主成分分析法怎么提取图片中的字_主成分分析计算方法和步骤

格式

专业资料整理

主成分分析计算方法和步骤：

在对某一事物或现象进行实证研究时

,

为了充分反映被研究对象个体之间的差异

,

研究者往往要考虑增加测量指标

,

这样就会增加研究问题的负载程度。但由于各

指标都是对同一问题的反映

,

会造成信息的重叠

,

引起变量之间的共线性

,

因此

,

在多指标的数据分析中

,

如何压缩指标个数、压缩后的指标能否充分反映个体

之间的差异

,

成为研究者关心的问题。而主成分分析法可以很好地解决这一问

题。

主成分分析的应用目的可以简单地归结为

:

数据的压缩、数据的解释。它常被

用来寻找和判断某种事物或现象的综合指标

,

并且对综合指标所包含的信息给

予适当的解释

,

从而更加深刻地揭示事物的内在规律。主成分分析的基本步骤分为

:

①对原始指

标进行标准化

,

以消除变量在数量极或

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

R;

③求出

R

矩阵的特征根和特征向

量

;

④确定主成分

,

结合专业知识对各主成分所蕴含的信

息给予适当的解释

;

⑤合成主成分

,

得到综合评价值。

结合数据进行分析

本题分析的是全国各个省市高校绩效评价，利用全国

2014

年的相关统计数据

(

见

附录

)

，从相关的指标数据我们无法直接评价我国各省市的高等教育绩效，而通

过表

5-6

的相关系数矩阵，可以看到许多的变量之间的相关性很高。如：招生人数与教职工人

数之间具有较强的相关性，教育投入经费和招生人数也具有较强的

相关性，教工人数与本科院校数之间的相关系数最高，到达了

0.963

，而各组成

成分之间的相关性都很高，这也充分说明了主成分分析的必要性。

表

5-6

相关系数矩阵

本科院校

数招生人数教育经费投入

相关性师生比

0.2790.3290.252

重点高校数

0.3450.2040.310

教工人数

0.9630.9540.896

本科院校数

1.0000.9380.881

招生人数

0.9381.0000.893

教育经费投

入

0.8810.8931.000

师生比重点高校数教工人数

相关性师生比

1.000-0.2180.208

重点高校数

-0.2181.0000.433

教工人数

0.2080.4331.000

本科院校数

0.2790.3450.963

招生人数

0.3290.2040.954

教育经费投

入(元)

0.2520.3100.896