第一步,对原始数据进行标准化处理,消除量纲不同的影响。
第二步,计算样本矩阵的相关系数矩阵R。
第三步,计算R的特征值和特征向量。
第四步,计算主成分的贡献率和累计贡献率。如果想要少处理损失信息的话,通常选取累计贡献率达85%以上的前m个特征值所对应的主成分。
第五步,确定主成分的个数。
第六步,计算主成分载荷。据其观察主成分因子对可测变量的影响程度。
第七步,对主成分因子的经济意义作解释。一般由权重较大的几个指标的综合意义来确定。
第八步,求各主成分的得分并计算综合得分,得出样本的综合排名
上述步骤就是主成分分析的具体做法,我们可以作为参考,根据其进行应用。
版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。