【正文】 主成分分析作業(yè)解答 沒有人看得懂 SAS的輸出。所以實(shí)驗(yàn)報(bào)告明確寫出實(shí)驗(yàn)的結(jié)果：方程、向量、統(tǒng)計(jì)量是多少，不要寫 SAS的輸出。 name x1 x2 x3 x4 x5 x6 x7 x8 1(冶金 ) 90342 52455 101091 19272 82 197435 2(電力 ) 4903 1973 2035 10313 592077 3(煤炭 ) 6735 21139 3767 1780 726396 4(化學(xué) ) 49454 36241 81557 22504 348226 5(機(jī)械 ) 139190 203505 215898 10609 139572 6(建材 ) 12215 16219 10351 6382 145818 7(森工 ) 2372 6572 8103 12329 20921 8(食品 ) 11062 23078 54935 23804 41 65486 9(紡織 ) 17111 23907 52108 21796 63806 10(縫紉 ) 1206 3930 6126 15586 1840 11(皮革 ) 2150 5704 6200 10870 12 8913 12(造紙 ) 5251 6155 10383 16875 78796 13(文教藝術(shù)用品 ) 14341 13203 19396 14691 6354 練習(xí)一、書 p292， 711題。用主成分分析確定信息損失不超過15%應(yīng)取幾個(gè)主成分，并解釋這幾個(gè)主成分的涵意。 data data711。 input name : $18. x1x8。 cards。 1(冶金 ) 90342 52455 101091 19272 197435 2(電力 ) 4903 1973 2035 10313 592077 3(煤炭 ) 6735 21139 3767 1780 726396 4(化學(xué) ) 49454 36241 81557 22504 348226 5(機(jī)械 ) 139190 203505 215898 10609 139572 6(建材 ) 12215 16219 10351 6382 145818 7(森工 ) 2372 6572 8103 12329 20921 8(食品 ) 11062 23078 54935 23804 65486 9(紡織 ) 17111 23907 52108 21796 63806 10(縫紉 ) 1206 3930 6126 15586 1840 11(皮革 ) 2150 5704 6200 10870 8913 12(造紙 ) 5251 6155 10383 16875 78796 13(文教藝術(shù)用品 ) 14341 13203 19396 14691 6354 。 proc prinp data=data711 prefix=z out=o711。 var x1x8。 run。 proc means data=data711。 var x1x8。 run。 means過程可以不必要。因?yàn)橛盟鼇碛?jì)算均值和標(biāo)準(zhǔn)差，但 prinp過程自己就會(huì)計(jì)算均值和標(biāo)準(zhǔn)差。 Eigenvalues of the Correlation Matrix Eigenvalue Difference Proportion Cumulative 1 2 3 4 5 6 7 8 相關(guān)系數(shù)矩陣的特征根（可以看出各主成分的貢獻(xiàn)率和累積貢獻(xiàn)率）： The SAS System 16:26 Tuesday, May 27, 2021 2 The PRINCOMP Procedure Eigenvectors z1 z2 z3 z4 z5 z6 z7 z8 x1 x2 x3 x4 x5 x6 x7 x8 相關(guān)系數(shù)矩陣的特征向量（可以看出各主成分的構(gòu)成）： 故： z1=*X1* + *X2* + *X3* *X4* *X5* .352427*X6* + *X7* + *X8* … … Simple Statistics x1 x2 x3 x4 Mean StD Simple Statistics x5 x6 x7 x8 Mean StD 均值和標(biāo)準(zhǔn)差： 這說明，標(biāo)準(zhǔn)后的變量 X1*=()/sqrt() =* X2*=(X2 )/sqrt() … … 各主成分的意義為： 第一主成分在各投入項(xiàng)上為正，在效率項(xiàng)上或負(fù)或接近 0，而且投入項(xiàng)的絕對(duì)值大于效率項(xiàng)的絕對(duì)值，故代表投入與效率的對(duì)比，或者就叫做絕對(duì)投入。 第二主成分的意義不是很明顯?？梢哉J(rèn)為，在除燃料項(xiàng)以外各項(xiàng)都為正，燃料為負(fù)，故代表總規(guī)模。也可以認(rèn)為，在 x4（勞動(dòng)生產(chǎn)率）、 x6（資金利稅率）絕對(duì)值大， x3（工業(yè)總產(chǎn)值）、 x5（百元資產(chǎn)實(shí)現(xiàn)產(chǎn)值）次大，燃料負(fù)絕對(duì)值也很大，可以看作效率。 第三主成分在能源利用效果上接近 1，故代表負(fù)的能源消耗。 故取三個(gè)主成分使信息損失少于 15%： z1 z2 z3 z4 z5 z6 z7 z8 x1 x2 x3 x4 x5 x6 x7 x8 Eigenvalue Difference Proportion Cumulative 1 2 3 省份 GDP 居民消 固定資 職工平 貨物周 居民消費(fèi) 商品零售 工業(yè)總 費(fèi)水平 產(chǎn)投資 均工資 轉(zhuǎn)量 價(jià)格指數(shù) 價(jià)格指數(shù) 產(chǎn)值 北京 2505 8144 天津 2720 6501 河北 1258 4839 山西 1250 4721 內(nèi)蒙 1387 4134 遼寧 2397 4911 吉林 1872 4430 黑龍江 2334 4145 上海 5343 9279 江蘇 1926 5943 浙江 2249 6619 安徽 1254 4069 福建 2320 5857 江西 1182 4211 山東 1527 5154 河南 1034 4344