主成分分析案例

1、姓名：XXX学号：XXXXXXX 专业：XXXX用SPSS19软件对下列数据进行 主成分分析:日期n气温湿度水温风速浓度菱发速奉8. 273040a 43003. 5CL 268. 330500. 43003. 50-159. 0640500. 43003. 50.17乩1401300.电3003. 5工电Z9. 1430500. 43023. 5r o 3i6. 0930500. 53003. 56 259. 1930400. 53003. 50.1710. 130 600. 53023. 5p 8 2410, 0430500. 53C23. 50.2S久29301400. 53023. 5

2、L0.3210. 0730400. 52023. 50 2510. 1320300. 52023. 50.218. 05401500. 63023. 50. 35S. 0130500. 63023. 50 295. 2330400. 63023. 50. 337. 0730600. 73003. 50*297. 1140400. 73C03. 50 347. 0330SO0. 73023. 5Q. 4 2L 1330500. 73023. 50.3&6. 1230400. 73023. 5Cl 3412, 02030a 71023. 50.276. 24301400. 83003. 50. 4

3、33. 1240300. 83003. 50-2910. 29304092003. 50.3711. 1120400. 920a3. 50. 311. 022030CL 92C03. 50 3S11. 2820100、9403. 5CL 3511. 262050o. g2023. 50-3&10. 2530400. 93023. 50- 3711.誤2040a 92023, 50.2912. 1220200. 93C23. 50-3510. 2130300. 93023. 50生410. 163020a 93023, 50. 4：6乐3206002003. 50.1605306002003.

4、50-0S6. 06208002。03, 50. 038. 08306003003. 50 1611. 05203003)3. 5dlG11. 07105001003. 50.09.6. 330400. 43003. 50. 27. 2730500. 4300350 227. 294050a 43003. 50.228. 1330500. 43C03. 50- 35Q 1 Q2CIann d弼cn on一、相关性通过对数据进行双变量相关分析，得到相关系数矩阵，见表1表1淡化浓海水自然蒸发影响因素的相关性凤遠畑m溫滦度霜照1100-.250.332.262.025.636sm叔侧）.052.00

5、0.000.DOD.633000N375375375375375375375Pearson.1001-025-J94m 1 ior.*36.曲显薯性叔侧）.052630.000.050.000.000hl3753753753753再375温度Pearson*.250-.0251.250.253.090-J09显著性（取侧）.UQO.630J0 00.aoD.031.CQiN375375375375375375375水温卩earson相笑性.332-.134.2501.702-.C2530&k，辰著社（O1）.000.000.000.000.631.000N3753753751752752752

6、76Pearson 相学 It-101253I095323显曹性侬侧）.000.050.ooa.000.067.000N375375375375375375375袖度网arsciri相关-.025438T.090.0S51讨显普世（X侧）.33.000.081.031.oer000N375375375375375375375期賞速率Pearsonh .63650-.209.308.323J93n1显薯性（双侧J.000.000000.000.00D.0003753T53rs3?5穴韶瞬翻）11-由表1可知:辐照、风速、湿度、水温、气温、浓度六个因素都与蒸发速率在0.01水平 上显著相关分析：各

7、变量之间存在着明显的相关关系，若直接将其纳入分析可能会得到 因多元共线性影响的错误结论，因此需要通过主成份分析将数据所携带的信息进 行浓缩处理。、KMO和球形Bartlett 检验KMO和球形Bartlett检验是对主成分分析的适用性进行检验。KMO检验可以检查各变量之间的偏相关性，取值范围是01。KMO的结果越接近1，表示变量之间的偏相关性越好，那么进行主成分分析的效果就会 越好。实际分析时，KMO统计量大于0.7时，效果就比较理想；若当 KMO统 计量小于0.5时，就不适于选用主成分分析法。Bartlett球形检验是用来判断相关矩阵是否为单位矩阵，在主成分分析中， 若拒绝各变量独立的原假设

8、，则说明可以做主成分分析，若不拒绝原假设，则说 明这些变量可能独立提供一些信息，不适合做主成分分析。KMOBarllett 的趨盟取样足潮度的 Ksiser-Meer-Olkin*559Bartlett的球形度检监近似咔方930.350df21Sig.000由表2可知:1、KMO=0.631 V 0.7，表明变量之间没有特别完美的信息的重叠度，主成分析得到的模型又可能不是非常完善，但仍然值得实验。2、显著性小于0.05，则应拒绝假设，即变量间具有较强的相关性。三、公因子方差公因子方差表示变量共同度。表示各变量中所携带的原始信息能被提取出的 主成分所体现的程度公因孑右羞找取辐照1.0001 00

9、0.SDB湿度1.0007231 0008321 000792浓度1 0006B31 000：352捉取方法；主成份分祈由表3可知:几乎所有变量共同度都达到了 75%，可认为这几个提取出的主成分对各个 变量的阐释能力比较强。四、解释的总方差解释的总方差给出了各因素的方差贡献率和累计贡献率解释的总方差初始特征值按取平方和戴入合计方羞的玄黑根台计方差的%累视*12.33033.29333.2832.33033.283332832177325.39559,6761.77825.39553.67831 35719.39175.0661.35775.0694.5298.63497 0525J406,23

10、993.3416.2793.S3597.3207.1872 674100.000堤取方法：王咸储分祈。由表4可知：1、仅前3个特征根大于1，故SPSS只提取了前三个主成分。2、第一主成分的方差所占所有主成分方差的 33.045%，接近三分之一，而前三个主成分的方差累计贡献率达到88.363%，因此选前三个主成分已足够描述气象因子和卤水因子对蒸发的影响了。五、主成分系数矩阵主成分系数矩阵，可以说明各主成分在各变量上的载荷。廣份矩阵m123J22.161-.463.288.752.397湿度.012-491.694木温700-583.039气温.709-.507.1SLI.239419.671.822.415-J20提取方法一主战彳分3已握取了 3个咸份O由表5可知:通过主成份矩阵可以得出各主成分的表达式，但是在表达式中各变量是标准 化的变量，需要除以一个特征根的平方根才能换算成各主成分的原始数值。则三个主成分的表达式分别如下：F1=（0.429 辐照-0.24 风速 +0.354 湿度 +0.914 水温 +0.881 气温-0.026 浓度”、一 1.938F2=（0.15 辐照 +0.822 风速 +0.118 湿度-0.005 水温 +1.141 气温 +0.846 浓度）/、1.447F3=（-0.77 辐照-0.129 风速 +