主成分分析在stata中的实现以及理论介绍

主成分分析在stata中的实现以及理论介绍

ID:15412407

大小:181.50 KB

页数:11页

时间:2018-08-03

主成分分析在stata中的实现以及理论介绍_第1页
主成分分析在stata中的实现以及理论介绍_第2页
主成分分析在stata中的实现以及理论介绍_第3页
主成分分析在stata中的实现以及理论介绍_第4页
主成分分析在stata中的实现以及理论介绍_第5页
资源描述:

《主成分分析在stata中的实现以及理论介绍》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、第十二章主成分分析主成分分分析也称作主分量分析,是霍特林(Hotelling)在1933年首先提出。主成分分析是利用降维的思想,在损失较少信息的前提下把多个指标转化为较少的综合指标。转化生成的综合指标即称为主成分,其中每个主成分都是原始变量的线性组合,且各个主成分互不相关。Stata对主成分分析的主要内容包括:主成分估计、主成分分析的恰当性(包括负偏协方差矩阵和负偏相关系数矩阵、KMO(Kaiser-Meyer-Olkin)抽样充分性、复相关系数、共同度等指标测度)、主成分的旋转、预测、各种检验、碎石图、得分图、载荷图等。 主成分的模型表达式为:其中

2、,a称为得分,b称为载荷。主成分分析主要的分析方法是对相关系数矩阵(或协方差矩阵)进行特征值分析。Stata中可以通过负偏相关系数矩阵、负相关系数平方和KMO值对主成分分析的恰当性进行分析。负偏相关系数矩阵即变量之间两两偏相关系数的负数。非对角线元素则为负的偏相关系数。如果变量之间存在较强的共性,则偏相关系数比较低。因此,如果矩阵中偏相关系数较高的个数比较多,说明某一些变量与另外一些变量的相关性比较低,主成分模型可能不适用。这时,主成分分析不能得到很好的数据约化效果。Kaiser-Meyer-Olkin抽样充分性测度也是用于测量变量之间相关关系的强弱

3、的重要指标,是通过比较两个变量的相关系数与偏相关系数得到的。KMO介于0于1之间。KMO越高,表明变量的共性越强。如果偏相关系数相对于相关系数比较高,则KMO比较低,主成分分析不能起到很好的数据约化效果。根据Kaiser(1974),一般的判断标准如下:0.00-0.49,不能接受(unacceptable);0.50-0.59,非常差(miserable);0.60-0.69,勉强接受(mediocre);0.70-0.79,可以接受(middling);0.80-0.89,比较好(meritorious);0.90-1.00,非常好(marvel

4、ous)。SMC即一个变量与其他所有变量的复相关系数的平方,也就是复回归方程的可决系数。SMC比较高表明变量的线性关系越强,共性越强,主成分分析就越合适。成分载荷、KMO、SMC等指标都可以通过extat命令进行分析。多元方差分析是方差分析在多元中的扩展,即模型含有多个响应变量。本章介绍多元(协)方差分析以及霍特林(Hotelling)均值向量T检验。12.1主成分估计Stata可以通过变量进行主成分分析,也可以直接通过相关系数矩阵或协方差矩阵进行。(1)sysuseauto,clearpcatrunkweightlengthheadroompcat

5、runkweightlengthheadroom,comp(2)covariance(2)webusebg2,clearpcabg2cost*,vce(normal)12.2Estatestat给出了几个非常有用的工具,包括KMO、SMC等指标。webusebg2,clearpcabg2cost*,vce(normal)estatantiestatkmoestatloadingsestatresidualsestatsmcestatsummarize12.3预测Stata可以通过predict预测变量得分、拟合值和残差等。webusebg2,clea

6、rpcabg2cost*,vce(normal)predictscorefitresidualq(备注:q代表残差的平方和)12.4碎石图碎石图是判断保留多少个主成分的重要方法。命令为screeplot。webusebg2,clearpcabg2cost*,vce(normal)screeplot12.5得分图、载荷图得分图即不同主成分得分的散点图。命令为scoreplot。webusebg2,clearpcabg2cost*,vce(normal)scoreplot载荷图即不同主成分载荷的散点图。命令为loadingplot。webusebg2,c

7、learpcabg2cost*,vce(normal)loadingplot12.6旋转对载荷进行旋转的命令格式为rotate。webusebg2,clearpcabg2cost*,vce(normal)rotate例:对中国30个省市自治区经济发展基本情况的八项指标主成分分析,原始数据如下表:省份GDP(亿元)居民消费水平(元)固定资产投资(亿元)职工平均工资(元)货物周转量(亿吨公里)居民消费价格指数(上年100)商品零售价格指数(上年100)工业总产值(亿元)areax1x2x3x4x5x6x7x8北京10488.03203463814.756

8、328758.9105.1104.410413天津6354.38140003389.8417482703.4

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。