第五章主成分分析

2023/2/21第五章主成分分析

目錄上頁下頁返回結束

§5.1主成分分析的基本思想與理論§5.2總體主成分及其性質§5.3樣本主成分的導出§5.4有關問題的討論§5.5主成分分析步驟及框圖§5.6主成分分析的上機實現(xiàn)2023/2/22

目錄上頁下頁返回結束

主成分分析(PrincipalComponentsAnalysis)也稱主分量分析，是由霍特林（Hotelling）于1933年首先提出的。主成分分析是利用降維的思想，在損失很少信息的前提下把多個指標轉化為幾個綜合指標的多元統(tǒng)計方法。通常把轉化生成的綜合指標稱之為主成分，其中每個主成分都是原始變量的線性組合，且各個主成分之間互不相關。這樣在研究復雜問題時就可以只考慮少數(shù)幾個主成分而不至于損失太多信息，從而更容易抓住主要矛盾，，同時使問題得到簡化，提高分析效率。2023/2/23

目錄上頁下頁返回結束

§5.1主成分分析的基本思想與理論§5.1.1主成分分析的基本思想§5.1.2主成分分析的基本理論2023/2/24

目錄上頁下頁返回結束

§5.1.1

主成分分析的基本思想考慮多個指標對某一問題進行分析的時候會產生如下問題：為了避免遺漏重要的信息而考慮盡可能多的指標；增多增加了問題的復雜性，同時由于各指標均是對同一事物的反映，不可避免地造成信息的大量重疊，這種信息的重疊有時甚至會抹殺事物的真正特征與內在規(guī)律。基于上述問題，人們就希望在定量研究中涉及的變量較少，而得到的信息量又較多。主成分分析正是研究如何通過原來變量的少數(shù)幾個線性組合來解釋原來變量絕大多數(shù)信息的一種多元統(tǒng)計方法。2023/2/25

目錄上頁下頁返回結束

既然研究某一問題涉及的眾多變量之間有一定的相關性，就必然存在著起支配作用的共同因素，根據(jù)這一點，通過對原始變量相關矩陣或協(xié)方差矩陣內部結構關系的研究，利用原始變量的線性組合形成幾個綜合指標（主成分），在保留原始變量主要信息的前提下起到降維與簡化問題的作用，使得在研究復雜問題時更容易抓住主要矛盾。2023/2/26

目錄上頁下頁返回結束

3.主成分保留了原始變量絕大多數(shù)信息4.各主成分之間互不相關1.每一個主成分都是各原始變量的線性組合2.主成分的數(shù)目大大少于原始變量的數(shù)目利用主成分分析得到的主成分與原始變量之間有如下基本關系：2023/2/27

目錄上頁下頁返回結束

§5.1.2

主成分分析的基本理論設對某一事物的研究涉及個指標，分別用表示，這個指標構成的維隨機向量為。設隨機向量的均值為，協(xié)方差矩陣為。對進行線性變換，可以形成新的綜合變量，用表示，也就是說，新的綜合變量可以由原來的變量線性表示，即滿足下式：(5.1)2023/2/28

目錄上頁下頁返回結束

由于可以任意地對原始變量進行上述線性變換，由不同的線性變換得到的綜合變量的統(tǒng)計特性也不盡相同。因此為了取得較好的效果，我們總是希望的方差盡可能大且各之間互相獨立，由于

=而對任給的常數(shù)，有2023/2/29

目錄上頁下頁返回結束

因此對不加限制時，可使任意增大，問題將變得沒有意義。我們將線性變換約束在下面的原則之下：1．，即：

2．

3.是的一切滿足原則1的線性組合中方差最大者；是與不相關的所有線性組合中方差最大者；…,是與都不相關的的所有線性組合中方差最大者。2023/2/210

目錄上頁下頁返回結束

基于以上三條原則決定的綜合變量分別稱為原始變量的第一、第二、…、第個主成分。其中，各綜合變量在總方差中占的比重依次遞減，在實際研究工作中，通常只挑選前幾個方差最大的主成分，從而達到簡化系統(tǒng)結構，抓住問題實質的目的。2023/2/211

目錄上頁下頁返回結束

§5.1.3

主成分分析的幾何意義

由第一節(jié)的介紹我們知道，在處理涉及多個指標問題的時候，為了提高分析的效率，可以不直接對個指標構成的維隨機向量進行分析，而是先對向量進行線性變換，形成少數(shù)幾個新的綜合變量，使得各綜合變量之間相互獨立且能解釋原始變量盡可能多的信息，這樣，在以損失很少部分信息為代價的前提下，達到簡化數(shù)據(jù)結構，提高分析效率的目的。這一節(jié)，我們著重討論主成分分析的幾何意義，為了方便，我們僅在二維空間中討論主成分的幾何意義，所得結論可以很容易地擴展到多維的情況。2023/2/212

目錄上頁下頁返回結束

設有個樣品，每個樣品有兩個觀測變量，這樣，在由變量組成的坐標空間中，個樣品點散布的情況如帶狀，見圖5-1。圖5-12023/2/213

目錄上頁下頁返回結束

由圖可以看出這個樣品無論沿軸方向還是沿軸方向均有較大的離散性，其離散程度可以分別用觀測變量的方差和的方差定量地表示，顯然，若只考慮和中的任何一個，原始數(shù)據(jù)中的信息均會有較大的損失。我們的目的是考慮和的線性組合，使得原始樣品數(shù)據(jù)可以由新的變量和來刻畫。在幾何上表示就是將坐標軸按逆時針方向旋轉角度，得到新坐標軸和，坐標旋轉公式如下：2023/2/214

目錄上頁下頁返回結束

其矩陣形式為：其中，為旋轉變換矩陣，由上式可知它是正交陣，即滿足

2023/2/215

目錄上頁下頁返回結束

經(jīng)過這樣的旋轉之后，個樣品點在軸上的離散程度最大，變量代表了原始數(shù)據(jù)絕大部分信息，這樣，有時在研究實際問題時，即使不考慮變量也無損大局。因此，經(jīng)過上述旋轉變換就可以把原始數(shù)據(jù)的信息集中到軸上，對數(shù)據(jù)中包含的信息起到了濃縮的作用。進行主成分分析的目的就是找出轉換矩陣，而進行主成分分析的作用與幾何意義也就很明了了。下面我們用遵從正態(tài)分布的變量進行分析，以使主成分分析的幾何意義更為明顯。為方便，我們以二元正態(tài)分布為例。對于多元正態(tài)總體的情況，有類似的結論。2023/2/216

目錄上頁下頁返回結束

設變量遵從二元正態(tài)分布，分布密度為:令為變量的協(xié)方差矩陣，其形式如下：令則上述二元正態(tài)分布的密度函數(shù)有如下矩陣形式：2023/2/217

目錄上頁下頁返回結束

考慮（為常數(shù)），為方便，不妨設又令為的特征值，為相應的標準正交特征向量.則為正交陣，有：2023/2/218

目錄上頁下頁返回結束

因此有：

橢圓方程，主軸方向確定了主成分的坐標方向主成分分析的幾何意義：主成分分析的過程無非就是坐標系旋轉的過程，各主成分表達式就是新坐標系與原坐標系的轉換關系，在新坐標系中，各坐標軸的方向就是原始數(shù)據(jù)變差最大的方向。2023/2/219

目錄上頁下頁返回結束

§5.2總體主成分及其性質由上面的討論可知，求解主成分的過程就是求滿足三條原則的原始變量的線性組合的過程。本節(jié)先從總體出發(fā)，介紹求解主成分的一般方法及主成分的性質，然后介紹樣本主成分的導出。2023/2/220

目錄上頁下頁返回結束

主成分分析的基本思想就是在保留原始變量盡可能多的信息的前提下達到降維的目的，從而簡化問題的復雜性并抓住問題的主要矛盾。而這里對于隨機變量而言，其協(xié)方差矩陣或相關矩陣正是對各變量離散程度與變量之間的相關程度的信息的反應，而相關矩陣不過是將原始變量標準化后的協(xié)方差矩陣。

我們所說的保留原始變量盡可能多的信息，也就是指的生成的較少的綜合變量（主成分）的方差和盡可能接近原始變量方差的總和。在實際求解主成分的時候，總是從原始變量的協(xié)方差矩陣或相關矩陣的結構分析入手。一般地說，從原始變量的協(xié)方差矩陣出發(fā)求得的主成分與從原始變量的相關矩陣出發(fā)求得的主成分是不同的。。2023/2/221

目錄上頁下頁返回結束

證明：由引論知，對于任意常向量，有：又為標準正交特征向量，于是：證明：由引論知，對于任意常向量，有：又為標準正交特征向量，于是：

此時：

（5.3）結論：設隨機向量的協(xié)方差矩陣為，為的特征值，為矩陣各特征值對應的標準正交特征向量，則第i個主成分為：

結論：設隨機向量的協(xié)方差矩陣為，為的特征值，為矩陣各特征值對應的標準正交特征向量，則第i個主成分為：

§5.2.1總體主成分(一)從協(xié)方差矩陣出發(fā)求解主成分2023/2/222

目錄上頁下頁返回結束

由以上結論，我們把的協(xié)方差矩陣的非零特征值對應的標準化特征向量分別作為系數(shù)向量，分別稱為隨機向量的第一主成分、第二主成分、…、第主成分。的分量依次是的第一主成分、第二主成分、…、第主成分的充分必要條件是：（1），即為階正交陣；（2）的分量之間互不相關；（3）的個分量是按方差由大到小排列。2023/2/223

目錄上頁下頁返回結束

于是隨機向量與隨機向量之間存在下面的關系式：（5.4）

注：無論的各特征根是否存在相等的情況，對應的標準化特征向量總是存在的，我們總可以找到對應各特征根的彼此正交的特征向量。這樣，求主成分的問題就變成了求特征根與特征向量的問題。2023/2/224

目錄上頁下頁返回結束

5.2.2主成分的性質

性質1

的協(xié)方差陣為對角陣。性質2

記，有證明：記則有于是2023/2/225

目錄上頁下頁返回結束

定義5.1

稱為第個主成分的方差貢獻率，稱為主成分的累積貢獻率。

由此進一步可知，主成分分析是把個隨機變量的總方差分解為個不相關的隨機變量的方差之和，使第一主成分的方差達到最大，第一主成分是以變化最大的方向向量各分量為系數(shù)的原始變量的線性函數(shù)，最大方差為。表明了的方差在全部方差中的比值，稱為第一主成分的貢獻率。這個值越大，表明這個新變量綜合信息的能力越強，也即由的差異來解釋隨機向量的差異的能力越強。2023/2/226

目錄上頁下頁返回結束

正因如此，才把稱為的主成分。進而我們就更清楚為什么主成分的名次是按特征根取值的大小排序的。

進行主成分分析的目的之一是為了減少變量的個數(shù)，所以一般不會取個主成分，而是取個主成分，取多少比較合適，這是一個很實際的問題，通常以所取使得累積貢獻率達到85％以上為宜，即(5.5)這樣，既能使損失信息不太多，又達到減少變量，簡化問題的目的。另外，選取主成分還可根據(jù)特征值的變化來確定。圖5-2為SPSS統(tǒng)計軟件生成的碎石圖。

2023/2/227

目錄上頁下頁返回結束

圖5-2由圖5-2可知，第二個及第三個特征值變化的趨勢已經(jīng)開始趨于平穩(wěn)，所以，取前兩個或是前三個主成分是比較合適的。這種方法確定的主成分個數(shù)與按累積貢獻率確定的主成分個數(shù)往往是一致的。在實際應用中有些研究工作者習慣于保留特征值大于1的那些主成分，但這種方法缺乏完善的理論支持。在大多數(shù)情況下，當m=3時即可使所選主成分保持信息總量的比重達到85％以上。2023/2/228

目錄上頁下頁返回結束

定義5.2

第個主成分與原始變量的相關系數(shù)稱做因子負荷量。因子負荷量是主成分解釋中非常重要的解釋依據(jù)，因子負荷量的絕對值大小刻畫了該主成分的主要意義及其成因。在下一章因子分析中還將要對因子負荷量的統(tǒng)計意義給出更詳細的解釋。由下面的性質我們可以看到因子負荷量與系數(shù)向量成正比。

性質3（5.6）

由性質3知因子負荷量與向量系數(shù)成正比，與的標準差成反比關系，因此，絕不能將因子負荷量與向量系數(shù)混為一談。在解釋主成分的成因或是第個變量對第個主成分的重要性時，應當根據(jù)因子負荷量而不能僅僅根據(jù)與的變換系數(shù)。2023/2/229

目錄上頁下頁返回結束

性質4（5.7）證明：由性質3有（5.8）性質5證明：因為向量是隨機向量的線性組合，因此也可以精確表示成的線性組合。由回歸分析知識知，與的全相關系數(shù)的平方和等于1，而因為之間互不相關，所以與的全相關系數(shù)的平方和也就是，因此，性質5成立。2023/2/230

目錄上頁下頁返回結束

定義5.3

與前個主成分的全相關系數(shù)平方和稱為對原始變量的方差貢獻率，即

（5.9）這一定義說明了前個主成分提取了原始變量中的信息，由此我們可以判斷我們提取的主成分說明原始的能力。2023/2/231

目錄上頁下頁返回結束

5.2.3從相關陣出發(fā)求解主成分

考慮如下的數(shù)學變換：令：其中，與分別表示變量的期望與方差。于是有令：于是，對原始變量進行標準化：2023/2/232

目錄上頁下頁返回結束

經(jīng)過上述標準化后，顯然有

由于上面的變換過程，原始變量的相關陣實際上就是對原始變量標準化后的協(xié)方差矩陣，因此，由相關矩陣求主成分的過程與主成分個數(shù)的確定準則實際上是與由協(xié)方差矩陣出發(fā)求主成分的過程與主成分個數(shù)的確定準則是相一致的，在此不再贅述。仍用分別表示相關陣的特征值與對應的標準正交特征向量，此時，求得的主成分與原始變量的關系式為：（5.10）2023/2/233

目錄上頁下頁返回結束

5.2.4由相關陣求主成分時主成分性質的簡單形式由相關陣出發(fā)所求得主成分依然具有上面所述的各種性質，不同的是在形式上要簡單，這是由相關陣的特性決定的。我們將由相關陣得到的主成分的性質總結如下：1．的協(xié)方差矩陣為對角陣；3．第個主成分的方差占總方差的比例，即第個主成分的方差貢獻率為，前個主成分的累積方差貢獻率為；2023/2/234

目錄上頁下頁返回結束

注意到，且，結合前面從協(xié)方差矩陣出發(fā)求主成分部分對主成分性質的說明，可以很容易的得出上述性質。雖然主成分的性質在這里有更簡單的形式，但應注意其實質與前面的結論并沒有區(qū)別；需要注意的一點是判斷主成分的成因或是原始變量（這里原始變量指的是標準化以后的隨機向量）對主成分的重要性有更簡單的方法，因為由上面第4條知這里因子負荷量僅依賴于由到的轉換向量系數(shù)（因為對不同的，因子負荷量表達式的后半部分是固定的）。2023/2/235

目錄上頁下頁返回結束

§5.3樣本主成分的導出記

在實際研究工作中，總體協(xié)方差陣與相關陣通常是未知的，于是需要通過樣本數(shù)據(jù)來估計。設有個樣品，每個樣品有個指標，這樣共得到個數(shù)據(jù)，原始資料矩陣如下：

2023/2/236

目錄上頁下頁返回結束

為樣本協(xié)方差矩陣，作為總體協(xié)方差陣的無偏估計，是樣本相關矩陣，為總體相關矩陣的估計。由前面的討論知，若原始資料陣是經(jīng)過標準化處理的，則由矩陣求得的協(xié)方差陣就是相關矩陣，即與完全相同。因為由協(xié)方差矩陣求解主成分的過程與同相關矩陣出發(fā)求解主成分的過程是一致的，下面我們僅介紹由相關陣出發(fā)求解主成分。因為為正定矩陣，所以其特征根都是非負實數(shù)，將它們依大小順序排列，其相應的特征向量記為，則相對于的方差為：同理有即對于有最大方差，有次大方差，……，并且，協(xié)方差為：2023/2/237

目錄上頁下頁返回結束

2023/2/238

目錄上頁下頁返回結束

由此可知新的綜合變量（主成分）彼此不相關，并且的方差為，則分別稱為第一、第二、……、第個主成分。由上述求主成分的過程可知，主成分在幾何圖形中的方向實際上就是的特征向量的方向，關于主成分分析的幾何意義我們還要在下一節(jié)詳細討論；主成分的方差貢獻就等于的相應特征值。這樣，我們在利用樣本數(shù)據(jù)求解主成分的過程實際上就轉化為求相關陣或協(xié)方差陣的特征值和特征向量的過程。

2023/2/239

目錄上頁下頁返回結束

§5.4有關問題的討論§5.4.1關于由協(xié)方差矩陣或相關矩陣出發(fā)求解主成分§5.4.2主成分分析不要求數(shù)據(jù)來自于正態(tài)總體§5.4.3主成分分析與重疊信息2023/2/240

目錄上頁下頁返回結束

§5.4.1關于由協(xié)方差矩陣或相關矩陣出發(fā)求解主成分由前面的討論可知求解主成分的過程實際就是對矩陣結構進行分析的過程，也就是求解特征值的過程。在實際分析過程中，我們可以從原始數(shù)據(jù)的協(xié)方差矩陣出發(fā)，也可以從原始數(shù)據(jù)的相關矩陣出發(fā)，其求主成分的過程是一致的。但是，從協(xié)方差陣出發(fā)和從相關陣出發(fā)所求得的主成分一般來說是有差別的，而且這種差別有時候還很大。下面我們舉例說明這個問題，為了敘述方便，我們以二維數(shù)據(jù)為例。2023/2/241

目錄上頁下頁返回結束

可以得到，原始變量的協(xié)方差陣與相關陣分別為：

由協(xié)方差陣出發(fā)求解主成分，得到結果見表5-1：【例5.1】

假定我們研究某一經(jīng)濟問題共涉及兩個指標：產值和利稅。其中產值以百萬元計，利稅以萬元計，得原始資料矩陣如下:2023/2/242

目錄上頁下頁返回結束

表5-1對應兩特征值的標準正交特征向量為：表5-22023/2/243

目錄上頁下頁返回結束

因此，所得的主成分的表達式為：其中，第一主成分保留了原始變量99.50%的信息，我們在分析中就可以把第二主成分舍掉，這樣達到簡化問題的目的。第一主成分與原始變量的因子負荷量分別為：由此可知，第一主成分反應了利稅指標0.9871的信息，方差較大的利稅指標對第一主成分起了主要作用。2023/2/244

目錄上頁下頁返回結束

由相關矩陣求解主成分的結果見表5-3：表5-3對應兩特征值的標準正交特征向量為：表5-42023/2/245

目錄上頁下頁返回結束

此時，所得主成分的表達式為：由從相關矩陣出發(fā)求解主成分的結果可知，第一主成分保留了原始變量66.29%的信息，且產值指標與利稅指標對第一主成分的貢獻是相同的。第一主成分分別集中了產值和利稅（因子負荷)的信息。2023/2/246

目錄上頁下頁返回結束

由此可以看出，由協(xié)方差陣出發(fā)求解主成分所得的結果及由相關陣出發(fā)求解主成分所得的結果有很大不同，所得主成分解釋原始變量方差比例與主成分表達式均有顯著差別，且兩者之間不存在簡單的線性關系。正因有此差別，所以在處理實際問題時就面臨著選取由協(xié)方差矩陣出發(fā)求解主成分還是由相關陣出發(fā)求解主成分的問題，為了更好的理解這種差別，我們對原始變量轉換成同一度量單位再求主成分。對產值與利稅均以萬元計，原始數(shù)據(jù)資料陣變?yōu)橐韵滦问剑合嚓P矩陣沒有變化，協(xié)方差矩陣變?yōu)椋?023/2/247

目錄上頁下頁返回結束

由此協(xié)方差矩陣出發(fā)重新求主成分，結果見表5-5：表5-5對應兩特征值的標準正交特征向量見表5-6

：表5-62023/2/248

目錄上頁下頁返回結束

此時所得主成分的表達式為：其中，第一主成分保留了原始變量98.44%的信息，第一主成分與原始變量的因子負荷量分別為：由此可知，第一主成分保留原始變量的信息與主成分與原始變量的關系式均與上兩種情況有很大差別，那么，究竟哪種方法得到的結果更為可信呢，在實際研究中我們應該作何選擇呢？2023/2/249

目錄上頁下頁返回結束

一般而言，對于度量單位不同的指標或是取值范圍彼此差異非常大的指標，我們不直接由其協(xié)方差矩陣出發(fā)進行主成分分析，而應該考慮將數(shù)據(jù)標準化。比如，在對上市公司的財務狀況進行分析時，常常會涉及到利潤總額、市盈率、每股凈利率等指標，其中利潤總額取值常常從幾十萬到上百萬，市盈率取值一般從五到六、七十之間，而每股凈利率在1以下，不同指標取值范圍相差很大，這時若是直接從協(xié)方差矩陣入手進行主成分分析，明顯利潤總額的作用將起到重要支配作用，而其它兩個指標的作用很難在主成分中體現(xiàn)出來，此時應該考慮對數(shù)據(jù)進行標準化處理。2023/2/250

目錄上頁下頁返回結束

但是，對原始數(shù)據(jù)進行標準化處理后傾向于各個指標的作用在主成分的構成中相等。對于取值范圍相差不大或是度量相同的指標進行標準化處理后，其主成分分析的結果仍與由協(xié)方差陣出發(fā)求得的結果有較大區(qū)別。其原因是由于對數(shù)據(jù)進行標準化的過程實際上也就是抹殺原始變量離散程度差異的過程，標準化后的各變量方差相等均為1，而實際上方差也是對數(shù)據(jù)信息的重要概括形式，也就是說，對原始數(shù)據(jù)進行標準化后抹殺了一部分重要信息，因此才使得標準化后各變量在對主成分構成中的作用趨于相等。由此看來，對同度量或是取值范圍在同量級的數(shù)據(jù)，還是直接從協(xié)方差矩陣求解主成分為宜。2023/2/251

目錄上頁下頁返回結束

對于從什么出發(fā)求解主成分，現(xiàn)在還沒有一個定論，但是我們應該看到，不考慮實際情況就對數(shù)據(jù)進行標準化處理或者直接從原始變量的相關矩陣出發(fā)求解主成分是有其不足之處的，這一點一定要引起注意。建議在實際工作中分別從不同角度出發(fā)求解主成分并研究其結果的差別，看看是否發(fā)生明顯差異且這種差異產生的原因在何處，以確定用哪種結果更為可信。2023/2/252

目錄上頁下頁返回結束

§5.4.2主成分分析不要求數(shù)據(jù)來自于正態(tài)總體由上面的討論可知，無論是從原始變量協(xié)方差矩陣出發(fā)求解主成分，還是從相關矩陣出發(fā)求解主成分，均沒有涉及到總體分布的問題。也就是說，與很多多元統(tǒng)計方法不同，主成分分析不要求數(shù)據(jù)來自于正態(tài)總體。實際上，主成分分析就是對矩陣結構的分析，其中主要用到的技術是矩陣運算的技術及矩陣對角化和矩陣的譜分解技術。我們知道，對多元隨機變量而言，其協(xié)方差矩陣或是其相關矩陣均是非負定的，這樣，我們就可以按照求解主成分的步驟求出其特征值、標準正交特征向量，進而求出主成分，達到縮減數(shù)據(jù)維數(shù)的目的。同時，由主成分分析的幾何意義可以看到，對來自多元正態(tài)總體的數(shù)據(jù)，我們得到了合理的幾何解釋，即主成分就是按數(shù)據(jù)離散程度最大的方向進行坐標軸旋轉。主成分分析的這一特性大大擴展了其應用范圍，對多維數(shù)據(jù)，只要是涉及降維的處理，我們都可以嘗試用主成分分析，而不用花太多精力考慮其分布情況。2023/2/253

目錄上頁下頁返回結束

§5.4.3主成分分析與重疊信息首先應當認識到主成分分析方法適用于變量之間存在較強相關性的數(shù)據(jù)，如果原始數(shù)據(jù)相關性較弱，運用主成分分析后不能起到很好的降維作用，即所得的各個主成分濃縮原始變量信息的能力差別不大。一般認為當原始數(shù)據(jù)大部分變量的相關系數(shù)都小于0.3時，運用主成分分析不會取得很好的效果。很多研究工作者在運用主成分分析方法時，都或多或少存在著對主成分分析去除原始變量重疊信息的期望，這樣，在實際工作中初始就可以把與某一研究問題相關而可能得到的變量（指標）都納入分析過程，再用少數(shù)幾個主成分濃縮這些有用信息（假定已剔除了重疊信息），然后對主成分進行深入分析。在對待重疊信息方面，生成的新的綜合變量（主成分）是有效剔除了原始變量中的重疊信息，還是僅僅按原來的模式將原始信息中的絕大部分用幾個不相關的新變量表示出來，這一點還值得討論。2023/2/254

目錄上頁下頁返回結束

為說明這個問題，我們有必要再回顧一下主成分的求解過程，我們僅就從協(xié)方差矩陣出發(fā)求主成分的過程予以說明，對相關陣有類似的情況。對于維指標的情況，我們得到其協(xié)方差矩陣如下：現(xiàn)在考慮一種極端情況，即有兩個指標完全相關，不妨設第一個指標在進行主成分分析時考慮了兩次。則協(xié)方差矩陣變?yōu)椋?023/2/255

目錄上頁下頁返回結束

此時進行主成分分析的時候實際上是由維矩陣進行。的行列式的值為零但仍滿足非負定，只不過其最小的特征值為0，由出發(fā)求解主成分，其方差總和不再是而是變?yōu)?，也就是說，第一個指標在分析過程中起到了加倍的作用，其重疊信息完全象其他指標提供的信息一樣在起作用。2023/2/256

目錄上頁下頁返回結束

這樣求得的主成分已經(jīng)與沒有第一個指標重疊信息時不一樣了，因為主成分方差的總和已經(jīng)變?yōu)槎皇?，每個主成分解釋方差的比例也相應發(fā)生變化，而整個分析過程沒有對重疊信息作任何特殊處理。也就是說，由于對第一個指標羅列了兩次，其在生成的主成分構成中也起到了加倍的作用。這一點是尤其應該引起注意的，這意味著主成分分析對重疊信息的剔除是無能為力的，同時主成分分析還損失了一部分信息。對此文獻[4]舉例進行了說明。因此，在實際工作中，在選取初始變量進入分析時應該小心，對原始變量存在多重共線性的問題，在應用主成分分析方法時一定要慎重。應該考慮所選取的初始變量是否合適，是否真實地反映了事物的本來面目，如果是出于避免遺漏某些信息而特意選取了過多的存在重疊信息的變量時，就要特別注意應用主成分分析所得到的結果。2023/2/257

目錄上頁下頁返回結束

如果所得到的樣本協(xié)方差矩陣（或是相關陣）最小的特征值接近于0，那么就有（5.11）進而推出（5.12）這就意味著，中心化以后的原始變量之間存在著多重共線性，即原始變量存在著不可忽視的重疊信息。因此，在進行主成分分析得出協(xié)方差陣或是相關陣發(fā)現(xiàn)最小特征根接近于零時，應該注意對主成分的解釋，或者考慮對最初納入分析的指標進行篩選，由此可以看出，雖然主成分分析不能有效地剔除重疊信息，但它至少可以發(fā)現(xiàn)原始變量是否存在著重疊信息，這對我們減少分析中的失誤是有幫助的。2023/2/258

目錄上頁下頁返回結束

§5.5主成分分析步驟及框圖§5.5.1主成分分析步驟§5.5.2主成分分析的邏輯框圖2023/2/259

目錄上頁下頁返回結束

§5.5.1主成分分析步驟由上面討論大體上已經(jīng)可以明了進行主成分分析的步驟，對此進行歸納如下：1.根據(jù)研究問題選取初始分析變量；2.根據(jù)初始變量特性判斷由協(xié)方差陣求主成分還是由相關陣求主成分；3.求協(xié)差陣或相關陣的特征根與相應標準特征向量；4.判斷是否存在明顯的多重共線性，若存在，則回到第一步；5.得到主成分的表達式并確定主成分個數(shù)，選取主成分；6.結合主成分對研究問題進行分析并深入研究。2023/2/260

目錄上頁下頁返回結束

§5.5.2主成分分析的邏輯框圖特征值標準正交特征向量是否有接近0的情況是其他處理否主成分對主成分進行分析深入分析選擇初始變量度量或取值范圍相同？是否（否）對比分析相關陣分析協(xié)方差陣主成分分析的邏輯框圖見圖5-3：【例5.2】

數(shù)據(jù)集Employeedata為Midwestern銀行在1969-1971年之間雇員情況的數(shù)據(jù)，共包括474條觀測及如下10個變量：Id（觀測號）、Gender（性別）、Bdate（出生日期）、Educ（受教育程度（年數(shù)））、Jobcat（工作種類）、Salary（目前年薪）、Salbegin（開始受聘時的年薪）、Jobtime（受雇時間（月））、Prevexp（受雇以前的工作時間（月））、Minority（是否少數(shù)民族）。下面我們用主成分分析方法處理該數(shù)據(jù)，以期用少數(shù)變量來描述該地區(qū)居民的雇傭情況。2023/2/261

目錄上頁下頁返回結束

§5.6主成分分析的上機實現(xiàn)SPSS軟件FACTOR模塊提供了主成分分析的功能。下面先以SPSS軟件包自帶的數(shù)據(jù)Employeedata.sav為例介紹主成分分析的上機實現(xiàn)方法，在SPSS軟件的安裝目錄下可以找到該數(shù)據(jù)集；然后，我們舉一個實際的例子介紹主成分分析的具體應用。2023/2/262

目錄上頁下頁返回結束

進入SPSS軟件，打開數(shù)據(jù)集Employeedata.sav。依次點選Analyze→DataReduction→Factor….進入FactorAnalysis（因子分析）對話框。（在SPSS軟件中，主成分分析與因子分析均在FactorAnalysis模塊中完成。此時，數(shù)據(jù)集Employeedata.sav中的變量名均已顯示在左邊的窗口中，依次選中變量educ、salary、salbegin、jobtime、prevexp并點向右的箭頭按鈕，這五個變量便進入variables窗口（此時若選中variables窗口中的變量，則窗口左側的箭頭按鈕即轉向左側，點此按鈕即可剔除所選中變量）。點擊右側的OK按鈕，即可得到如下輸出結果5-1。2023/2/263

目錄上頁下頁返回結束

輸出結果5-1（2）輸出結果5-1（1）2023/2/264

目錄上頁下頁返回結束

輸出結果5-1（3）2023/2/265

目錄上頁下頁返回結束

其中Communalities給出了該次分析從每個原始變量中提取的信息，表格下面的注示表明，該次分析是用Factoranalysis模塊默認的信息提取方法即主成分分析完成的?？梢钥吹匠芙逃潭刃畔p失較大外，主成分幾乎包含了各個原始變量至少90%的信息。TotalVarianceExplained表則顯示了各主成分解釋原始變量總方差的情況，SPSS默認保留特征根大于1的主成分，在本例中看到當保留3個主成分為宜，這3個主成分集中了原始5個變量信息的90.66%，可見效果是比較好的。實際上，主成分解釋總方差的百分比也可以由Communalities表中計算得出，即（0.896+0.916+0.999+0.968+0.754）/5=90.66%。ComponentMatrix表中給出了標準化原始變量用求得的主成分線性表示的近似表達式，我們以表中CurrentSalary一行為例，不妨用來表示各個主成分，則由ComponentMatrix表可以得到：標準化的salary2023/2/266

目錄上頁下頁返回結束

在上面的主成分分析中，SPSS默認是從相關陣出發(fā)求解主成分，且默認保留特征根大于1的主成分，實際上，對主成分的個數(shù)我們可以自己確定，方法為：進入FactorAnalysis對話框并選擇好變量之后，點擊Extraction選項，在彈出的對話框中有一個Extract選擇框，默認是選擇Eigenvaluesover1也就是保留特征根大于1的主成分，我們可以輸入別的數(shù)值來改變SPSS軟件保留特征根的大?。涣硗?，還可以選擇NumberofFactors選項直接確定主成分的個數(shù)。在實際進行主成分分析時可以先按照默認設置做一次主成分，然后根據(jù)輸出結果確定應保留主成分的個數(shù)，用該方法進行設定后重新分析。因為我們上面的結果是默認從相關陣出發(fā)得到的，而由相關陣出發(fā)求得的主成分其性質有簡單的表達形式，我們可以方便地加以驗證。2023/2/267

目錄上頁下頁返回結束

由ComponentMatrix中的結果可以得到：=第一主成分的方差，這就驗證了性質4。又有：這恰好與Communalities表中三個主成分提取salary變量的信息相等。我們重做一遍主成分分析，此次將5個主成分全部保留，得到ComponentMatrix表如輸出結果5-2：2023/2/268

目錄上頁下頁返回結束

輸出結果5-2可以看到前三個主成分的相應結果與輸出結果5-1中的對應部分結果是一致的。對上表中結果有如下關系式：2023/2/269

目錄上頁下頁返回結束

這就驗證了性質5。由此表還可以得到標準化原始變量用各主成分線性表示的精確的表達式，以仍以CurrentSalary為例，有：標準化的salary

由SPSS軟件默認選項輸出的結果，我們還不能得到用原始變量表示出主成分的表達式，要得到這個結果及其他一些有用的結果，就需要對FactorAnalysis模塊中的設置做一些調整，方法如下：進入FactorAnalysis對話框并選擇好變量之后，點擊對話框下部的Scores按鈕進入FactorScores對話框，選擇Displayfactorscorecoefficientmatrix選項并按Continue繼續(xù)，該選項是讓系統(tǒng)輸出主成分得分系數(shù)矩陣。點擊OK按鈕運行，則除了默認結果，還輸出如下輸出結果5-3：2023/2/270

目錄上頁下頁返回結束

輸出結果5-3上表中給出了用原始變量表示主成分的系數(shù)信息。因為系統(tǒng)默認是從相關矩陣出發(fā)進行分析，所以，上面表格中的系數(shù)是將原始變量標準化后表示主成分的系數(shù)。也就是說，有下式成立：

2023/2/271

目錄上頁下頁返回結束

應當注意的是，此處SPSS給出的用原始變量表示主成分的表達式得到的是標準化后的主成分，也就是說，這樣求得的主成分的方差是1，而不是原始變量相關矩陣的各個特征根了。如上式中，第一主成分的方差為2.477，而用上式求得的主成分方差為1，要得出未標準化的主成分與原始變量的表達式，只需將SPSS軟件給出的系數(shù)前面乘以主成分方差的平方根即可，未標準化第一主成分與原始變量的關系式如下：類似可以寫出第二、第三個主成分用標準化后的原始變量表示的表達式。2023/2/272

目錄上頁下頁返回結束

【例5.3】在企業(yè)經(jīng)濟效益的評價中，設計的指標往往很多。為了簡化系統(tǒng)結構，抓住經(jīng)濟效益評價中的主要問題，我們可由原始數(shù)據(jù)矩陣出發(fā)求主成分。在對我國部分省、市、自治區(qū)獨立核算的工業(yè)企業(yè)的經(jīng)濟效益評價中，涉及到9項指標，原始數(shù)據(jù)見表5-7，即樣品數(shù)n=28，變量數(shù)p=9。2023/2/273

目錄上頁下頁返回結束

100固定資產原值實現(xiàn)值（%）100元固定資產原值實現(xiàn)利稅（%）100元資金實現(xiàn)利稅（%）100元工業(yè)總產值實現(xiàn)利稅（%）100元銷售收入實現(xiàn)利稅（%）每噸標準煤實現(xiàn)工業(yè)產值（元）每千瓦時電力實現(xiàn)工業(yè)產值（元）全員勞動生產率（元/人.年）100元流動資金實現(xiàn)產值（元）北京（1）119.2930.9829.9225.9715.4821783.4121006296.7天津（2）143.9831.5930.2121.9412.2928524.2920254363.1河北（3）94.817.217.9518.149.3711672.0312607322.2山西（4）65.811.0811.0612.1516.848.821.6510166284.7內蒙（5）54.799.249.5416.866.278941.87564225.4遼寧（6）94.5121.1222.8322.3511.2814162.3613.386311.7吉林（7）80.4913.3613.7616.67.1413062.079400274.1黑龍江（8）75.8615.8216.6720.8610.3712672.269830267上海（9）187.7945.939.7724.4415.0943464.1131246418.6江蘇（10）205.9627.6522.5813.427.8132024.6923377407.2浙江（11）207.4633.0625.7815.949.2838114.1922054385.5安徽（12）110.7820.720.1218.696.614682.2312578341.1福建（13）122.7622.5219.9318.348.3522002.6312164301.2表5-72023/2/274

目錄上頁下頁返回結束

江西（14）94.9414.714.1815.496.6916692.2410463274.4山東（15）117.5821.9320.8918.659.118202.817829331.1河南（16）85.9817.317.1820.127.6713061.8911247276.5湖北（17）103.9619.518.4818.779.1618292.7515745308.9湖南（18）104.0321.4721.2820.638.7212721.9813161309廣東（19）136.4423.6420.8317.337.8529593.7116259334廣西（20）100.7222.0420.921.889.6717322.1312441296.4四川（21）84.7314.3514.1716.937.9613102.3411703242.5貴州（22）59.0514.4814.3524.538.0910681.329710206.7云南（23）73.7221.9122.729.729.3814471.9412517295.8陜西（24）78.0213.1312.5716.839.1917312.0811369220.3甘肅（25）59.6214.0716.2423.5911.349261.1313084246.8青海（26）51.668.328.2616.117.0510551.319246176.49寧夏（27）52.958.258.8215.576.588341.1210406245.4新疆（28）60.2911.2613.1418.688.3910412.910983266續(xù)表5-72023/2/275

目錄上頁下頁返回結束

0.4235231.3384051.5902821.6875562.2396340.4819710.9547461.2603710.0488050.9951991.4096491.6314530.6672281.0658731.1887581.8553941.1338441.200166-0.14352-0.271-0.10906-0.29487-0.00854-0.57821-0.45763-0.152790.49097-0.81499-0.98577-1.08721-1.811432.740046-1.79273-0.84655-0.56349-0.15927-1.06992-1.20067-1.303-0.61894-1.14919-0.86449-0.69303-1.00129-1.18752-0.150240.1868270.5837370.7710330.694243-0.3171-0.11989-2.27170.308902-0.47486-0.71949-0.7039-0.68477-0.82907-0.43245-0.4167-0.69238-0.34307-0.58206-0.43218-0.290780.393790.359408-0.47334-0.22224-0.62003-0.466192.0095833.0809562.9886561.3001862.0961332.7554331.6711712.9832842.1625242.4302940.9494850.548246-1.48989-0.582541.5557832.264781.6592991.9648512.4650251.5813351.002539-0.85187-0.041662.1944081.7530481.43671.5885780.2264810.1377740.199007-0.15562-1.02776-0.26257-0.25294-0.157670.8186910.5038680.3503370.172033-0.24423-0.383850.5050410.156444-0.227320.126834-0.14028-0.56298-0.64428-0.9658-0.99465-0.05179-0.24271-0.51352-0.337870.3839290.2814290.308322-0.16574-0.107890.1065570.3304330.725830.645294表5-82023/2/276

目錄上頁下頁返回結束

-0.34774-0.25932-0.218380.206435-0.63406-0.43245-0.60092-0.38161-0.301460.068569-0.00238-0.03382-0.13536-0.085810.1159940.279260.375190.2603510.070190.2277050.3636890.335558-0.24771-0.4681-0.50881-0.059580.2620850.8206170.4811450.299804-0.49995-0.567831.3009631.2617850.4616730.695579-0.006450.2942770.3097410.6520370.1018430.014276-0.35529-0.180720.043603-0.37669-0.60386-0.6457-0.60122-0.52735-0.42825-0.14036-0.30489-0.89101-0.97128-0.58868-0.620141.322972-0.47952-0.68202-1.18429-0.64022-1.51177-0.631610.2790930.5652822.636993-0.00486-0.28459-0.54975-0.167930.033199-0.53205-0.74635-0.87284-0.62654-0.074770.013227-0.40646-0.36109-1.27595-0.95809-0.63656-0.351821.084980.71632-0.83093-1.37875-0.07253-0.81645-1.14239-1.30812-1.48472-0.80883-0.86219-0.69566-1.19453-0.71829-2.03561-1.11252-1.3163-1.40522-0.94555-1.03512-0.92741-1.38899-0.52311-0.84073-0.94257-0.96475-0.79192-0.15815-0.36913-0.710340.432779-0.42603-0.48353續(xù)表5-82023/2/277

目錄上頁下頁返回結束

將表5-8數(shù)據(jù)導入spss軟件，依次點選Analyze-DataReduction-Factor進入FactorAnalysis對話框。（在spss中，主成分分析與因子分析均在FactorAnalysis模塊中完成。）如圖5-4所示：圖5-42023/2/278

目錄上頁下頁返回結束

此時，數(shù)據(jù)集5-5.sav中的變量名均顯示在對話框左邊的窗口中，選擇變量x1，x2，x3，x4，x5，x6，x7，x8，x9進入variables窗口中，操作如圖5-5所示：圖5-52023/2/279

目錄上頁下頁返回結束

圖5-5點擊descriptives按鈕，在彈出的對話框中，在correlationmatrix中選擇coefficients?；氐皆瓕υ捒螯c擊右側的Ok，即可得到輸出結果5-4

和輸出結果5-5。2023/2/280

目錄上頁下頁返回結束

輸出結果5-42023/2/281

目錄上頁下頁返回結束

輸出結果5-5由輸出結果5-4看到，前面2個主成分、的方差和占全部方差的比例為84.7%。我們就選取為第一主成分，為第二主成分，且這兩個主成分之方差和占全部方差的91.6%，即基本上保留了原來指標的信息，這樣由原來的9個指標轉化為2個新指標，起到了降維的作用。2023/2/282

目錄上頁下頁返回結束

SPSS軟件得到主成分系數(shù)矩陣如下：得分系數(shù)矩陣2023/2/284

目錄上頁下頁返回結束

由上表得到前2個主成分，，的線性組合為：（5.13）

對所選主成分作經(jīng)濟解釋。主成分分析的關鍵在于能否給主成分賦予新的意義，給出合理的解釋，這個解釋應根據(jù)主成分的計算結果結合定性分析來進行。主成分是原來變量的線性組合，在這個線性組合中，各變量的系數(shù)有大有小，有正有負，有的大小相當，因而不能簡單地認為這個主成分是某個原變量的屬性的作用。線性組合中個變量的系數(shù)的絕對值大者表明該主成分主要綜合了絕對值大的變量，有幾個變量系數(shù)大小相當時，應認為這一主成分是這幾個變量的總和，這幾個變量綜合在一起應賦予怎樣的經(jīng)濟意義，要結合經(jīng)濟專業(yè)知識，給出恰如其分的解釋，才能達到深刻分析經(jīng)濟成因的目的。2023/2/285

目錄上頁下頁返回結束

我們所取的例子中有9個指標，這9個指標有很強的依賴性，通過主成分計算后，我們選擇了2個主成分，這兩個主成分有著明顯的經(jīng)濟意義。第一主成分的線性組合中除了100元工業(yè)總產值實現(xiàn)利稅和100元銷售收入實現(xiàn)利稅外，其余變量的系數(shù)相當，所以第一主成分可看成是的綜合變量。可以解釋為第一主成分反映了工業(yè)生產中投入的資金、勞動力所產生的效果，它是“投入”與“產出”之比。第一主成分所占信息總量為68.3%，在我國目前的工業(yè)企業(yè)中，經(jīng)濟效益首先反映在投入與產出之比上，其中固定資產的有效所產生的經(jīng)濟效益更大一些。第二主成分是把工業(yè)生產中所得總量（即工業(yè)總產值和銷售收入）與局部量（即利稅）進行比較，反映了“產出”對國家所作的貢獻。這樣，在抓企業(yè)經(jīng)濟效益活動中，就應注重投入與產出之比和產出對國家所作的貢獻，抓住了這2個方面，經(jīng)濟效益就一定會提高。2023/2/286

目錄上頁下頁返回結束

通常為了分析各樣品在主成分所反映的經(jīng)濟意義方面的情況，還將標準化后的原始數(shù)據(jù)帶入主成分表達式計算出各樣品的主成分得分，由各樣品的主成分得分（當主成分個數(shù)為2時）就可在二維空間中描出各樣品的分布情況。將表5-8數(shù)據(jù)代入式（5.13）式，得到28個省、市、自治區(qū)的主成分得分，見表5-9。將這28各樣品在平面直角坐標系上描出來，進而可進行樣品分類。主成分得分圖見圖5-6。2023/2/287

目錄上頁下頁返回結束

主成分得分操作：在FactorAnalysis主對話框，點擊下方的Scores按鈕，進入FactorScores對話框，選中saveasvariables復選框，點擊continue。系統(tǒng)默認用回歸方法求得因子得分。見圖5-7。圖5-72023/2/288

目錄上頁下頁返回結束

樣品號第一主成分得分第二主成分得分11.135631.9987521.506450.442053-0.19631-0.080544-0.815360.316885-1.20017-0.603566-0.168561.044517-0.65065-0.667128-0.419990.5704192.837911.13592101.5905-2.31268111.76154-1.50077120.02914-0.493130.20663-0.4310314-0.4798-1.03236150.39695-0.2989316-0.414350.08055170.14309-0.2474118-0.017560.31942190.73347-1.08331200.055450.5923621-0.56854-0.5028522-0.904951.0864123-0.008531.9777124-0.65494-0.3346325-0.663361.4408126-1.37435-0.4882327-1.2372-0.6938928-0.62211-0.23546表5-9續(xù)表5-92023/2/289

目錄上頁下頁返回結束

圖5-6由圖5-6可看出，分布在第一象限的是上海、北京、天津、廣西這4個省，這四個省、市、自治區(qū)的經(jīng)濟效益在全國來說屬于比較好的，其中上海的經(jīng)濟效益最好。分布在第四象限的江蘇、浙江、安徽、福建、山東、湖北、廣東七個省、市、自治區(qū)。因為第四象限的主要特征是第一主成分，第一主成分占信息總量的比重最大，所以這七個省的經(jīng)濟效益也算比較好。分布在第二象限和第三象限的地區(qū)可屬同一類，經(jīng)濟效益較差。2023/2/290

目錄上頁下頁返回結束

廠家編號及指標固定資產利稅率資金利稅率銷售收入利稅率資金利潤率固定資產產值率流動資金周轉天數(shù)萬元產值能耗全員勞動生產率1琉璃河16.6826.7531.8418.453.255528.831.752邯鄲19.727.5632.9419.259.825532.922.873大同15.223.432.9816.2446.786541.691.534哈爾濱7.298.9721.34.7634.396239.281.635華新29.4556.4940.7443.6875.326926.682.146湘鄉(xiāng)32.9342.7847.9833.8766.465032.872.67柳州25.3937.8236.7627.5668.186335.792.438峨嵋15.0519.4927.2114.216.137635.761.759耀縣19.8228.7833.4120.1759.257139.131.8310永登21.1335.239.1626.5252.476235.081.7311工源16.7528.7229.6219.2355.765830.081.5212撫順15.8328.0326.417.4361.196132.751.613大連16.5329.7332.4920.6350.416937.571.3114江南22.2454.5931.053767.956332.331.5715江油12.9220.8225.1212.5451.076639.181.83表5-10【例5.4】

全國重點水泥企業(yè)經(jīng)濟效益綜合評價例。利用主成分綜合評價全國重點水泥企業(yè)的經(jīng)濟效益。原始數(shù)據(jù)（數(shù)據(jù)來自1984年中國統(tǒng)計年鑒）見表5-10。2023/2/291

目錄上頁下頁返回結束

經(jīng)標準化后的數(shù)據(jù)取名為“重點水泥廠”見表5-11。x1x2x3x4x5x6x7x8-0.14367-0.35795-0.11356-0.36669-0.038791.1933471.426821-0.277120.246189-0.293880.050803-0.287320.3561571.1933470.2890352.253119-0.33473-0.622920.056779-0.581-0.42773-0.37328-1.3981-0.77413-1.35585-1.76431-1.68844-1.71997-1.172550.043644-1.00954-0.548221.5048441.9944361.2162772.1414281.287927-0.872792.164810.6039441.9540870.9099992.2980751.1681420.7553152.2116560.3012351.643150.9807270.5176720.6215860.5421040.858711-0.09974-0.35411.259096-0.35409-0.9322-0.80537-0.7824-2.87137-1.6204-0.34791-0.27712表5-112023/2/292

目錄上頁下頁返回結束

續(xù)表5-110.26168-0.197380.12103-0.191090.321892-1.10143-0.98378-0.096390.4307920.3104340.9801930.438921-0.085680.043644-0.20479-0.3223-0.13464-0.20212-0.44527-0.284350.1120930.6666361.046255-0.79672-0.2534-0.2567-0.9264-0.4