主成分分析算法步骤详解word版
主成分分析得到的主成分是哪一个？
主成分是归一化的特征向量和原始指标的线性组合，例如第一个主成分:Fpa1iZX1 a2iZX2 … apiZXp，其中a1i，a2i，API (i1，m)是X的协方差矩阵σ的特征值对应的特征向量，ZX1，ZX2，ZXp是原始变量的归一化值，因为在实际应用中，指标往往有不同的维数，所以需要先进行计算。
主成分是归一化的特征向量和原始索引的线性组合，例如，第p个主成分:fpa1izx1a2izx2...API zxp其中a1i、a2i、...和API (i1，...m)是X的协方差矩阵σ的特征值对应的特征向量，ZX1，ZX2，…，zxp，ZXp是原变量的归一化值，因为在实际应用中。
主成分分析有一定的数学基础，在分析过程中没有引入任何主观评价因素，是客观的。
然而，指标和主成分的选择仍然是主观的。
主成分分析是一种统计方法。通过正交变换，将一组可能相关的变量变换成一组线性不相关的变量，变换后的变量称为主成分。
主成分分析和因子分析就好比在一个函数中用x表示y，然后用y表示x。
选择F最经典的方法是利用F的方差，即Var(F)越大，F包含的信息越多。所选主成分的特征值/所有的方差之和x所选主成分的方差贡献率。
当所有x的方差之和为常值时，当然特征值越大，选择的主成分包含的信息越多。
主成分分析(PCA)是一种数据分析方法，利用降维原理，借助spss等数据处理工具对原始数据进行分析。
在分析之前，需要建立分析模型，用spss进行数据的相关性检验，进行主成分分析，提取主成分因子，得到因子得分。将spss分析得到的主成分负荷矩阵和主成分得分系数矩阵与预先建立的函数模型进行比较，计算出各个主成分的得分。最后比较排名。(具体操作要根据数据处理要求和实际操作进一步研究。)