系数。首先,用数据框的形式输入数据。p()作主成分分析,由前面的分析,选择相关矩阵作主成分分析更合理。因此,这里选择的参数是cor=TRUE。最后用summary()列出主成分分析的值,这里选择loadings=TRUE。以下是相应的程序。###用数据框的形式输入数据###作主成分分析,并显示分析结果第一主成分的贡献率为51.8%,第二主成分的贡献率为23.2%,第三主成分的贡献率为11.6%。前三个主成分的累积贡献率为86.6%,另六个主成分可舍去,达到降维的目的。由于在summary函数的参数中选取了loadings=TRUE,因此列出了loadings(载荷)的内容,它实际上是主成分对应于原始变量的系数,即前面介绍的矩阵。因此得到前三个主成分:,,.从第一主成分中,可看出农业生态经济与人口密度,人均粮食产量,经济作物占农作物播种面积比例,耕地占土地面积比率,灌溉田占耕地面积之比,成正比,即人口密度,人均粮食产量,经济作物占农作物播种面积比例,耕地占土地面积比率,灌溉田占耕地面积之比越大,生态农业经济越好,第一成分的值也就越大。可以称第一主成分为经济因子。第二主成分是人均耕地面积,农民人均纯收入,人均粮食产量,经济作物占农作物播种面积比例,第二主成分值越大,表明该地区人民生活水平越高,第二主成分值越小,表明该地区人民生活水平越低;因此,可以称第二主成分为水平因子。接下来看一下各样本的主成分的值。###作预测从第一主成分来看,较大的值是1号样本,2号样本和5号样本,说明这几个地区的农业生态经济较好;而12号样本,6号样本和15号样本的值较小,说明这几个地区的农业生态经济相对较差。从第二主成分来看,2号样本,5号样本,6号样本值较大,说明这几个地区的生活水平高,11号样本和18号样本的值较小,说明这几个地区的生活水平低。画出主成分的碎石图。参数选择的直线型,其图形如下所示。
全文预览
