理论教育 主成分分析法:简介与应用

主成分分析法:简介与应用

时间:2023-06-08 理论教育 版权反馈
【摘要】:③对矩阵C进行主成分分析运算,通常以特征值大于1为标准,提取主成分。④利用方差最大旋转法,使每个主成分内的因子载荷差异最大化。PCA法在集群辨识中运用相当普遍,虽然辨识结果大多数情况比较理想,但是从原理来看,它所得到的与其说是具有密切内部关联的产业集群,不如说是具有相似产销结构的产业组群。换言之,它虽然强调了互补性联系,但是对垂直联系则重视不足,而且不同主成分有主次之分。

主成分分析法:简介与应用

西方学者很早就开始尝试利用PCA法对产业群进行研究,Feser和Bergnmn对于利用PCA法进行区域产业集群的辨识作了系统总结,并详细描述了运算过程;贺灿飞等(2005)以北京为实证案例,沿用Bergman(1996)等总结的辨识框架对北京制造业进行了集群分析,结果是比较理想的。此方法大致可以分为五个步骤进行:

①通过对I/O表的运算,获得中间投入矩阵A、中间产出矩阵B。

②根据矩阵A和B,通过计算相关系数,生成最大相似矩阵C。

③对矩阵C进行主成分分析运算,通常以特征值大于1为标准,提取主成分。原则上,提取的每个主成分应对应一个集群,但是,每个主成分对应的是涵盖所有部门的列向量(列向量中,各部门以在该主成分中因子载荷值从大到小排序),所以需要进一步处理。(www.daowen.com)

④利用方差最大旋转法,使每个主成分内的因子载荷差异最大化。

⑤设定因子载荷门槛值,在每个主成分中,将超过门槛值对应的产业归入该产业集群,从而最终获得辨识结果。

PCA法在集群辨识中运用相当普遍,虽然辨识结果大多数情况比较理想,但是从原理来看,它所得到的与其说是具有密切内部关联的产业集群,不如说是具有相似产销结构的产业组群。换言之,它虽然强调了互补性联系,但是对垂直联系则重视不足,而且不同主成分有主次之分。根据它们的解释率,第一主成分所对应的是整个产业的最大经济结构特征,故而在辨识结果中,第一主成分对应的集群包含了最多的产业部门,其后主成分对应集群包含部门个数依次减少。另外,此方法辨识出来的集群内部的各产业间联系紧密程度也相对较弱。

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。

我要反馈