第五步，计算结果分析。
从Component Matrix即主成分载荷表中可以看出，国内生产总值、固定资产投资和工业产值在第一主成分上载荷较大，亦即与第一主成分的相关系数较高；职工工资和货物周转量在第二主成分上的载荷绝对值较大，即负相关程度较高；消费价格指数在第三主成分上的载荷较大，即相关程度较高。
因此可将主成分命名如下： 第一主成分：投入－产出主成分； 第二主成分：工资－物流主成分； 第三主成分：消费价格主成分。
问题在于：一方面，居民消费和商品零售价格指数的归类比较含混；另一方面，主成分的命名结构不清。因此，有必要作进一步的因子分析。
aComponent Matrix国内生产居民消费固定资产职工工资货物周转消费价格商品零售工业产值1.885.607.912.466.486-.509-.620.823Component2.384-.598.161-.722-.722.252.594.4273.121.271.212.368-.275.797.438.211Extraction Method: Principal Component Analysis.a. 3 components extracted. 参考文献
[1] Lindsay I Smith. (2002) “A tutorial on Principal Components Analysis”
[2] Jonathon Shlens. (2005) “A Tutorial on Principal Component Analysis” ~shlens/pub/notes/
[3] Will, Todd (1999) “Introduction to the Singular Value Decomposition” Davidson College.
[4] Bell, Anthony and Sejnowski, Terry. (1997) “The Independent Components of Natural Scenes are EdgeFilters.” Vision Research 37(23), 3327-3338.
[5] T.F. Cootes and C.J.Taylor (2004) “Statistical Models of Appearance for Computer Vision”
~bim/Models/app_
[6] 张翠平 苏光大 (2000)“人脸识别技术综述”《中国图像图形学报》第五卷A版第11期
[7] 何国辉 甘俊英 (2006)“PCA类内平均脸法在人脸识别中的应用研究”《计算机应用研究》2006年第 三期
[8] 牛丽平 付仲良 魏文利 (2006)“人脸识别技术研究”《电脑开发与应用》2006年第五期
相关推荐：
loading