发布时间 : 星期六 文章应用多元统计分析习题解答主成分分析 doc更新完毕开始阅读1cf40f955dbfc77da26925c52cc58bd63186933c
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。
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”
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p个原始变量X1,X2,L,Xp的总方差tr(Σ)分解成了p个相互独立的变量
p个主成分的，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m(?p)个主成分，则称?m???kk?1m??k?1pk 为主成分Y1,L,Ym的累计贡献率，累计贡献率
表明Y1,L,Ym综合X1,X2,L,Xp的能力。通常取m，使得累计贡献率达到一个较高的百分数（如85％以上）。
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
6.6 已知X=(
)’的协差阵为 试进行主成分分析。
解：=0
计算得
当
时
，
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 证明：为最大特征根，其对应的主成分为 。 证明： = = , 为最大特征根 当 时， = 所以， 6.8利用主成分分析法，综合评价六个工业行业的经济效益指标。 单位：（亿元） 行业名称 资产 固定资产净产品销 利润 总计 值平均余额 售收入 总额 煤炭开采和选业 6917.2 3032.7 683.3 61.6 石油和天然气开采业 黑色金属矿采选业 有色金属矿采选业 非金属矿采选业 其它采矿业 5675.9 768.1 622.4 699.9 1.6 3926.2 221.2 248 291.5 0.5 717.5 96.5 116.4 84.9 0.3 33877 13.8 21.6 6.2 0 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： 1. 在SPSS窗口中选择Analyze→Data Reduction→Factor菜单项，调出因子分析主界 面，并将变量X1?X5移入Variables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。 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Compute variable对话框，在对话框中输入等式： 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为变量名的第一特征向量。 表6.3 特征向量矩阵 x1 x2 x3 x4 根据表6.3得主成分的表达式： z1 0.509 0.537 0.530 0.413 Y1?0.509X1?0.537X2?0.530X3?0.413X4 3. 再次使用Compute命令，调出Compute variable对话框，在对话框中输入等式：