主成分分析原理及详解

1、 第14章主成分分析1概述1.1基本概念l.i.i定义主成分分析是根据原始变量之间的相互关系，寻找一组由原变量组成、而彼此不相关的综合变量，从而浓缩原始数据信息、简化数据结构、压缩数据规模的一种统计方法。1.1.2举例为什么叫主成分，下面通过一个例子来说明。假定有N个儿童的两个指标xl与x2，如身高和体重。xl与x2有显著的相关性。当N较大时，N观测量在平面上形成椭圆形的散点分布图，每一个坐标点即为个体xl与x2的取值，如果把通过该椭圆形的长轴取作新坐标轴的横轴在此轴的原点取一条垂直于Z1的直线定为新坐标轴的Z2，于是这N个点在新坐标轴上的坐标位置发生了改变;同时这N个点的性质也发生了改变，他

2、们之间的关系不再是相关的。很明显，在新坐标上Z1与N个点分布的长轴一致，反映了N个观测量个体间离差的大部分信息，若Z1反映了原始数据信息的80%,则Z2只反映总信息的20%。这样新指标Z1称为原指标的第一主成分，Z2称为原指标的第二主成分。所以如果要研究N个对象的变异，可以只考虑Z这一个指标代替原来的两个指标（xl与x2）,这种做法符合PCA提出的基本要求，即减少指标的个数，又不损失或少损失原来指标提供的信息。1.1.3函数公式通过数学的方法可以求出Z1和Z2与xl与x2之间的关系。Z1=l11X1+l12x2Z2=121x1+l22x2即新指标Z1和Z2是原指标x1与x2的线性函数。在统计学

3、上称为第一主成分和第二主成分。若原变量有3个，且彼此相关，则N个对象在3维空间成椭圆球分布，见图14-1。通过旋转和改变原点（坐标0点），就可以得到第一主成分、第二主成分和第三主成分。如果第二主成分和第三主成分与第一主成高度相关，或者说第二主成分和第三主成分相对于第一主成分来说变异很小，即N个对象在新坐标的三维空间分布成一长杆状时,则只需用一个综合指标便能反映原始数据中3个变量的基本特征。12PCA满足条件一般条件一般来说，N个对象观察p个指标，可以得到N*p个数据（矩阵）。只要p个指标之间存在有相关关系，就可以通过数学的方法找到一组新的指标，它们需要满足的条件如下。（1）Zi是原指标的线性函

4、数，且它们相互垂直；（2）各个Zi互不相关；（3）各个Zi加起来提供原指标所含的全部的信息，且乙提供信息最多，Z2次之，依次类推。PCA的一般步骤（1）输入或打开数据文件；（2）数据进行标准化处理；（3）计算矩阵的相关系数；（4）求相关矩阵的特征根入、入2、入3，并将它们按大小排序。（5）求特征向量和各主成分；（6）计算各主成分的贡献率；（7）解释各主成分的含义上述的步骤大部分由SPSS执行，用户需要选择观测对象、选择变量，收集数据，将数据输入SPSS程序，最后选择需要多少个主成分，解释各主成分的实际意义。13SPSS运行主要选择项1.3.1操作步骤Analyzes/datareduction

5、/factor/openfactoranalyzes/对话框，主要有5个对话框，下面简要介绍。因子分析主对话框。主要用来选择变量、选择输出结果内容和多少、选择PCA有关数学处理如是否旋转，提取多少个因子数，是否保存各个因子得分等。FactorAnalysis：因子分析；Descriptive：描述性统计选项；Extraction：提取因子选项；Rotation：旋转选择；Scores:因子得分选项；Option：其它选项。1.3.2主对话框Descriptive对话框Statistics:统计数据Univariatedescriptive：单变量描述性统计；Initialsolution：初始

6、解的统计量。Correlationmatrix:相关矩阵Coeffcients：相关系数矩阵。Inverse：相关系数矩阵逆矩阵。Significancelevels：相关系数显著性水平。Reproduced：再生相关矩阵。给出因子分析后的相关矩阵。FactorTLalysie:Descrip皂吕StatisticsrUnivariatedescriptivesi1*7initialeolutionCorrelationMatrix厂rrr厂InverseI-ReproducedI-AntiimageCoefficientsSignilicancelevelsDeterminantKMOand

7、BartlettstestofsphericityExtractionmethod提取公因子方法Method：方法Principalcomponentsanalyze:主成分分析Unweightleastsquares:未加权最小二乘法Generalizedleastsquares：广义最小二乘法Analysis:分析Coeffcientsmatrix:相关系数矩阵。Covariancematrix：协方差矩阵。Display：显示Unrotatedfactorsolution:非旋转因子解。Screenplotoftheeigenvalues:特征值碎石图。Extract:提取。Eigenv

8、aluesover1：系统默认值是1,表示提取特征值大于1的因子。Numberoffactor2：提取公因子的个数。理论上有多少个因子Rotationmethod旋转方法对话框FactorFkiLalysie：EotsLtion*赴ong厂VarimaxuDirectObliminDelta：oQuartimax厂Equamax厂PromaxKappaITDisplay疋Rutatcdulutiuri厂LoadingplolfsMaximumIteratroneforConvergence：Method：方法None：不进行旋转Quartimax:四分位最大正交旋转Varimax：方差最大正交

9、旋转。Equamax:相等最大正交旋转。Display:显示Rotationsolution：旋转解。Loadingplots：旋转因子空间的载荷图。1.3.6Scores因子得分对话框Saveasvariables:将因子得分数据存入为新变量。Regression：用回归法计算因子得分。Bartlett:巴特尼特法计算因子得分。Anderso-rubin,Anderso-rubin:法计算因子得分。Dispalyfactorscorecoefficientmatrx，显示因子得分系数矩阵。FacterArL=LLy5is；FactorScures厂Saveasvariables、llllll

10、lllllIlliIlliIlliIllilllllllllllllIlliIIIMethodRegressionBartlettAnderson-Rubin厂Displayfactorscorecoeffidentmatrix1.3.7Option对话框MissingValues：缺失值处理Excludecaseslistwise:删除全部缺省值的个案。Excludecasespairwise:成对删除含有缺省值的个案。Replacewithmean:用均值替代缺省值。Coefficientdisplayformat因子得分系数矩阵的显示格式。Sortedbysize:按大小排列。回到主对话框上。Variables：选择左边变量栏中