【導(dǎo)讀】作平面坐標(biāo)系，橫坐標(biāo)取A個(gè)點(diǎn)表示A個(gè)變量。連接P個(gè)高度的頂點(diǎn)得一折線，則一次觀測(cè)值的輪廓為一條多角折線形。測(cè)值可畫(huà)出M條折線．構(gòu)成輪廓圖。作一圓，并把圓周分為P等分。成一個(gè)P邊形，這個(gè)P邊形就是P元觀測(cè)值的圖示，n次觀測(cè)值可畫(huà)出M個(gè)多邊形。能通過(guò)合理變換使之非負(fù)才行。用EXCEL可以比較方便的作出雷達(dá)圖。切爾諾夫假定用二維平面的臉來(lái)表示多維觀測(cè)結(jié)果，臉的特。測(cè)量值所決定的。按照最初的設(shè)計(jì)．切爾諾夫臉可處理多達(dá)18個(gè)變量。是由實(shí)驗(yàn)者完成的，不同選擇會(huì)產(chǎn)生不同的結(jié)果。為了取得令人滿(mǎn)意的表示常常需要一些重。，對(duì)評(píng)價(jià)對(duì)象進(jìn)行客觀、公正、合理的全面評(píng)價(jià)。指標(biāo)之間的相互關(guān)系，找出具有代表性的若干指標(biāo)。出具有最大評(píng)價(jià)信息量的若干指標(biāo)，作為選定的評(píng)價(jià)指標(biāo)。對(duì)這些比值以適當(dāng)。獨(dú)立對(duì)每個(gè)評(píng)價(jià)指標(biāo)賦予權(quán)數(shù)。集中趨勢(shì)和離散程度。內(nèi)四分位數(shù)或標(biāo)準(zhǔn)差來(lái)反映。如果專(zhuān)家們的意見(jiàn)比較集中，則可以進(jìn)行進(jìn)一步的處理，如果

　　

【正文】 xxxF ??? ???? .....2211 35 20 798 21 1193 22 903 23 654 24 956 25 865 26 930 27 938 28 1100 29 1024 30 1374 Factor Analysis initial(最初的 ) extraction（提取的） 共同度表：給出了各個(gè)變量的共同度。 C o m m u n a l i t i e s1 . 0 0 0 . 8 8 71 . 0 0 0 . 9 1 31 . 0 0 0 . 8 6 01 . 0 0 0 . 8 7 81 . 0 0 0 . 9 3 1m u l t i p a r i t y %c o n t r a c e p t i o n %J . s c h o o l amp。 a b o v e %a v e r a g e i n c o m eu r b a n %I n i t i a l E x t r a c t i o nE x t r a c t i o n M e t h o d : P r i n c i p a l C o m p o n e n t A n a l y s i s . 期望方差表： T o t a l V a r i a n c e E x p l a i n e d3 . 2 5 0 6 5 . 0 0 6 6 5 . 0 0 6 3 . 2 5 0 6 5 . 0 0 6 6 5 . 0 0 6 2 . 6 8 3 5 3 . 6 6 1 5 3 . 6 6 11 . 2 2 0 2 4 . 3 9 6 8 9 . 4 0 1 1 . 2 2 0 2 4 . 3 9 6 8 9 . 4 0 1 1 . 7 8 7 3 5 . 7 4 0 8 9 . 4 0 1. 2 5 0 4 . 9 9 3 9 4 . 3 9 4. 1 8 1 3 . 6 2 0 9 8 . 0 1 49 . 9 2 8 E 0 2 1 . 9 8 6 1 0 0 . 0 0 0C o m p o n e n t12345T o t a l % o f V a r i a n c e C u m u l a t i v e % T o t a l % o f V a r i a n c e C u m u l a t i v e % T o t a l % o f V a r i a n c e C u m u l a t i v e %I n i t i a l E i g e n v a l u e s E x t r a c t i o n S u m s o f S q u a r e d L o a d i n g s R o t a t i o n S u m s o f S q u a r e d L o a d i n g sE x t r a c t i o n M e t h o d : P r i n c i p a l C o m p o n e n t A n a l y s i s . 碎石圖： 36 Scr ee P lotCom pon ent Nu mbe r54321Eigenvalue.5 成份矩陣 C o m p o n e n t M a t r i x a . 7 6 2 . 5 5 4. 5 6 8 . 7 6 8. 8 9 2 . 2 5 5. 8 7 0 . 3 4 7. 8 9 1 . 3 7 0m u l t i p a r i t y %c o n t r a c e p t i o n %J . s c h o o l amp。 a b o v e %a v e r a g e i n c o m eu r b a n %1 2C o m p o n e n tE x t r a c t i o n M e t h o d : P r i n c i p a l C o m p o n e n t A n a l y s i s .2 c o m p o n e n t s e x t r a c t e d .a . ponent(成份 ) 旋轉(zhuǎn)后成份矩陣 R o t a t e d C o m p o n e n t M a t r i x a . 3 5 4 . 8 7 37 . 6 3 5 E 0 2 . 9 5 3. 8 9 2 . 2 5 5. 9 2 2 . 1 6 6. 9 5 2 . 1 5 7m u l t i p a r i t y %c o n t r a c e p t i o n %J . s c h o o l amp。 a b o v e %a v e r a g e i n c o m eu r b a n %1 2C o m p o n e n tE x t r a c t i o n M e t h o d : P r i n c i p a l C o m p o n e n t A n a l y s i s . R o t a t i o n M e t h o d : V a r i m a x w i t h K a i s e r N o r m a l i z a t i o n .R o t a t i o n c o n v e r g e d i n 3 i t e r a t i o n s .a . transformation(轉(zhuǎn)化 ) 因子 1代表社會(huì)經(jīng)濟(jì)發(fā)展水平，因子 2代 表計(jì)劃生育 37 因子的旋轉(zhuǎn)轉(zhuǎn)化矩陣 C o m p o n e n t T r a n s f o r m a t i o n M a t r i x. 8 4 9 . 5 2 9. 5 2 9 . 8 4 9C o m p o n e n t121 2E x t r a c t i o n M e t h o d : P r i n c i p a l C o m p o n e n t A n a l y s i s . R o t a t i o n M e t h o d : V a r i m a x w i t h K a i s e r N o r m a l i z a t i o n . 因子得分 C o m p o n e n t S c o r e C o e f f i c i e n t M a t r i x. 0 4 1 . 5 1 0 . 1 8 5 . 6 2 7. 3 4 3 . 0 3 2. 3 7 8 . 1 0 0. 3 9 3 . 1 1 3m u l t i p a r i t y %c o n t r a c e p t i o n %J . s c h o o l amp。 a b o v e %a v e r a g e i n c o m eu r b a n %1 2C o m p o n e n tE x t r a c t i o n M e t h o d : P r i n c i p a l C o m p o n e n t A n a l y s i s . R o t a t i o n M e t h o d : V a r i m a x w i t h K a i s e r N o r m a l i z a t i o n . C o m p o n e n t S c o r e s . 即： F1=+++ F2=+ 可以算出 各省市的 因子得分。 估計(jì)回歸因子分?jǐn)?shù)的協(xié)方差矩陣 C o m p o n e n t S c o r e C o v a r i a n c e M a t r i x1 . 0 0 0 . 0 0 0. 0 0 0 1 . 0 0 0C o m p o n e n t121 2E x t r a c t i o n M e t h o d : P r i n c i p a l C o m p o n e n t A n a l y s i s . R o t a t i o n M e t h o d : V a r i m a x w i t h K a i s e r N o r m a l i z a t i o n . C o m p o n e n t S c o r e s . score(得分 ) covariance 協(xié)方差 SAS進(jìn)行因子分析 data d1。 input id x1x5。 cards。 1 .94 3577 2 2981 38 3 1148 4 1124 5 1080 6 2021 7 1383 8 1628 9 .80 4822 10 1696 11 1717 12 933 13 1313 14 943 15 1372 16 880 17 1248 18 976 19 1845 20 798 21 1193 22 903 23 654 24 956 25 865 26 930 27 938 28 1100 29 1024 30 1374 proc factor data=d1 method=prin priors=one p= simple。 proc factor data=d1 rotate=v n=2 score out=o1。 var X1x5。 proc print data=o1。 var factor1 factor2。 run。 三、利用因子分析的輸出進(jìn)行主成份分析： 根據(jù)主成份分析原理，根據(jù) p 個(gè)指標(biāo)的 n 組觀察值可以通過(guò)轉(zhuǎn)換變?yōu)?p 個(gè)主成份： 39 Y=U’X U 為正交矩陣。 y1=u11x1+u21x2+??＋ up1xp y2=u12x1+u22x2+??＋ up2xp ?????????