主成分分析案例＋Stata代码

数据简介

主成分分析（‌PCA）是一种统计方法，用于降维和‌特征提取‌。它通过线性变换将原始数据转换为一组新的变量，这些新变量称为主成分，它们是原始数据的线性组合，且彼此之间相互独立。PCA的目标是找到数据中的主要变化趋势，通过保留少数几个主成分来描述数据的主要特征，从而减少数据的维度，同时尽量保留原始数据的信息。‌

代码示例

*打开示例数据
use 示例数据,clear

* 使用前定义：需要PCA的所有变量
global pca_var = "每百人互联网宽带接入用户数 计算机软件和软件业从业人员占比 人均电信业务总量 每百人移动电话用户数"

* 1：检验-KMO和Bartlett
factortest $pca_var   //P值显著，KMO=0.7>0.6 ，变量之间相关性较强，适合做因子分析

* 2：主成分分析
pca $pca_var ,comp(2)  //根据累计贡献率80%，选取2个主成分

* 3：计算主成分得分
predict f1 f2

* 4：测度
gen 数字经济 = (0.5818*f1+0.2481*f2) / 0.8299

数据示例

含案例数据、代码、参考文献等文件