【正文】 當初意向與現(xiàn)實的差距所產(chǎn)生的不利之因素；y8重點反映家庭經(jīng)濟因素與將來擇業(yè)間的關系，如x2等；y9體現(xiàn)的是外界的影響因素及自己所能承受的條件，可稱為個人傾向因素；y10為學生對國家政策的自發(fā)響應觀念，是一種受外部約束的外界因素；y11是仍然為家庭因素與國家政策之間的共同作用因素；y12同樣反應的是免費政策所帶來的限制因素對生源的影響。運用主成分分析方法對上節(jié)統(tǒng)計結果進行分析，首先，必須構造24個特征的協(xié)方差矩陣或相關系數(shù)矩陣，至少要進行(C2 24+24)次計算，對于大量數(shù)據(jù)的計算，人工算法是不現(xiàn)實的，這里有必要借助于計算機去構造相應矩陣和對應的特征值與特征向量。下面主要主要介紹利用Matlab的矩陣計算功能編程實現(xiàn)主成分分析。函數(shù)作用：zscore(A)，用matlab自帶的標準化函數(shù)對原始數(shù)據(jù)進行標準化。另外有的地方對原始數(shù)據(jù)采用總和標準化進行標準數(shù)據(jù)，這里我們采用前者，計算相關系數(shù)矩陣；計算特征值和特征向量；對主成分進行排序；計算各特征值貢獻率；挑選主成分（累計貢獻率大于85%），輸出主成分個數(shù)；計算主成分載荷，計算各主成分的得分和綜合排序，讀入數(shù)據(jù)，調用以上函數(shù)1 %,用總和標準化法標準化矩陣function std=cwstd(vector)cwsum=sum(vector,1)。 %對列求和[a,b]=size(vector)。 %矩陣大小,a為行數(shù),b為列數(shù)for i=1:a for j=1:b std(i,j)= vector(i,j)/cwsum(j)。 endend注：本例中用matlab自帶的zscore函數(shù)進行標準化2 %function result=cwfac(vector)。fprintf(39。相關系數(shù)矩陣:\n39。)std=CORRCOEF(vector) %計算相關系數(shù)矩陣fprintf(39。特征向量(vec)及特征值(val)：\n39。)[vec,val]=eig(std) %求特征值(val)及特征向量(vec)newval=diag(val) 。[y,i]=sort(newval) 。 %對特征根進行排序，y為排序結果，i為索引fprintf(39。特征根排序：\n39。)for z=1:length(y) newy(z)=y(length(y)+1z)。endfprintf(39。%g\n39。,newy)rate=y/sum(y)。fprintf(39。\n貢獻率：\n39。)newrate=newy/sum(newy)sumrate=0。newi=[]。for k=length(y):1:1 sumrate=sumrate+rate(k)。 newi(length(y)+1k)=i(k)。 if sumrate break。 end end %記下累積貢獻率大85%的特征值的序號放入newi中fprintf(39。主成分數(shù)：%g\n\n39。,length(newi))。fprintf(39。主成分載荷：\n39。)for p=1:length(newi) for q=1:length(y) result(q,p)=sqrt(newval(newi(p)))*vec(q,newi(p))。 endend %計算載荷disp(result)3 %,計算得分function score=cwscore(vector1,vector2)。sco=vector1*vector2。csum=sum(sco,2)。[newcsum,i]=sort(1*csum)。[newi,j]=sort(i)。fprintf(39。計算得分：\n39。)score=[sco,csum,j] %得分矩陣：sco為各主成分得分；csum為綜合得分；j為排序結果4 function print=cwprint(vector)。 fprintf(39。標準化結果如下：\n39。)v1=zscore(vector)result=cwfac(v1)。cwscore(v1,result)。5 結論 通過對免費師范生生源的主成分分析可以看出，最終從24個特征中進行提取，但最終仍然還有多達12個主成分來概括，說明的原因是免費師范生生源的確很復雜，各種因素對不同的人群都有一定程度的影響。對貢獻率較高的主成分分析歸納，得出影響免費師范生生源最主要的因素有特征x8(是否喜歡教師這個職業(yè))、x21(支教對人生價值的實現(xiàn))、x4和x5(父母的學歷)，x1(個人性別)，x11(免費師范生志愿的決定人)，x17(國家政策性影響)以及x16(免費師范生的弊) 與x23(免費師范生的利)的對比等等，這些因素在很大程度上對免費師范生的生源起到了關鍵性的影響，換句話說絕大數(shù)免費師范生報考免費院校的原因都源自上述因素。結束語 主成分分析能降低所研究的數(shù)據(jù)的空間維數(shù)，是把原來多個變量劃為少數(shù)幾個綜合指標的一種統(tǒng)計分析方法，關于主成分的實際意義要結合具體問題和有關專業(yè)知識才能給出合理的解釋。利用主成分分析本身可以對所研究的問題在一定程度上作分析，但主成分分析本身往往不是最終目的，更重要的是利用主成分綜合原始變量的信息，達到降維的目的，然后對數(shù)據(jù)做進一步的分析，如回歸分析、聚類分析、判別分析等。附錄 【參考文獻】[1](希)Sergios Theodoridis，(希)Konstantinos Koutroumbas. 模式識別. 李晶皎等譯. 北京: 電子工業(yè)出版社，2006.[2](美)Mario F Triola. 初級統(tǒng)計學. 北京: 清華大學出版社，2008.[3](美)Richard A Johnson，(美)Dean W Whichern. Applied Multivariate Statistical Analysis(應用多元統(tǒng)計).北京: 清華大學出版社，2008.[4]李靜萍，謝邦昌. : 中國人民大學出版社[5]陳桂明等. MATLAB數(shù)理統(tǒng)計(). 北京：科學出版社，2002.[6]程毛林. MATLAB軟件在多元統(tǒng)計分析中的應用. 蘇州科技學院，2008.[7]魏寧. ，2005.[8]袁志發(fā)，周靜芋等. 多元統(tǒng)計分析. 北京: 科學出版社，2002[9]舒寧、馬洪超、孫和利. 模式識別的理與方法. 武漢大學出版社，2004.[10]王碧全，陳祖蔭. 模式識別:理論、方法和應用. 北京: 地震出版社，.致 謝在做畢業(yè)論文的過程中，指導老師謝娟英，給了我極大的幫助。盡管謝老師的日常工作很忙，但她仍然不忘記抽出寶貴的時間來對我們的畢業(yè)設計進行指導和關注。同時為了最大限度的確保我們的畢業(yè)設計能夠順利的預期合格完成，謝老師特意給我們安排了她的三個研究生，以便我們隨時對畢業(yè)設計過程中的疑難問題進行請教，這對我的畢業(yè)設計的完成起到了巨大的作用，這里我對三位學長的幫助表示衷心的感謝。在我論文的選題、開題報告的審閱、調查問卷的完善與發(fā)放、論文的整體設計思想到初稿的完成等，謝老師都面面俱到的進行了嚴格的審批，充分體現(xiàn)了科學研究者的嚴謹風范。看到畢業(yè)設計題目時就感覺無從下手，這么深奧的課題似乎感覺到是一個空前的挑戰(zhàn)，但是在謝老師和幾位學長的指導下，把一系列復雜的問題都轉變的簡單化，為我將來更有信心的去面對復雜問題提供了經(jīng)驗。在此，我非常感謝我的指導教師謝娟英老師，感謝馬箐等幾位幫助我完成畢業(yè)設計的研究生學長們，感謝她們給予我的莫大的幫助，同時感謝那些對我畢業(yè)設計提出寶貴建議的同學朋友們