1樓：
在軟體matlab中實現主成分分析可以採取兩種方式實現：一是通過程式設計來實現；二是直接呼叫matlab中自帶程式實現。
通過直接呼叫matlab中的程式可以實現主成分分析：
式中：x為輸入資料矩陣
（一般要求n>m）
輸出變數：
①pc 主分量fi的係數，也叫因子係數；注意：pctpc=單位陣
②score是主分量下的得分值；得分矩陣與資料矩陣x的階數是一致的；
③variance是score對應列的方差向量，即a的特徵值；容易計算方差所佔的百分比
percent-v = 100*variance/sum(variance);
④t2表示檢驗的t2-統計量（方差分析要用）
計算過程中應用到計算模型:
(要求p 例：表1為某地區農業生態經濟系統各區域單元相關指標資料，運用主成分分析方法可以用更少的指標資訊較為精確地描述該地區農業生態經濟的發展狀況。 表1 某農業生態經濟系統各區域單元的有關資料 樣本序號 x1：人口密度(人/km2) x 2：人均耕地面積(ha) x 3： 森林覆蓋率(%) x 4：農民人均純收入(元/人) x 5：人均糧食產量 (kg/人) x 6： 經濟作物佔農作物播面比例(％) x 7：耕地佔土地面積比率(％) x 8：果園與林地面積之比(％) x 9： 灌溉田佔耕地面積之比(％) 1 363.912 0.352 16.101 192.11 295.34 26.724 18.492 2.231 26.262 2 141.503 1.684 24.301 1 752.35 452.26 32.314 14.464 1.455 27.066 3 100.695 1.067 65.601 1 181.54 270.12 18.266 0.162 7.474 12.489 4 143.739 1.336 33.205 1 436.12 354.26 17.486 11.805 1.892 17.534 5 131.412 1.623 16.607 1 405.09 586.59 40.683 14.401 0.303 22.932 6 68.337 2.032 76.204 1 540.29 216.39 8.128 4.065 0.011 4.861 7 95.416 0.801 71.106 926.35 291.52 8.135 4.063 0.012 4.862 8 62.901 1.652 73.307 1 501.24 225.25 18.352 2.645 0.034 3.201 9 86.624 0.841 68.904 897.36 196.37 16.861 5.176 0.055 6.167 10 91.394 0.812 66.502 911.24 226.51 18.279 5.643 0.076 4.477 11 76.912 0.858 50.302 103.52 217.09 19.793 4.881 0.001 6.165 12 51.274 1.041 64.609 968.33 181.38 4.005 4.066 0.015 5.402 13 68.831 0.836 62.804 957.14 194.04 9.110 4.484 0.002 5.790 14 77.301 0.623 60.102 824.37 188.09 19.409 5.721 5.055 8.413 15 76.948 1.022 68.001 1 255.42 211.55 11.102 3.133 0.010 3.425 16 99.265 0.654 60.702 1 251.03 220.91 4.383 4.615 0.011 5.593 17 118.505 0.661 63.304 1 246.47 242.16 10.706 6.053 0.154 8.701 18 141.473 0.737 54.206 814.21 193.46 11.419 6.442 0.012 12.945 19 137.761 0.598 55.901 1 124.05 228.44 9.521 7.881 0.069 12.654 20 117.612 1.245 54.503 805.67 175.23 18.106 5.789 0.048 8.461 21 122.781 0.731 49.102 1 313.11 236.29 26.724 7.162 0.092 10.078 對於上述例子，matlab進行主成分分析，可以得到如下結果。 ① 以及每一個主成分的貢獻率和累計貢獻率，如表2和圖1。 表2. 特徵根及主成分貢獻率 主成分 特徵值 貢獻率％ 累積貢獻率％ 1 4.661 51.791 51.791 2 2.089 23.216 75.007 3 1.043 11.589 86.596 4 0.507 5.638 92.234 5 0.315 3.502 95.736 6 0.193 2.140 97.876 7 0.114 1.271 99.147 8 4.533e-02 0.504 99.650 9 3.147e-02 0.350 100.000 圖1 特徵根 ② 前3幾個主成分的載荷係數如表3所示。 表3 前三個主成分在原變數上的載荷 前三個主成分 變數 1 2 3 x1 0.158 -0.255 -0.059 x2 0.026 0.424 -0.027 x3 -0.207 0.046 0.091 x4 0.009 0.415 0.036 x5 0.174 0.212 -0.011 x6 0.176 0.086 0.120 x7 0.200 -0.064 -0.241 x8 0.042 -0.048 0.930 x9 0.207 -0.012 0.088 根據主成分綜合模型怎麼計算綜合主成分值，成分得分系數矩陣是不是主成分得分值，詳細一點，謝謝
5 2樓：沐苡辰 用spss做主成分分析時，因為軟體只有因子分析，所以對求出來的因子係數矩陣要進行計算得到相應的主成分系數。具體步驟是用每一列的因子除以相對應的特徵值的開方（在spss下的transform—***pute variable進行計算就可以）。 求出主成分系數後，乘以標準化後的原始資料（spss中的描述性統計分析就可以做到），得到的就是主成分矩陣。至於你問的綜合主成分計算，是最後一步了，用主成分矩陣乘以相應方差貢獻率就是綜合主成分值了。 你可能是把主成分分析和因子分析混淆了，因為只有因子分析才涉及到因子得分系數矩陣，不過其實很多人都會混了，因為兩種方法實在是太像了，主成分可能用spss計算相對麻煩，因子分析還好。不過具體問題具體分析。如果你會sas那就方便多了，程式設計自己需要的程式，但是需要一定基礎。 3樓：匿名使用者 不是的，輸出結果裡單獨有個矩陣叫得分系數矩陣。在得分按鈕中，選擇儲存得分系數矩陣，就可以在輸出結果裡看到了。 根據主成分綜合模型怎麼計算綜合主成分值，成分得分系數矩陣是不是主成分得分值？ 4樓：沐苡辰 用spss做主成分分析時，因為軟體只有因子分析，所以對求出來的因子係數矩陣要進行計算得到相應的主成分系數。具體步驟是用每一列的因子除以相對應的特徵值的開方（在spss下的transform—***pute variable進行計算就可以）。 求出主成分系數後，乘以標準化後的原始資料（spss中的描述性統計分析就可以做到），得到的就是主成分矩陣。至於你問的綜合主成分計算，是最後一步了，用主成分矩陣乘以相應方差貢獻率就是綜合主成分值了。 你可能是把主成分分析和因子分析混淆了，因為只有因子分析才涉及到因子得分系數矩陣，不過其實很多人都會混了，因為兩種方法實在是太像了，主成分可能用spss計算相對麻煩，因子分析還好。不過具體問題具體分析。如果你會sas那就方便多了，程式設計自己需要的程式，但是需要一定基礎。 matlab主成分分析程式中計算主成分分數值的問題。 5樓：匿名使用者 7、6、5表示的是矩陣的列數，例如d(:,7)表示的就是矩陣d的第七列的所有元素所組成的向量。 用matlab進行主成分分析之後的得分項（score）怎麼解釋？ 各列都代表什麼意思？ 6樓：天冰紫璇 最後一列代表的是排序，倒數第二列是所有主成分的總和，前幾列代表的是各個分析的數值。 主成分分析 matlab程式 7樓：電動爐鉤子 matlab裡有現成的例子。 你在help裡搜 multiscale principal ***ponents analysis 直接按照上面的步驟做就ok了。 我在做spss因子分析時用的是主成分分析，然後結果中有成分得分系數矩陣，我想要因子得分系數，怎麼操作？ 8樓：呂秀才 因子得分系數矩陣可以直接的出來的， 在得分（score）那個選項裡面 有 顯示因子得分系數矩陣那一項 求助，求主成分分析法中各主成分得分及綜合得分 9樓：哎呀沃去 ,輸出結果裡單獨有個矩陣叫得分系數矩陣.在得分按鈕中,選擇儲存得分系數矩陣,就可以在輸出結果裡看到了. 10樓：匿名使用者 1輸入資料。 2點analyze 下拉選單，選data reduction 下的factor 。 3開啟factor analysis後,將資料變數逐個選中進入variables 對話方塊中。 4單擊主對話方塊中的descriptive按扭，開啟factor analysis: descriptives子對話方塊，在statistics欄中選擇univariate descriptives項要求輸出個變數的均值與標準差，在correlation matrix 欄內選擇coefficients項，要求計算相關係數矩陣，單擊continue按鈕返回factor analysis主對話方塊。 5單擊主對話方塊中的extraction 按鈕，開啟如下圖所示的factor analysis: extraction 子對話方塊。在method列表中選擇預設因子抽取方法——principal ***ponents，在analyze 欄中選擇預設的correlation matrix 項要求從相關係數矩陣出發求解主成分，在exact 欄中選擇number of factors;6， 要求顯示所有主成分的得分和所能解釋的方差。 單擊continue按鈕返回factor analysis主對話方塊。 6單擊主對話方塊中的ok 按鈕，輸出結果。 統計專業研究生工作室原創，請勿複雜貼上 主成分分析和因子分析的結果不一樣。主成分分析和因子分析都是資訊濃縮的方法，即將多個分析項資訊濃縮成幾個概括性指標。因子分析在主成分基礎上，多出一項旋轉功能，該旋轉目的即在於命名，更容易解釋因子的含義。如果研究關注於指標與分析項的對應關係上，或是希望將得到的指標進行命名，spssau建議使用因子分析。... 你學過線性代數bai嗎?需要du 你真正理解矩陣的特徵值zhi和特徵向量dao的意義,也就是專n維空間的各個維屬度上的特徵值和特徵向量。還是以簡單的高中知識向你做個比喻吧,一條在第一第三象限的角平分線上的線段,在座標軸上的投影不能反映出它的最真實情況,因為縮小了根2倍,最佳方法是把座標軸逆時針旋轉4... by health problem 被 做副詞，修飾被動語態動詞plague！她被健康問題折磨了許多年了！分析句子成分 as far as 可以看作連詞 後面是從句i 是從句中的主語am是從句中的系動詞 concerned是從句中的表語 分析句子成分 從句法結構的關係意義出發，對句子作成分功能或作用...主成分分析和因子分析結果一樣嗎主成分分析和因子分析有什麼區別
在主成分分析法中對主成分進行旋轉後其表示式怎麼寫
分析句子成分，分析句子成分