主成分分析Stata 命令

Stata命令1主成分估计Stata可以通过变量进行主成分分析，也可以直接通过相关系数矩阵或协方差矩阵进行。sysuseauto,clearpcatrunkweightlengthheadroompcatrunkweightlengthheadroom,comp(2)covariancewebusebg2,clearpcabg2cost*,vce(normal)2Estatestat给出了几个非常有用的工具，包括KMO、SMC等指标。Kaiser-Meyer-Olkin(KMO)，是用于测量变量之间相关关系的强弱的重要指标，是通过比较两个变量的相关系数与偏相关系数得到的。KMO介于0于1之间。KMO越高，表明变量的共性越强。如果偏相关系数相对于相关系数比较高，则KMO比较低，主成分分析不能起到很好的数据约化效果。根据Kaiser(1974)，一般的判断标准如下：0.00-0.49,不能接受(unacceptable);0.50-0.59,非常差(miserable)；0.60-0.69，勉强接受(mediocre)；0.70-0.79，可以接受(middling)；0.80-0.89,比较好(meritorious)；0.90-1.00,非常好(marvelous)。SMC即一个变量与其他所有变量的复相关系数的平方，也就是复回归方程的可决系数。SMC比较高表明变量的线性关系越强，共性越强，主成分分析就越合适。根据KMO越高，表明变量的共性越强和SMC比较高表明变量的线性关系越强，共性越强，主成分分析就越合适。webusebg2,clearpcabg2cost*,vce(normal)estatantiestatkmoestatloadingsestatresidualsestatsmcestatsummarize3预测Stata可以通过predict预测变量得分、拟合值和残差等。webusebg2,clearpcabg2cost*,vce(normal)predictscorefitresidualq(备注：q代表残差的平方和)4碎石图碎石图是判断保留多少个主成分的重要方法。命令为screeplot。webusebg2,clearpcabg2cost*,vce(normal)screeplot

^ulavnea^t5得分图、载荷图得分图即不同主成分得分的散点图。命令为scoreplot。webusebg2,clearpcabg2cost*,vce(normal)scoreplotScorevariables(pca)2+nenoDmocrDTSeroR^44"I,^ulavnea^t5得分图、载荷图得分图即不同主成分得分的散点图。命令为scoreplot。webusebg2,clearpcabg2cost*,vce(normal)scoreplotScorevariables(pca)2+nenoDmocrDTSeroR^44"I,,,,-'IIIIT载荷图即不同主成分载荷的散点图。命令为loadingplot。webusebg2,clearpcabg2cost*,vce(normal)loadingplot2henoQEnoComponentloadings6-bg2cost15-*bg2co