应用多元统计分析作业解答主成分分析

《应用多元统计分析作业解答主成分分析》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、主成分分析6.1试述主成分分析的基本思想。答：我们处理的问题多是多指标变量问题，由于多个变量之间往往存在着一定程度的相关性，人们希望能通过线性组合的方式从这些指标中尽可能快的提取信息。当第一个组合不能提取止。这就是主成分分析的基本思想。矚慫润厲钐瘗睞枥庑赖。6.2主成分分析的作用体现在何处？答：一般说来，在主成分分析适用的场合，用较少的主成分就可以得到较多的信息量。以各个主成分为分量，就得到一个更低维的随机向量；主成分分析的作用就是在降低数据“维数”聞創沟燴鐺險爱氇谴净。6.3简述主成分分析中累积贡献率的具体含义。答：主成分分析把个原始变量的总方差分解成了个相互独立的变量个主成分

2、的，忽略一些带有较小方差的主成分将不会给总方差带来太大的影响。这里我们个主成分，则称为主成分的累计贡献率，累计贡献率表明综合的能力。通常取，使得累计贡献率达到一个较高的百分数（如85％以上）。残骛楼諍锩瀨濟溆塹籟。答：这个说法是正确的。即原变量方差之和等于新的变量的方差之和6.5试述根据协差阵进行主成分分析和根据相关阵进行主成分分析的区别。答：从相关阵求得的主成分与协差阵求得的主成分一般情况是不相同的。从协方差矩阵出发的，其结果受变量单位的影响。主成分倾向于多归纳方差大的变量的信息，对于方差小的变量就可能体现得不够，也存在“大数吃小数”的问题。实际表明，这种差异有时很大。我酽锕极

3、額閉镇桧猪訣锥。6.6已知X=()’的协差阵为试进行主成分分析。彈贸摄尔霁毙攬砖卤庑。解：=0计算得当时，謀荞抟箧飆鐸怼类蒋薔。同理，计算得时，易知相互正交单位化向量得，,综上所述，第一主成分为第二主成分为第三主成分为6.7设X=()’的协方差阵(p为,0

4、采和选业6917.23032.7683.361.6石油和天然气开采业5675.93926.2717.533877黑色金属矿采选业768.1221.296.513.8有色金属矿采选业622.4248116.421.6非金属矿采选业699.9291.584.96.2其它采矿业1.60.50.30解:令资产总计为X1，固定资产净值平均余额为X2，产品销售收入为X3，利润总额为X4，用SPSS对这六个行业进行主成分分析的方法如下：渗釤呛俨匀谔鱉调硯錦。1.在SPSS窗口中选择Analyze→DataReduction→Factor菜单项，调出因子分析主界面，并将变量移入Variables

5、框中，其他均保持系统默认选项，单击OK按钮，执行因子分析过程（关于因子分子在SPSS中实现的详细过程，参见7.7）。得到如表6.1所示的特征根和方差贡献率表和表6.2所示的因子载荷阵。铙誅卧泻噦圣骋贶頂廡。第一个因子就可以解释86.5%表6.1特征根和方差贡献率表表6.2因子载荷阵2.将表6.2中因子载荷阵中的数据输入SPSS数据编辑窗口，命名为a1。点击菜单项中的Transform→Compute，调出Computevariable对话框，在对话框中输入等式：擁締凤袜备訊顎轮烂蔷。z1=a1/SQRT(3.46)，计算第一个特征向量。点击OK按钮，即可在数据编辑窗口中得到以z1

6、为变量名的第一特征向量。贓熱俣阃歲匱阊邺镓騷。表6.3特征向量矩阵z1x10.509x20.537x30.530x40.413根据表6.3得主成分的表达式：1.再次使用Compute命令，调出Computevariable对话框，在对话框中输入等式：根据六个工业行业计算所的y1的大小可得石油和天然气开采业的经济效益最好，煤炭开采和选业其次，接着依次是黑色金属、非金属、有色金属和其他采矿业。坛摶乡囂忏蒌鍥铃氈淚。6.9下表是我国2003年各地区农村居民家庭平均每人主要食品消费量，试用主成分方法对各主要食品和地区进行分类。蜡變黲癟報伥铉锚鈰赘。地区粮食蔬菜食油猪牛羊肉家禽蛋类及其制品

7、水产品食糠酒北京134.0592.789.1514.62.1710.134.252.9214.42天津150.269.991011.070.8410.88.350.7210.14河北216.7255.976.597.10.546.362.250.657.29山西218.9180.875.725.360.246.150.471.152.59内蒙207.370.772.7921.181.413.821.451.3410.77辽宁194.39178.595.916.452.519.59