 F+ q) \6 ]: oⅠ.主成分分析:+ n- h# Q- E: {5 H
主成分分析(Principal Component Analysis,PCA), 将多个变量通过线性变换以选出较少个数重要变量的一种 多元统计分析方法。' m7 }! d' V1 o, c5 u
& g' q8 d- N5 p# }/ ]
主成分与原始变量之间的关系: / _% N, P5 l) Q$ G (1)主成分保留了原始变量绝大多数信息。 ! e% C& }5 U7 [9 R, P6 }8 e( S3 j5 p7 T r! |5 M
(2)主成分的个数大大少于原始变量的数目。 4 N2 r- B. y1 v / F8 s* `/ q: r9 H" i8 I- E8 l (3)各个主成分之间互不相关。 * \8 [2 N6 |( g5 h/ R& Y: P5 r5 q
(4)每个主成分都是原始变量的线性组合。 - k2 L: U+ J8 \; j `9 [ + L! [5 f9 }$ s0 P8 ?& S- SPCA降维:+ ~ \$ w/ L; P* f( C
假设我们所讨论的实际问题中,有p个指标,我们把这 p个指标看作p个随机变量,记为X1,X2,…,Xp,主 成分分析就是要把这p个指标的问题,转变为讨论p个 指标的线性组合的问题,而这些新的指标F1,F2,…, Fk(k≤p),按照保留主要信息量的原则充分反映原指标 的信息,并且相互独立。 1 y3 }* P. S( }+ ]. ]6 Y) x1 @4 {% p1 Z& T6 d
这种由讨论多个指标降为少数几个综合指标的过程在 数学上就叫做降维。主成分分析通常的做法是,寻求 原指标的线性组合Fi。8 y' m6 g( S. H: N5 w
- z2 T2 g9 M, t2 X. e2 b
Ⅱ.SPSS主成分分析的步骤如下:3 {1 @5 @& ?6 f7 G U/ X3 ]
1 U B8 e9 q7 O/ b5 b . |) o9 r: \( C' @0 C* B- X+ c3 C9 l9 N% ~+ C7 ~! [$ F# [ , h, q; |1 L9 F4 w. L; G& o/ t6 x( k1 P$ d/ K* V+ L3 y - O0 N0 M" ]/ r ! g" ~' Z* v8 u1 Y6 y! A/ A) l2 ?8 b. q' A
/ B( I8 q# V0 |9 {: N/ n+ f 2 \% g0 o2 ~& B u
- ]+ B' y% H" ?2 T: x0 a) Y 8 {' v: L* w* r- b, t" D5 }! F, j
4 G& e% J4 W" N1 F# s / [8 Q- s3 [7 G, s# X ! p/ b& n- O$ m+ h3 E 2 P; _- a$ H& Q3 E1 Q$ U 0 W0 L' \/ V. z% {) e9 s 7 p3 a+ s/ Q4 R" `3 Q * d" `& K+ _- O9 T. mA.求指标对应的系数1.方差图与成分矩阵:5 d: h2 ?& v5 q# D( k/ Z q& o& y# q, l% ?5 H' o$ q8 }0 |& H7 v! x8 O0 a u
. ~9 c' Q B9 x0 V% @+ Q+ i
2.指标系数=成分矩阵中的数据/sqrt(主成分相对应的特征值) / l/ Q, M9 E. @/ v, O- w5 KF1=0.353ZX1 +0.042ZX2- 0.041ZX3 +0.364ZX4 +0.367ZX5 +0.366ZX6 +0.352ZX7 +0.364ZX8 +0.298ZX9+0.355ZX10: J \( w* Z( h1 U& E
/ e3 |, n" Y0 {: ^, x1 e3 B+ q
F2 =0.175ZX1 - 0.741ZX2+0.609ZX3 - 0.004ZX4 +0.063ZX5- 0.061ZX6 - 0.022ZX7 +0.158ZX8 0.046ZX9 -0.115ZX101 I3 p0 M8 [, o4 f* e- `- G
2 I$ d1 r6 x8 V' ?1 R(注:ZX1,ZX2,…ZX10均为归一化之后处理的数据,而不是原数据表格中的数值,目的在于统一不同的量纲。)9 m0 _, |# o1 w$ n
9 U& b9 y7 ^, L# p
3.主成分的对应的系数=特征值方差的占比/所有特征值方差占比的总和 2 G2 R! J9 J4 ZF=(72.2/84.5) F1 +(12.3/84.5) F23 K2 X/ {7 }. I0 _5 H( E
- r: T5 e1 H* P* A
4.采用excel的公式计算指标系数' K& O' J6 o& F# q" i
将成分矩阵的数据列导入excel表格。 # l. i5 V7 ^% t 4 e3 ]( G6 H) \* ]2 G+ H6 \4 @; A/ `8 D& e& }% {! Z
然后通过Excel命令:6 I# \9 ?6 b9 ]3 [- I
=A1/sqrt(主成分的特征值)
得到结果:
5 ]) z; X3 J& q; m $ ^% d( ]# W+ y* d, l/ V# b* U
: g% _# z T: S& e/ q$ S5.数据的归一化处理a.操作如下:5 h" m9 Y& j. F0 L# k / W1 G1 x6 c2 @% p$ w5 i
& }& n* Q# g* B' y " p0 n! ?" h( b, N
* C' ?0 t/ n+ _ D9 P% R b.得到归一化后的数据:7 w/ S z' F. g " D' S5 f. V# B9 Q1 \8 J- P# `" x' p( |$ }) q- [( v- p c.然后将数据导入excel进行得分项的输出并排序:
通过F1的计算公式得到F1标准下的测评得分。
& F4 S. [9 U6 S
* A C# Y- A* O& `6 p1 [
F2同理可得;
最终根据F的计算式得到最终测评得分排序。
& Q5 p. Y4 D% U# E$ L3 G ( B) a* ^& D; C8 M! O
" e% z" S. J5 R! G0 F/ o8 g * G6 d# P2 [& y; C/ Y5 G7 c" B1 t0 B& {. f8 t