《1_第八章 主成份分_1H23_01_多变量分析方法(五版)勘误表》.pdfVIP

 第八章 主成份分析  345 [2] Covariance Matrix computer web cell computer 家用電腦 156.3616455 153.2593955 63.3631182 web 網路 153.2593955 154.5734905 62.6285583 cell 行動電話 63.3631182 62.6285583 33.8560530 Total Variance 344 三個變項間的共變數矩陣，此時是使用離差分數 (原始分數減去平均數) 進行 分析。三個變項的變異數總和為344。 [3] Eigenvalues of the Covariance Matrix Eigenvalue Difference Proportion Cumulative 1 335.079325 327.561349 0.9718 0.9718 2 7.517976 5.324089 0.0218 0.9936 3 2.193888 0.0064 1.0000 以[2]之共變數矩陣進行主成份分析後，共得到3 個主成份。因為3 個變數的 總變異為 344 ，而第1 個特徵值為 335.079325 ，所以其解釋量為 335.079325/344= 0.9718 ，第二個主成份的解釋量為0.0218 ，後2 個主成 份的解釋量分別為2.18%及0.64% ，均不大。 [4] Eigenvectors Prin1 Prin2 Prin3 computer 家用電腦 0.680202 -.167924 -.713531 web 網路 0.675933 -.232939 0.699180 cell 行動電話 0.283618 0.957884 0.044941 由[2]之共變數矩陣解得之特徵向量，這是主成份加權係數 ，也就是3 個變數 組合成 3 個主成份時所用的加權係數。由於此處是使用變異數及共變數矩陣進行 分析，各變項的單位不相等，係數大小無法比較；而變項數目多寡也會影響係數 大小，因此以加權係數對主成份進行命名並不恰當，應以下表之主成份負荷量為 命名依據。 346  多變量分析方法  [5] Pearson Correlation Coefficients, N = 23 Prob |r| under H0: Rho=0 Prin1 Prin2 Prin3 computer 0.99574 -0.03682 -0.08452 家用電腦 .0001 0.8675 0.7014 web 0.99520 -0.