spss主成分分析(编辑修改稿)内容摘要：
( nk ikjiki xxxxn 111 nk kii xnx 11 pi , 21 )(ijrR jjiiijij SSSr 其中 S是样本协方差阵，为总体协方差阵 的无偏估计。 R是样本相关矩阵，为总体相关矩阵的估计，为了避免指标的差异和量纲的不同，较合理的做法是用 R代替 。 各地区居民消费情况主成分分析 二、 二、模型假设 假设构成全国 31 个省市自治区的消费情况的因数只有：食品、衣着、家庭设备用品及服务、医疗保健和个人用品、交通和通信、娱乐教育文化和居住这七个因素。 假设各数据有效完整。 三、变量设置 X为表示 31个省市自治区的各地区的消费情况所列出的数值对应矩阵（为方便起见 ，设 X代表的矩阵已对数据作了标准化）。 R为 X的相关系数矩阵。 P 是 R的特征根。 A是 R的特征根 P 相应的单位特征向量。 F及其相应的向量是几个主成分。 四、原始数据 2020年全国各地区消费情况指数 地区 食品 X1 衣着 X2 家庭设备用品及服务 X3 医疗保健和个人用品 X4 交通和通信 X5 娱乐教育文化 X6 居住 X7 北 京 天 津 河 北 山 西 内蒙古 辽 宁 吉 林 黑龙江 上 海 江 苏 浙 江 安 徽 福 建 江 西 山 东 河 南 湖 北 湖 南 广 东 广 西 海 南 重 庆 四 川 贵 州 云 南 西 藏 陕 西 甘 肃 青 海 宁 夏 新 疆 五、建立模型 第一步：建立变量（即观测指标）的相关系数矩阵 R：。阅读剩余 0%
本站所有文章资讯、展示的图片素材等内容均为注册用户上传(部分报媒/平媒内容转载自网络合作媒体)，仅供学习参考。
用户通过本站上传、发布的任何内容的知识产权归属用户或原始著作权人所有。如有侵犯您的版权，请联系我们反馈本站将在三个工作日内改正。