波士顿房价主成分分析：揭示影响因素

本文使用 R 语言中的 MASS 包，对波士顿房价数据集进行主成分分析，旨在深入探究影响房价中位数的 13 个关键因素，并揭示隐藏在数据中的潜在关系。

数据集描述

波士顿房价数据集包含 506 个街区的信息，每个街区有 14 个指标，包括：

'CRIM'：城镇人均犯罪率
'ZN'：住宅用地超过 25000 平方英尺的比例
'INDUS'：城镇非零售商用土地的比例
'CHAS'：查理斯河，哑变量（如果边界是河流，则为 1；否则为 0）
'NOX'：一氧化氮浓度
'RM'：住宅平均房间数
'AGE'：1940 年之前建成的自用房屋比例
'DIS'：到波士顿五个中心区域的加权距离
'RAD'：辐射性公路的接近指数
'TAX'：每 10000 美元的全值房产税率
'PTRATIO'：城镇师生比
'B'：1000(Bₖ-0.63)^2 其中 Bₖ 指代城镇中黑人的比例
'LSTAT'：人口中地位较低者的比例
'MEDV'：房价中位数，以千美元计

主成分分析

我们对前 13 个指标进行主成分分析，代码如下：

library(MASS)
data(Boston)

# 提取前 13 个指标
X <- Boston[, 1:13]

# 主成分分析
pca <- prcomp(X)

# 输出特征值和特征向量
pca$sd # 特征值
pca$rotation # 特征向量

结果分析

特征值

> pca$sd
 [1] 2.168269e+00 1.098670e+00 9.809857e-01 7.580182e-01 6.521610e-01 5.428590e-01 4.347686e-01 3.222315e-01 2.534206e-01 2.202536e-01
[11] 1.660838e-01 1.297430e-01 9.240518e-02

特征值代表每个主成分的方差，数值越大表明该主成分解释了更多的数据变异。从结果可以看出，前几个主成分的特征值明显高于后面的主成分，说明大部分数据变异可以由少数几个主成分解释。

特征向量

> pca$rotation
            PC1          PC2          PC3          PC4          PC5          PC6          PC7          PC8          PC9         PC10
crim  -0.2509514  0.315250192  0.24656627 -0.06108286 -0.08088335  0.10982444  0.73425054  0.23883538 -0.03877725 -0.180080865
zn     0.2563147  0.323312758 -0.30576834  0.15146774  0.28486575 -0.18073195  0.03172401 -0.30724642 -0.11352051 -0.112244895
indus -0.3466729 -0.112615744 -0.03002577  0.59991963 -0.15616866 -0.06723707 -0.02149292 -0.31893518 -0.40490692  0.249347617
chas   0.0058352  0.454829266  0.53920004  0.02389128  0.19261934 -0.30716964  0.07386644  0.12377217 -0.03340236 -0.037603659
nox   -0.3428527 -0.305715862  0.12832151  0.26899687  0.04871635 -0.23990733 -0.28977959  0.14053706  0.20066604 -0.477920874
rm     0.1892423 -0.326606249 -0.33851375 -0.10055001  0.13682623 -0.58700107  0.14985642 -0.56953766  0.08392476 -0.034110819
age   -0.3136706 -0.271520203  0.12826519 -0.23388049 -0.24615238 -0.27167792 -0.08206576 -0.40069947  0.50979420 -0.292756674
dis    0.3143624  0.313042041  0.19752669  0.58925573 -0.14096595 -0.12242778  0.27754105  0.07163180 -0.16329486  0.007176503
rad   -0.3445472 -0.239809275 -0.30342405 -0.20086654 -0.64462088 -0.22710723  0.11094788 -0.02336462  0.15297361 -0.260790180
tax   -0.3354275 -0.197218891 -0.34587233 -0.27131239 -0.50287424  0.30775523 -0.13090948 -0.05892576 -0.09787627 -0.386900977
ptratio -0.2317225  0.315302052 -0.22813274  0.05950507 -0.25983991 -0.32339112 -0.05130651 -0.12099711 -0.56119222 -0.478757191
b      0.2014717 -0.310818452  0.58255336  0.30175178 -0.36983842 -0.12927397 -0.13756120  0.32154352  0.03384564 -0.168890634
lstat -0.3454882  0.163259630  0.02091506 -0.24698503  0.58975546  0.08905390 -0.23790391 -0.03174618 -0.02038793  0.548791820
            PC11         PC12         PC13
crim   0.6230183 -0.045187588 -0.001369527
zn     0.0629784  0.077366006 -0.797107740
indus -0.0505644 -0.727698398 -0.038870119
chas  -0.0388205 -0.032950503 -0.073947762
nox   -0.1569947  0.603165245  0.042025294
rm    -0.1770617 -0.046095531  0.024664994
age   -0.0966336  0.114764870 -0.565220243
dis   -0.0209151 -0.249372180  0.623495199
rad    0.5212957  0.273736078  0.011338345
tax   -0.1213093  0.294769191 -0.025989343
ptratio  0.1430229  0.154249503  0.091012549
b     -0.5802956 -0.136293500 -0.053138015
lstat  0.0539282 -0.023194133  0.199589328

特征向量表示每个主成分的线性组合系数，反映了各个指标对主成分的贡献程度。例如，在第一个主成分 PC1 中，'CRIM' 和 'NOX' 的系数为负，'DIS' 的系数为正，说明这三个指标对第一个主成分的影响最大，且方向相反。

结论

通过主成分分析，我们能够将 13 个指标降维为少数几个主成分，从而更好地理解影响波士顿房价中位数的关键因素。结果表明，'CRIM'、'NOX'、'DIS'、'LSTAT' 等指标在解释房价变异方面扮演重要角色。这些结论可以为房地产投资者和政策制定者提供参考，帮助他们更好地理解房价的形成机制并制定相应的投资策略或政策。

需要注意的是，主成分分析只是一种降维方法，并不能完全反映所有指标之间的复杂关系。对于具体的问题，还需要结合其他分析方法进行更深入的研究。