关于数据挖掘:R语言SPSS基于主成分PCA的中国城镇居民消费结构研究可视化分析

全文链接：http://tecdat.cn/?p=31563

原文出处：拓端数据部落公众号

以全国31个省、市、自治区的城镇居民家庭均匀每人全年消费性收入的食品、衣着、寓居、家庭设备用品及服务、医疗保健、交通与通信、娱乐教育文化服务、其它商品和服务等 8 个指标数据为根据， 利用SPSS和R统计软件， 采纳主成分分析法对以后城镇居民消费结构进行剖析， 结果显示: 娱乐教育文化服务、交通通信、家庭设备用品、寓居、食品是影响生产大小变动的次要因素， 而衣着、医疗保健、寓居、食品是影响消费结构变动的次要因素; 各省市城镇居民生产大小与其经济发达水平密切相关; 相邻省市消费结构比拟类似; 沿海地区与边疆消费结构有较大的差异

第一步：录入或调入数据

第二步：关上“因子分析”对话框。 

沿着主菜单的“Analyze→Data Reduction→Factor”的门路（图2）关上因子分析选项框

第三步：选项设置。 

首先，在源变量框中选中须要进行剖析的变量，点击左边的箭头符号，将须要的变量调入变量（Variables）栏中（图3）。在本例中，全副8个变量都要用上，故全副调入（图4）。因无非凡须要，故不用理睬“Value”栏。上面逐项设置

⒈ 设置Descriptives选项。 

单击Descriptives按钮（图4），弹出Descriptives对话框（图5）。

在Statistics栏中选中Univariate descriptives复选项，则输入后果中将会给出原始数据的抽样均值、方差和样本数目（这一栏后果可供测验参考）；选中Initial solution复选项，则会给出主成分载荷的公因子方差（这一栏数据分析时有用）。 

在Correlation Matrix栏中，选中Coefficients复选项，则会给出原始变量的相关系数矩阵（剖析时可参考）；选中Determinant复选项，则会给出相关系数矩阵的行列式，如果心愿在Excel中对某些计算过程进行理解，可选此项，否则用处不大。其它复选项个别不必，但在非凡状况下能够用到（本例不选）。 

设置实现当前，单击Continue按钮实现设置（图5）。

设置Extraction选项。 

关上Extraction对话框（图6）。因子提取办法次要有7种，在Method栏中能够看到，零碎默认的提取办法是主成分（），因而对此栏不作变动，就是认可了主成分分析方法。 

在Analyze栏中，选中Correlation matirx复选项，则因子分析基于数据的相关系数矩阵进行剖析；如果选中Covariance matrix复选项，则因子分析基于数据的协方差矩阵进行剖析。对于主成分剖析而言，因为数据标准化了，这两个后果没有别离，因而任选其一即可。 

在Display栏中，选中Unrotated factor solution（非旋转因子解）复选项，则在剖析后果中给出未经旋转的因子提取后果。对于主成分剖析而言，这一项抉择与否都一样；对于旋转因子分析，抉择此项，可将旋转前后的后果同时给出，以便比照。 

选中Scree Plot（“山麓”图），则在剖析后果中给出特色根按大小散布的折线图（形如山麓截面，故得名），以便咱们直观地断定因子的提取数量是否精确。

主成分计算是利用迭代（Iterations）办法，零碎默认的迭代次数是25次。然而，当数据量较大时，25次迭代是不够的，须要改为50次、100次乃至更多。对于本例而言，变量较少，25次迭代足够，故无需改变。

设置Scores设置。 

选中Save as variables栏，则剖析后果中给出标准化的主成分得分（在数据表的前面）。至于办法复选项，对主成分剖析而言

选中Display factor score coefficient matrix，则在剖析后果中给出因子得分系数矩阵及其相关矩阵。 

选中Display factor score coefficient matrix，则在剖析后果中给出因子得分系数矩阵及其相关矩阵。 

 其它。 

对于主成分剖析而言，旋转项（Rotation）能够不用设置；对于数据没有缺失的状况下，Option项能够不用理睬。

Correlation Matrix(相关系数矩阵)，一般而言，相关系数高的变量，大多会进入同一个主成分，但不尽然，除了相关系数外，决定变量在主成分中散布位置的因素还有数据的构造。相关系数矩阵对主成分剖析具备参考价值，毕竟主成分剖析是从计算相关系数矩阵的特色根开始的。

在Communalities(公因子方差)中，给出了因子载荷阵的初始公因子方差（Initial）和提取公因子方差（Extraction）

在Total Variance Explained(全副解释方差) 表的Initial Eigenvalues（初始特  7  征根）中，给出了按顺序排列的主成分得分的方差(Total)，在数值上等于相关系数矩阵的各个特色根λ，因而能够间接依据特色根计算每一个主成分的方差百分比（% of Variance）。

主成分的数目能够依据相关系数矩阵的特色根来断定，如前所说，相关系数矩阵的特色根刚好等于主成分的方差，而方差是变量数据蕴涵信息的重要判据之一。依据λ值决定主成分数目的准则有三：

i 只取λ>1的特色根对应的主成分 

从Total Variance Explained表中可见，第一、第二和第三个主成分对应的λ值都大于1，这意味着这三个主成分得分的方差都大于1。本例正是依据这条准则提取主成分的。 

ii 累计百分比达到80%~85%以上的λ值对应的主成分 

在Total Variance Explained表能够看出，前三个主成分对应的λ值累计百分比达到89.584%，这暗示只有选取三个主成分，信息量就够了。 

iii 依据特色根变动的渐变点决定主成分的数量

从特色根散布的折线图（Scree Plot）上能够看到，第4个λ值是一个显著的折点，这暗示选取的主成分数目应有p≤4（图8）。那么，到底是3个还是4个呢？依据后面两条准则，选3个大抵适合（但小有问题）。

在Component Matrix（成分矩阵）中，给出了主成分载荷矩阵，每一列载荷值都显示了各个变量与无关主成分的相关系数。以第一列为例，0.885实际上是生产收入与第一个主成分的相关系数。

R语言按地区划分的主成分可视化

res.pca <- prcomp(data[, -1],  scale = TRUE)

最受欢迎的见解

1.matlab偏最小二乘回归(PLSR)和主成分回归(PCR)

2.R语言高维数据的主成分pca、 t-SNE算法降维与可视化剖析

3.主成分剖析(PCA)基本原理及剖析实例

4.R语言实现贝叶斯分位数回归、lasso和自适应lasso贝叶斯分位数回归

5.应用LASSO回归预测股票收益数据分析

6.r语言中对lasso回归，ridge岭回归和elastic-net模型

7.r语言中的偏最小二乘回归pls-da数据分析

8.R语言用主成分PCA、 逻辑回归、决策树、随机森林剖析心脏病数据并高维可视化

9.R语言主成分剖析（PCA）葡萄酒可视化：主成分得分散点图和载荷图