主成分分析Stata 命令

Stata命令1主成分估計(jì)Stata可以通過變量進(jìn)行主成分分析，也可以直接通過相關(guān)系數(shù)矩陣或協(xié)方差矩陣進(jìn)行。sysuseauto,clearpcatrunkweightlengthheadroompcatrunkweightlengthheadroom,comp(2)covariancewebusebg2,clearpcabg2cost*,vce(normal)2Estatestat給出了幾個(gè)非常有用的工具，包括KMO、SMC等指標(biāo)。Kaiser-Meyer-Olkin(KMO)，是用于測量變量之間相關(guān)關(guān)系的強(qiáng)弱的重要指標(biāo)，是通過比較兩個(gè)變量的相關(guān)系數(shù)與偏相關(guān)系數(shù)得到的。KMO介于0于1之間。KMO越高，表明變量的共性越強(qiáng)。如果偏相關(guān)系數(shù)相對于相關(guān)系數(shù)比較高，則KMO比較低，主成分分析不能起到很好的數(shù)據(jù)約化效果。根據(jù)Kaiser(1974)，一般的判斷標(biāo)準(zhǔn)如下：0.00-0.49,不能接受(unacceptable);0.50-0.59,非常差(miserable)；0.60-0.69，勉強(qiáng)接受(mediocre)；0.70-0.79，可以接受(middling)；0.80-0.89,比較好(meritorious)；0.90-1.00,非常好(marvelous)。SMC即一個(gè)變量與其他所有變量的復(fù)相關(guān)系數(shù)的平方，也就是復(fù)回歸方程的可決系數(shù)。SMC比較高表明變量的線性關(guān)系越強(qiáng)，共性越強(qiáng)，主成分分析就越合適。根據(jù)KMO越高，表明變量的共性越強(qiáng)和SMC比較高表明變量的線性關(guān)系越強(qiáng)，共性越強(qiáng)，主成分分析就越合適。webusebg2,clearpcabg2cost*,vce(normal)estatantiestatkmoestatloadingsestatresidualsestatsmcestatsummarize3預(yù)測Stata可以通過predict預(yù)測變量得分、擬合值和殘差等。webusebg2,clearpcabg2cost*,vce(normal)predictscorefitresidualq(備注：q代表殘差的平方和)4碎石圖碎石圖是判斷保留多少個(gè)主成分的重要方法。命令為screeplot。webusebg2,clearpcabg2cost*,vce(normal)screeplot

^ulavnea^t5得分圖、載荷圖得分圖即不同主成分得分的散點(diǎn)圖。命令為scoreplot。webusebg2,clearpcabg2cost*,vce(normal)scoreplotScorevariables(pca)2+nenoDmocrDTSeroR^44"I,^ulavnea^t5得分圖、載荷圖得分圖即不同主成分得分的散點(diǎn)圖。命令為scoreplot。webusebg2,clearpcabg2cost*,vce(normal)scoreplotScorevariables(pca)2+nenoDmocrDTSeroR^44"I,,,,-'IIIIT載荷圖即不同主成分載荷的散點(diǎn)圖。命令為loadingplot。webusebg2,clearpcabg2cost*,vce(normal)loadingplot2henoQEnoComponentloadings6-bg2cost15-*bg2co