主成分分析法详细步骤

什么是本金成分分析方法？统计方法:Principal成分Analysis(PCA)本文重点介绍降维中常用的统计分析方法之一:Principal成分分析法。如何用principal成分分析法确定指标权重在SPSS中，principal 成分 analysis是通过在因子分析中设置提取方法来实现的，如果集合提取方法是principal 成分，则计算principal 。
【主成分分析法详细步骤】
1、如何利用spss进行主成分分析标准化2、《R语言实战》自学笔记71-主成分和因子分析Principal成分Analytic Principal成分Analysis(PCA)是一种数据降维技术，可以将大量的相关变量转化为少数不相关的变量，称为Principal 。整个思路就是化繁为简，抓住问题的关键，也就是降维。Principal 成分分析法是通过适当的数学变换，使新变量principal 成分成为原变量的线性组合，选择在总变异信息中所占比例较大的几个principal成分来分析事物的方法。

因子分析探索性因子分析法(EFA)是用来发现一组变量潜在结构的一系列方法。它通过寻找一组更小的、潜在的或隐藏的结构来解释观察到的变量和显式变量之间的关系。PCA和EFA模型的区别如图141所示。Principal 成分(PC1和PC2)是观察变量(X1到X5)的线性组合。线性组合的权重是通过最大化每个委托人成分所解释的方差得到的，同时需要保证每个委托人成分是不相关的。

3、统计学方法:主成分分析(PCA本文重点介绍降维中常用的统计分析方法之一:Main 成分分析法。对于影响31个城市综合评价的8个指标，主要用成分分析法来确定8个指标的权重，用SPASS和Python来操作。Principalcomponentsanalysis的主要思想是通过线性组合(矩阵旋转)将原始变量转化为若干个行无关变量，新生成的变量包含了原始变量的大部分信息，从而达到降维的目的。

在实际使用中，如果变量之间的数据波动较大，就需要对数据进行归一化处理。但在标准化的过程中，一些原本描述变量间离差差异的信息会被抹去。所以标准化要看实际使用场景。Principal 成分分析不要求数据服从正态分布，由于应用范围广，主要采用线性变换的技术。通过对原始变量的综合和简化，可以客观地确定各指标的权重，避免主观判断的随意性。