短信预约提醒成功
2.计算矩阵R
3.计算矩阵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.计算贡献率和累计贡献率，据以确定主成分(即综合指标)的个数，并建立主成分方程。
表2-31 贡献率和累计贡献率表
|
主成分 |
特征值 λ |
贡献率 |
累计贡献率 |
|
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 |
从表2-31可见，前两个主成分的累计贡献率为98.6%，如果舍去其余的主成分，丢失的信息仅为1.4%。因此，在进行一般分析时，可选取两个主成分。如果目的是为了进行综合评价，则只需选择第一主成分即可，其贡献率为73%，已包含了原始数据的部分信息。具有一定的代表性。该方程为：
y1=0.1485x1-0.5735x2-0.5577x3-0.5814x4
