主成分分析原理及详解

358第14章主成分分析1概述1.1基本概念1.1.1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x1与x2，如身高和体重。x1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x1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Z1，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359一主成分，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Z1这一个指标代替原来的两个指标（x1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x1与x2之间的关系。Z1=l11x1+l12x2Z2=l21x1+l22x2即新指标Z1和Z2是原指标x1与x2的线性函数。在统计学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。3601.2PCA满足条件1.2.1一般条件一般来说，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Z1提供信息最多，Z2次之，依次类推。1.2.2PCA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λ1、λ2、λ3，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。1.3SPSS运行主要选择项1.3.1操作步骤Analyzes/datareduction/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361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1.3.3Descriptive对话框Statistics：统计数据Univariatedescriptive：单变量描述性统计；Initialsolution：初始解的统计量。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。3621.3.4Extractionmethod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363Unrotatedfactorsolution：非旋转因子解。Screenplotoftheeigenvalues：特征值碎石图。Extract：提取。Eigenvaluesover1：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1.3.5Rotationmethod旋转方法对话框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。364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。1.3.7Option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：选择左边变量栏中的变量，用箭头键将要分析的变量移入右边的变量栏。准备分析。例如移入身高、体重。365SelectionVariable：选择变量窗口。在该窗口输入变量名（case），则因子分析只对有关case对应的变量进行分析。单击右边Value窗口打开SetValue对话框。输入数值作为指定值。单击continue，返回主对话框。见下图