【摘要】：，xp，则综合指标为y1，y2，…yp，其计算公式如式所示。其中矩阵lij分别为x1，x2，…，xp 的相关矩阵的m个较大特征值的特征向量。根据之前计算所得到的结果，可以按照式、式分别计算出主成分贡献率Zi及其累计贡献率Ωi。一般来说，当累计贡献率达到85%～95%时，对应的特征值λ1，λ2，…步骤6：计算主成分载荷。，p），可得到每个样本的各个主成分得分为再按照各主成分的方差贡献率占比作为权重，可以得到n个样本的综合得分 Gi：
步骤1：构建原始指标矩阵。
对于共n个样本，p个指标的评价体系而言，则可以构建一个n×p阶的原始矩阵X，如式（1）所示。
步骤2：构建综合指标矩阵。
设体系中p个原指标为x1，x2，…，xp，则综合指标为y1，y2，…yp，其计算公式如式（2）所示。
其中矩阵lij分别为x1，x2，…，xp 的相关矩阵的m个较大特征值的特征向量。
步骤3：计算相关系数矩阵。
要得到特征根与特征向量，先要计算出xij相关系数矩阵rij，如式（3）所示。
步骤4：计算特征值与特征向量。(www.xing528.com)
根据特征方程
=0求出所有特征值，并将其由大到小按列排序，则有λ1，λ2，…，λp，相对应的特征向量为ei（i=1，2，…，p）。
步骤5：计算各主成分贡献率及累计贡献率。
根据之前计算所得到的结果，可以按照式（4）、式（5）分别计算出主成分贡献率Zi及其累计贡献率Ωi。
一般来说，当累计贡献率达到85%～95%时，对应的特征值λ1，λ2，…λm 作为前m个主成分，从而实现降维处理。步骤6：计算主成分载荷。
由式p（Zt，xi）=
（i，t=1，2，…，p），可得到每个样本的各个主成分得分为
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
