主成分分析案例【资料分享】
《主成分分析案例【资料分享】》由会员分享,可在线阅读,更多相关《主成分分析案例【资料分享】(5页珍藏版)》请在装配图网上搜索。
1、姓名:XXX 学号:XXXXXXX 专业:XXXX用SPSS19软件对下列数据进行主成分分析: 一、相关性通过对数据进行双变量相关分析,得到相关系数矩阵,见表1。表1 淡化浓海水自然蒸发影响因素的相关性由表1可知:辐照、风速、湿度、水温、气温、浓度六个因素都与蒸发速率在0.01水平上显著相关。分析:各变量之间存在着明显的相关关系,若直接将其纳入分析可能会得到因多元共线性影响的错误结论,因此需要通过主成份分析将数据所携带的信息进行浓缩处理。二、KMO和球形Bartlett检验KMO和球形Bartlett检验是对主成分分析的适用性进行检验。KMO检验可以检查各变量之间的偏相关性,取值范围是01。K
2、MO的结果越接近1,表示变量之间的偏相关性越好,那么进行主成分分析的效果就会越好。实际分析时,KMO统计量大于0.7时,效果就比较理想;若当KMO统计量小于0.5时,就不适于选用主成分分析法。Bartlett球形检验是用来判断相关矩阵是否为单位矩阵,在主成分分析中,若拒绝各变量独立的原假设,则说明可以做主成分分析,若不拒绝原假设,则说明这些变量可能独立提供一些信息,不适合做主成分分析。由表2可知:1、KMO=0.6310.7,表明变量之间没有特别完美的信息的重叠度,主成分分析得到的模型又可能不是非常完善,但仍然值得实验。2、显著性小于0.05,则应拒绝假设,即变量间具有较强的相关性。三、公因子
3、方差公因子方差表示变量共同度。表示各变量中所携带的原始信息能被提取出的主成分所体现的程度。由表3可知:几乎所有变量共同度都达到了75%,可认为这几个提取出的主成分对各个变量的阐释能力比较强。四、解释的总方差解释的总方差给出了各因素的方差贡献率和累计贡献率。由表4可知:1、仅前3个特征根大于1,故SPSS只提取了前三个主成分。2、第一主成分的方差所占所有主成分方差的33.045%,接近三分之一,而前三个主成分的方差累计贡献率达到88.363%,因此选前三个主成分已足够描述气象因子和卤水因子对蒸发的影响了。五、主成分系数矩阵主成分系数矩阵,可以说明各主成分在各变量上的载荷。由表5可知:通过主成份矩
4、阵可以得出各主成分的表达式,但是在表达式中各变量是标准化的变量,需要除以一个特征根的平方根才能换算成各主成分的原始数值。则三个主成分的表达式分别如下:F1=(0.429辐照-0.24风速+0.354湿度+0.914水温+0.881气温-0.026浓度)/F2=(0.15辐照+0.822风速+0.118湿度-0.005水温+1.141气温+0.846浓度)/F3=(-0.77辐照-0.129风速+0.796湿度-0.019水温+0.045气温+0.145浓度)/结论:在第一主成分F1中水温、气温和辐照的系数较大,可以看成是汽化方面的综合指标;在第二主成分F2中风速和浓度的系数较大,可以看成是扩散方面的综合指标;在第三主成分F3中只有湿度的系数较大,可以看成是湿度指标。5优异b
- 温馨提示:
1: 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
2: 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
3.本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
5. 装配图网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。