stata学习笔记（四）：主成份分析与因子分析

1.判断是否适合做主成份分析，变量标准化

Kaiser-Meyer-Olkin抽样充分性测度也是用于测量变量之间相关关系的强弱的重要指标，是通过比较两个变量的相关系数与偏相关系数得到的。

KMO介于0于1之间。KMO越高，表明变量的共性越强。如果偏相关系数相对于相关系数比较高，则KMO比较低，主成分分析不能起到很好的数据约化效果。

根据Kaiser（1974），一般的判断标准如下：

0.00-0.49,不能接受（unacceptable）;

0.50-0.59,非常差（miserable）；

0.60-0.69，勉强接受（mediocre）；

0.70-0.79,可以接受（middling）；

0.80-0.89，比较好（meritorious）；

0.90-1.00,非常好（marvelous）。

SMC即一个变量与其他所有变量的复相关系数的平方，也就是复回归方程的可决系数。

SMC比较高表明变量的线性关系越强，共性越强，主成分分析就越合适。

. estat smc
. estat kmo
. estat anti//暂时不知道这个有什么用

得到结果，说明变量之间有较强的相关性，适合做主成份分析。

Squared multiple correlations of variables with all other variables

    -----------------------
        Variable |     smc 
    -------------+---------
              x1 |  0.8923 
              x2 |  0.9862 
              y1 |  0.9657 
              y2 |  0.9897 
              y3 |  0.9910 
              y4 |  0.9898 
              y5 |  0.9769 
              y6 |  0.9859 
              y7 |  0.9735 
    -----------------------

变量标准化

. egen z1=std(x1)

 

2.对变量进行主成份分析