Matlab主成分分析(根据例子学原理)

1.介绍

主成分分析就是设法将原来众多具有一定相关性的指标，重新组合成几个新的相互无关的综合指标，并且尽可能多地反映原来指标的信息。它是数学上的一种降维方法。

2.案例分析

其中 X1表示人均食品消费； X2表示人均衣着消费； X3表示家庭设备及服务人均消费； X4表示医疗保健人均消费； X5表示交通和通信人均消费； X6表示教育文化娱乐服务人均消费； 表X7示居住的人均消费； X8杂项商品和服务；Y表示年。

主要步骤：
（1）对原来的p个指标进行标准化，以消除变量在水平和量纲上的影响；
（2）根据标准化后的数据矩阵求出相关系数矩阵 ；
（3）求出相关系数矩阵的特征根和特征向量 和对应的特征向量；
（4）计算主成分贡献率及累计贡献率；一般取累计贡献率达85-95％的特征值 ，所对应的 个主成分；
（5）计算主成分荷载；
（6）对主成分载荷归一化；

clc,clear
X=[2297.86 589.62 474.74 164.19 290.91 626.21 295.20 199.03;
2262.19 571.69 461.25 185.90 337.83 604.78 354.66 198.96;
2303.29 589.99 516.21 236.55 403.92 730.05 438.41 225.80;
2308.70 551.14 476.45 293.23 406.44 785.74 494.04 254.10;
2337.65 589.28 509.82 334.05 442.50 850.15 563.72 246.51;
2418.96 618.60 454.20 429.60 615.00 1065.12 594.48 164.28;
2702.34 735.01 475.36 459.69 790.26 1025.99 741.60 187.81;
3015.32 779.68 474.15 537.95 865.45 1200.52 903.22 196.77;
3135.65 849.53 583.50 629.32 929.92 1391.11 882.41 221.85;
3415.92 1038.98 615.74 705.72 976.02 1449.49 954.56 242.26];

x=zscore(X);    %数据标准化;    
std=CORRCOEF