-
2.計算矩陣R

3.計算矩陣R的特征值和特征向量
表2-30 特征值和特征向量表
主成分
特征值
λ
特征向量
L1
L2
L3
L4
Y1
Y2
Y3
Y4
2.920
1.024
0.049
0.007
0.1485
0.9544
0.2516
-0.0612
-0.5735
-0.0984
0.7733
0.2519
-0.5577
0.2695
-0.5589
0.5513
-0.5814
0.0824
-0.1624
-0.0793
4.計算貢獻率和累計貢獻率,據(jù)以確定主成分(即綜合指標)的個數(shù),并建立主成分方程。
表2-31 貢獻率和累計貢獻率表
主成分
特征值
λ
貢獻率
累計貢獻率
Y1
Y2
Y3
Y4
2.920
1.024
0.049
0.007
0.730
0.256
0.012
0.002
0.730
0.986
0.998
1.000
從表2-31可見,前兩個主成分的累計貢獻率為98.6%,如果舍去其余的主成分,丟失的信息僅為1.4%。因此,在進行一般分析時,可選取兩個主成分。如果目的是為了進行綜合評價,則只需選擇第一主成分即可,其貢獻率為73%,已包含了原始數(shù)據(jù)的部分信息。具有一定的代表性。該方程為:
y1=0.1485x1-0.5735x2-0.5577x3-0.5814x4
2.計算矩陣R

3.計算矩陣R的特征值和特征向量
表2-30 特征值和特征向量表
主成分
特征值
λ
特征向量
L1
L2
L3
L4
Y1
Y2
Y3
Y4
2.920
1.024
0.049
0.007
0.1485
0.9544
0.2516
-0.0612
-0.5735
-0.0984
0.7733
0.2519
-0.5577
0.2695
-0.5589
0.5513
-0.5814
0.0824
-0.1624
-0.0793
4.計算貢獻率和累計貢獻率,據(jù)以確定主成分(即綜合指標)的個數(shù),并建立主成分方程。
表2-31 貢獻率和累計貢獻率表
主成分
特征值
λ
貢獻率
累計貢獻率
Y1
Y2
Y3
Y4
2.920
1.024
0.049
0.007
0.730
0.256
0.012
0.002
0.730
0.986
0.998
1.000
從表2-31可見,前兩個主成分的累計貢獻率為98.6%,如果舍去其余的主成分,丟失的信息僅為1.4%。因此,在進行一般分析時,可選取兩個主成分。如果目的是為了進行綜合評價,則只需選擇第一主成分即可,其貢獻率為73%,已包含了原始數(shù)據(jù)的部分信息。具有一定的代表性。該方程為:
y1=0.1485x1-0.5735x2-0.5577x3-0.5814x4

