2.3 Analisi in Componenti Principali

Analisi in componenti principali (ACP)
L’ACP è un particolare tipo di analisi fattoriale, caratterizzata da

alcuni elementi:
1 la matrice dei dati X è composta da p variabili tutte
quantitative rilevate su n individui;
2 la matrice dei dati X è formata dai dati centrati oppure dai
dati standardizzati;
3 la metrica è quella indotta dalla matrice identità, M = I;
4 la matrice diagonale dei pesi è D= I 1
n
Maria Felice Arezzo mariafelice.arezzo@uniroma1.it

L’ACP per passi
In modo schematico, l’ACP è sintetizzata attraverso un insieme di

passi effettuati dal computer e/o dal ricercatore:
1 Identificazione dei sottospazi ottimi su cui proiettare i punti;
2 Calcolo delle coordinate delle componenti principali;
3 Identificazione del numero di componenti da utilizzare;
% di varianza spiegata dalle CP;
Scree-plot;
Eigenvalue-one (solo per variabili standardizzate).
4 Interpretazione del significato delle componenti
correlazione tra CP e variabili originarie
5 Interpretazione dei risultati
contributo assoluto;
contributo relativo
cerchio delle correlazioni

Passo 1 e 2: identificazione e calcolo CP
Analisi nello spazio degli individui
Ipotizziamo che la metrica sia indotta da I . Sappiamo che la

matrice da cui estrarre gli autovettori e gli autovalori è
X 0DXM = n1 X 0X . Notiamo il seguente fatto interessante:
  
x11 − x .1 x21 − x .1 ··· xn1 − x .1 x11 − x .1 x12 − x .2 ··· x1p − x .p
1 1  x12 − x .2
X X
0 x22 − x .2 ··· xn2 − x .2 
 x21 − x .1 x22 − x .2 ··· x2p − x .p 

=  =
n n  ··· ··· ··· ···  ··· ··· ··· ··· 
x1p − x .p x2p − x .p ··· xnp − x .p xn1 − x .1 xn2 − x .2 ··· xnp − x .p


  
1 1  x12 − x .2
X X
0 x22 − x .2 ··· xn2 − x .2 
 x21 − x .1 x22 − x .2 ··· x2p − x .p 

=  =
n n  ··· ··· ··· ···  ··· ··· ··· ··· 
 
Var (X1 ) Cov (X1 , X2 ) ··· Cov (X1 , Xp )

 Var (X2 ) ··· Cov (X2 , Xp )
 ··· ··· ··· 
Var (Xp )


  
1 1  x12 − x .2
X X
0 x22 − x .2 ··· xn2 − x .2 
 x21 − x .1 x22 − x .2 ··· x2p − x .p 

=  =
n n  ··· ··· ··· ···  ··· ··· ··· ··· 
 
Var (X1 ) Cov (X1 , X2 ) ··· Cov (X1 , Xp )

 Var (X2 ) ··· Cov (X2 , Xp )
 ··· ··· ··· 
Var (Xp )
Quindi i sottospazi ottimali sono identificati dagli autovettori della

matrice di varianze e covarianze n1 X 0 X .

Se le variabili di riferimento hanno unità di misura, ordine di

grandezza e variabilità differente, si ricorre alla standardizzazione
dei dati in modo da ricondurre le variabili ad avere la stessa media
(cioé 0), la stessa varianza (cioé 1) e ad essere numeri puri.
In questo caso la matrice dei dati X è composta da valori

standardizzati.
E’ facile verificare che la matrice da fattorizzare è la matrice di

correlazione. In altre parole i sottospazi ottimali sono identificati
dagli autovettori della matrice di correlazione n1 X 0 X .

Se le variabili di riferimento hanno unità di misura, ordine di

grandezza e variabilità differente, si ricorre alla standardizzazione
dei dati in modo da ricondurre le variabili ad avere la stessa media
(cioé 0), la stessa varianza (cioé 1) e ad essere numeri puri.
In questo caso la matrice dei dati X è composta da valori

standardizzati.
E’ facile verificare che la matrice da fattorizzare è la matrice di

correlazione. In altre parole i sottospazi ottimali sono identificati
dagli autovettori della matrice di correlazione n1 X 0 X .
I risultati ottenuti effettuando la ACP sui dati centrati e sui dati

standardizzati, sono differenti e non c’è modo di passare dagli uni
agli altri.

La α-sima componente principale è data da:
Cα = XMuα = Xuα
Ciò significa che essa è una combinazione lineare delle p variabili

con coefficienti pari alle componenti del vettore caratteristico
(autovettore) α-simo.

Passo 3: numero di componenti principali da utilizzare
L’idea di base è scegliere un numero ridotto di componenti

principali in grado, però, di ricostruire una quantità sufficiente della
variabilità originaria.
Dobbiamo trovare una misura della variabilità riprodotta dalle CP.
Sappiamo che la traccia della matrice di varianze e covarianze

n X X dà la variabilità
1 0
complessiva del fenomeno:
tr [ n1 X 0 X ] = pk=1 Var (Xk ).
P
Sappiamo inoltre che la traccia è data dalla somma degli

autovalori: tr [ n1 X 0 X ] = pk=1 λk .
P

La relazione seguente:
p p
X
1 0
X
X X
tr [ ]= Var (Xk ) = λk
n
k=1 k=1
implica che ciascun autovalore di n1 X 0 X fornisce la parte di

variabilità complessiva del fenomento ricostruita da quella data
componente principale.

La relazione seguente:
p p
X
1 0
X
X X
tr [ ]= Var (Xk ) = λk
n
k=1 k=1
implica che ciascun autovalore di n1 X 0 X fornisce la parte di

variabilità complessiva del fenomento ricostruita da quella data
componente principale.
Possiamo, quindi, costruire un indicatore della quota dell’inerzia

complessiva spiegata dall’α-sima componente:
λα
τα = Pp
α=1 λα

I criteri per scegliere il numero di componenti da trattenere sono:

1 fisso una % minima di varianza da riprodurre (es. 70%) e
trattengo le CP che mi fanno raggiungere l’obiettivo;
2 scelgo il numero di componenti sulla base del grafico degli
autovalori (scree-plot)
3 trattengo solo le componenti con autovalore maggiore di uno
(SOLO se si fattorizza la matrice di correlazione)

Lo screeplot:
Il numero di componenti trattenute è quello in corrispondenza del

quale si realizza l’appiattimento del grafico (nel caso in figura ciò
avviene dopo la prima componente).
Regola dell’autovalore maggiore di 1 (solo se X è standardizzata).
La ratio risiede nel fatto che, poiché le variabili nella matrice dei
dati hanno varianza unitaria, si trattengono le componenti che
spiegano una variabilità maggiore di quella delle variabili di
partenza.

Regola dell’autovalore maggiore di 1 (solo se X è standardizzata).
La ratio risiede nel fatto che, poiché le variabili nella matrice dei
dati hanno varianza unitaria, si trattengono le componenti che
spiegano una variabilità maggiore di quella delle variabili di
partenza.
Nel caso in esame sono 4

le CP che soddisfano la
regola.

Passo 4: interpretazione del significato delle componenti
Per potere interpretare il significato di ciascuna componente

principale, è molto utile ricorrere al coefficiente di correlazione tra
quella data CP e ciascuna variabile. Esso è dato da:
√
λα uα,j
Corr (Cα , Xj ) =
s.j
Quanto maggiore in valore assoluto è il valore di Corr (Cα , Xj ) tanto

più la componente α-sima sarà influenzata dalla variabile j-sima.

Un esempio numerico
Supponiamo di avere raccolto le seguenti informazioni su un
collettivo di dieci studenti (calcolate la matrice X !).
Voto
Maturità Laurea
60 110
54 100
36 99
40 95
36 88
58 105
44 100
42 102
42 90
55 108

Un esempio numerico
La matrice di varianze e covarianze risulta essere:
Maturità Laurea
Maturità 75.21 46.61
Laurea 46.21
Per trovare i λ, dobbiamo risolvere l’equazione caratteristica, cioè

quella che risulta dall’uguagliare a zero il determinante della
matrice ( n1 X 0 X − λI ).

75.21 46.61 1 0
det −λ =
46.61 46.21 0 1

75.21 − λ 46.61
= det = λ2 − 121.42λ + 1302.962 = 0
46.61 46.21 − λ

Le due soluzioni sono λ1 = 109.5233 e λ2 = 11.8966. Notiamo che
abbiamo scelto come primo autovalore la soluzione più grande.
Notiamo anche che la somma degli autovalori corrisponde alla
varianza totale:
109.5233 + 11.89666 = 75.21 + 46.21
Per trovare il sottospazio ottimo, dobbiamo calcolare l’autovettore

associato all’autovalore massimo (λ1 = 109.5233). Dobbiamo cioé
risolvere il seguente sistema lineare omogeneo:
X X − λ1I u1 = 0 ovvero:

1 0
n

75.21 46.61 1 0 u 0
− 109.5233 · 11 =
46.61 46.21 0 1 u12 0

Il sistema è:
(
−34.3133u11 + 46.61u12 = 0
46.61u11 − 63.3133u12 = 0
è facile verificare che il sistema ammette infinite soluzioni date

dall’equazione u11 = 1.358u12 .

Il sistema è:
(
−34.3133u11 + 46.61u12 = 0
46.61u11 − 63.3133u12 = 0
è facile verificare che il sistema ammette infinite soluzioni date

dall’equazione u11 = 1.358u12 .
Per identificare le componenti dell’autovettore u1 dobbiamo usare

la condizione sulla norma e risolvere il sistema:
(
u11 = 1.358u12
2 + u2 = 1
u11 12
E’ facile verificare che:
u1

0.805
=±
0.593

Per trovare il secondo autovettore (u2 ), associato al secondo
autovalore più alto (λ2 = 11.89666) dobbiamo risolvere il seguente
sistema:
X X − λ2I u2 = 0 ovvero:

1 0
n

75.21 46.61 1 0 u 0
− 11.89666 · 21 =
46.61 46.21 0 1 u22 0
Procedendo in modo analogo a quanto visto, troviamo che il

secondo autovettore è:
u2

0.593
=±
−0.805

109.5233
La prima componente spiega il τ1 = 109.5233+11.89666 % = 90.20%
della variabilità complessiva del fenomeno.
Le due componenti sono definite dalle seguenti combinazioni
lineari:
C1 = Xu1
C2 = Xu2
ove X è la matrice dei dati centrati.

Quindi la prima componente principale C1 si trova in questo modo:
X C1
z }| { }| { z
13.3 10.3 16.8144
   
 7.3 0.3   6.0544 
   
−10.7 −0.7   −9.0286 
  u1
 −6.7 −4.7  z }|
 
 −8.1806 
  {
 
−10.7 −11.7 0.805 −15.5516
 · =
 
 11.3 5.3 
 0.593  12.2394 


 −2.7 0.3   −1.9956 
  

 −4.7 2.3   −2.4196 
  

 −4.7 −9.7   −9.5356 
8.3 8.3 11.6034
In modo analogo si calcola la seconda componente.

Le correlazioni tra le componenti e le variabili sono:
√
109.5233 · (0.805)
Corr (C1 , X1 ) = √ = 0.971
75.21
√
109.5233 · (0.593)
Corr (C1 , X2 ) = √ = 0.913
46.21
√
11.89666 · 0.593
Corr (C2 , X1 ) = √ = 0.301
75.21
√
11.89666 · (−0.805)
Corr (C2 , X2 ) = √ = −0.408
46.21

Passo 5: interpretazione dei risultati
Dopo avere interpretato gli assi, si valutano:

il contributo assoluto alla costruzione della dimensione
fattoriale apportanto da ciascun punto (individuo o variabile);
la qualità dell’informazione riprodotta dall’asse per quel dato
punto (individuo o variabile);
il posizionamento dei punti-individuo e dei punti-variabili negli
assi fattoriali.

Passo 5: contribuzione assoluta
Contributo assoluto o contributo (CTA o CTR): esprime il

contributo di ciascun elemento (punto-unità o punto-variabile) alla
spiegazione del fattore, ossia quanto l’elemento i-simo ha
contribuito alla costruzione della CP α-sima. Esso è dato da:
pi c 2 (i)
CTAα (i) = P α 2
i pi cα (i)
ove pi è il peso associato all’individuo i-simo e cα (i) è la

coordinata dell’i-simo individuo sull’α-sima CP.

Passo 5: contribuzione relativa
Contributo relativo (QLT o cos2 ): esprime il contributo del

fattore alla spiegazione di ciascun elemento (punto-unità o
punto-variabile), ossia quanto il fattore riesce a ben rappresentare
un singolo elemento. Esso è una misura della qualità della
rappresentazione dell’i-simo individuo sull’α-sima CP.
Esso è dato dal rapporto tra la norma riprodotta sull’asse fattoriale
α-simo e la norma originaria:
kxi,cpα k
QLTα (i) = = cos(θ)
kxi k

Passo 5: contribuzione relativa
Contributo relativo (QLT o cos2 ): esprime il contributo del

fattore alla spiegazione di ciascun elemento (punto-unità o
punto-variabile), ossia quanto il fattore riesce a ben rappresentare
un singolo elemento. Esso è una misura della qualità della
rappresentazione dell’i-simo individuo sull’α-sima CP.
Esso è dato dal rapporto tra la norma riprodotta sull’asse fattoriale
α-simo e la norma originaria:
kxi,cpα k
QLTα (i) = = cos(θ)
kxi k
Quanto più vicino ad 1 è il valore di cos2 quanto più la qualità

della riproduzione del punto sul fattore è alta.

Il posizionamento dei punti nello spazio delle CP
Una volta interpretato il significato delle CP trattenute nell’analisi,

il posizionamento dei punti individuo nello spazio identificato dalle
stesse, permette di capirne il diverso comportamento.
Illustriamo questa parte dell’analisi con un caso di studio.

Un caso di studio
Azienda ECON.PRO CASH LAVOR.VA ROE INDE.CAP FATTURATO

Barilla -25.4 7.39 59.54 4.2 0.83 2867
Eridania -141 4 68.99 4.2 0.83 1693
Ferrero 65.8 9.61 53.7 21.12 -0.02 3031
Galbani -71.9 8.4 56.32 2.66 -0.02 2136
Kraft -32 5.88 72.11 3.2 0.35 1563
Lavazza -28.9 4.96 39.08 5.29 -0.05 1117
Nestlè -96.8 2.72 81.25 0 1.69 3463
Parmalat -145.1 5.96 38.51 2.23 2.91 1664
Plasmon 31.7 27.76 31.35 24.6 1.35 858
Star 2.4 6.47 62.49 10.6 0 811
Le variabili (rilevate nel 2000) sono:

ECON.PRO: economic profit , differenziale tra rendimento del capitale investito ed il suo costo;
CASH: cash flow sul fatturato in %;
LAVOR.VA: costo del lavoro sul valore aggiunto, in%;
ROE: return on equity, utile netto sul patrimonio, in%;
INDE.CAP: indebitamento sul capitale proprio;
FATTURATO.

Il numero di componenti da tenere
Tabella: Gli autovalori della

matrice di correlazione
eigenvalue % of variance % Cum
comp 1 2.99912195 49.985366 49.9854
comp 2 1.49327594 24.887932 74.8733
comp 3 0.92012925 15.335488 90.2088
comp 4 0.34038833 5.673139 95.8819
comp 5 0.1497962 2.496603 98.3785
comp 6 0.09728832 1.621472 100
Teniamo le prime due componenti

Interpretazione del significato delle componenti
$Dim.1 $Dim.2
$Dim.1$quanti $Dim.2$quanti
correlation p.value correlation p.value
ROE 0.9167999 0.00018943 ECON.PRO 0.5639972 0.089474
CASH 0.8714908 0.00101887 LAVOR.VA 0.5251196 0.119089
ECON.PRO 0.7744736 0.0085335 FATTURATO 0.3651595 0.299474
INDE.CAP -0.2415429 0.5013877 ROE 0.1298762 0.72064
FATTURATO -0.4907096 0.14984656 CASH -0.2368423 0.510004
LAVOR.VA -0.7072166 0.0221739 INDE.CAP -0.8325436 0.002796
Dunque la prima componente si interpreta come ‘Redditività di

impresa’ e la seconda componente come ‘Indebitamento’.

Interpretazione dei risultati
Individuals
Dist Dim.1 ctr cos2 Dim.2 ctr cos2
Barilla 1.224 -0.578 1.112 0.223 0.488 1.593 0.159
Eridania 1.873 -1.487 7.375 0.63 -0.351 0.827 0.035
Ferrero 2.819 1.557 8.081 0.305 1.805 21.823 0.41
Galbani 1.192 -0.469 0.732 0.155 0.406 1.103 0.116
Kraft 1.399 -0.646 1.393 0.214 0.741 3.673 0.28
Lavazza 1.826 0.533 0.947 0.085 0.031 0.006 0
Nestlè 2.993 -2.589 22.343 0.748 0.245 0.4 0.007
Parmalat 3.117 -0.989 3.263 0.101 -2.872 55.25 0.849
Plasmon 4.302 3.996 53.249 0.863 -1.287 11.086 0.089
Star 1.778 0.672 1.505 0.143 0.796 4.239 0.2
Variables
Dim.1 ctr cos2 Dim.2 ctr cos2
ECON.PRO 0.774 20 0.6 0.564 21.302 0.318
CASH 0.871 25.324 0.759 -0.237 3.756 0.056
LAVOR.VA -0.707 16.677 0.5 0.525 18.466 0.276
ROE 0.917 28.026 0.841 0.13 1.13 0.017
INDE.CAP -0.242 1.945 0.058 -0.833 46.417 0.693
FATTURATO -0.491 8.029 0.241 0.365 8.929 0.133

in alto a destra c’è la Ferrero che risulta essere l’azienda più sana, poiché ha un indebitamento negativo,
quindi fa fronte agli impegni finanziari col capitale proprio, e una discreta redditività;
nel quadrante in basso a destra, si distingue la Plasmon che se pur indebitata ha un’altissima redditività;
Nestlè ed Eridaria, pur non essendo indebitate, devono migliorare la loro redditività;
in basso a sinistra, troviamo la Parmalat: questa mostra di avere la situazione peggiore. Ha un forte
indebitamento e una redditività negativa, quindi, tale impresa deve necessariamente ripensare al suo
sistema di business per evitare il rischio di insolvenza

Lingua

2.3 Analisi in Componenti Principali

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

2.3 Analisi in Componenti Principali

Caricato da

Copyright:

Analisi in componenti principali (ACP)

L’ACP è un particolare tipo di analisi fattoriale, caratterizzata da

Maria Felice Arezzo mariafelice.arezzo@uniroma1.it

In modo schematico, l’ACP è sintetizzata attraverso un insieme di

Maria Felice Arezzo mariafelice.arezzo@uniroma1.it

Analisi nello spazio degli individui

Ipotizziamo che la metrica sia indotta da I . Sappiamo che la

Maria Felice Arezzo mariafelice.arezzo@uniroma1.it

Analisi nello spazio degli individui

Ipotizziamo che la metrica sia indotta da I . Sappiamo che la

Maria Felice Arezzo mariafelice.arezzo@uniroma1.it

Analisi nello spazio degli individui

Ipotizziamo che la metrica sia indotta da I . Sappiamo che la

Quindi i sottospazi ottimali sono identificati dagli autovettori della

Maria Felice Arezzo mariafelice.arezzo@uniroma1.it

Se le variabili di riferimento hanno unità di misura, ordine di

In questo caso la matrice dei dati X è composta da valori

E’ facile verificare che la matrice da fattorizzare è la matrice di

Maria Felice Arezzo mariafelice.arezzo@uniroma1.it

Se le variabili di riferimento hanno unità di misura, ordine di

In questo caso la matrice dei dati X è composta da valori

E’ facile verificare che la matrice da fattorizzare è la matrice di

I risultati ottenuti effettuando la ACP sui dati centrati e sui dati

Maria Felice Arezzo mariafelice.arezzo@uniroma1.it

La α-sima componente principale è data da:

Ciò significa che essa è una combinazione lineare delle p variabili

Maria Felice Arezzo mariafelice.arezzo@uniroma1.it

L’idea di base è scegliere un numero ridotto di componenti

Dobbiamo trovare una misura della variabilità riprodotta dalle CP.

Sappiamo che la traccia della matrice di varianze e covarianze

Sappiamo inoltre che la traccia è data dalla somma degli

Maria Felice Arezzo mariafelice.arezzo@uniroma1.it

implica che ciascun autovalore di n1 X 0 X fornisce la parte di

Maria Felice Arezzo mariafelice.arezzo@uniroma1.it

implica che ciascun autovalore di n1 X 0 X fornisce la parte di

Possiamo, quindi, costruire un indicatore della quota dell’inerzia

Maria Felice Arezzo mariafelice.arezzo@uniroma1.it

I criteri per scegliere il numero di componenti da trattenere sono:

Maria Felice Arezzo mariafelice.arezzo@uniroma1.it

Il numero di componenti trattenute è quello in corrispondenza del

Maria Felice Arezzo mariafelice.arezzo@uniroma1.it

Nel caso in esame sono 4

Maria Felice Arezzo mariafelice.arezzo@uniroma1.it

Per potere interpretare il significato di ciascuna componente

Quanto maggiore in valore assoluto è il valore di Corr (Cα , Xj ) tanto

Maria Felice Arezzo mariafelice.arezzo@uniroma1.it

Maria Felice Arezzo mariafelice.arezzo@uniroma1.it

Per trovare i λ, dobbiamo risolvere l’equazione caratteristica, cioè

Maria Felice Arezzo mariafelice.arezzo@uniroma1.it

109.5233 + 11.89666 = 75.21 + 46.21

Per trovare il sottospazio ottimo, dobbiamo calcolare l’autovettore

Maria Felice Arezzo mariafelice.arezzo@uniroma1.it

è facile verificare che il sistema ammette infinite soluzioni date

Maria Felice Arezzo mariafelice.arezzo@uniroma1.it

è facile verificare che il sistema ammette infinite soluzioni date

Per identificare le componenti dell’autovettore u1 dobbiamo usare

E’ facile verificare che:

Maria Felice Arezzo mariafelice.arezzo@uniroma1.it

Procedendo in modo analogo a quanto visto, troviamo che il

Maria Felice Arezzo mariafelice.arezzo@uniroma1.it

ove X è la matrice dei dati centrati.

Maria Felice Arezzo mariafelice.arezzo@uniroma1.it

In modo analogo si calcola la seconda componente.

Maria Felice Arezzo mariafelice.arezzo@uniroma1.it

Maria Felice Arezzo mariafelice.arezzo@uniroma1.it