身不由己：单身，是我的错吗？

herain

发布于 2022-04-27 14:16:01

2900

发布于 2022-04-27 14:16:01

文章被收录于专栏：数据指象

本文分析的技术数据来源知乎，三大问题搜索：“单身理由”，“单身的好处”，“为什么越来越多的人选择单身”。

数据概览

数据收集对象：主题，回答/文章内容，赞同人数，关键词，关键词数量。回答/文章总数：535个，赞同人数：295044人，关键词数量：1115个。

亮眼的高赞回答

“还没找到自己，如何去找另一半” 赞同人数：14706人

“高颜值，160的身高，有胸有腰，爹妈公高（公务员高干）；他要求男朋友：必须是博士, 有钱有颜。” 赞同人数：30669人

“写过《瓦尔登湖》的梭罗曾把单身生活称做：你最好珍惜的时光。” 赞同人数：11364人

“开始耐心的权衡婚姻是否可以提高生活质量，毕竟婚姻是人生的一种选择，但并不是通往幸福的唯一道路。” 赞同人数：15451人

“要在中国单身一辈子，最重要的是有强大的人体自己和接受自己的决心与能力。” 赞同人数：7574人

关键词词云

关键词高频词云

R对单身原因进行主成分分析

数据转换

从上文环境中，可知我们有535篇文章，每个文章都有赞同数（用于加权），每个文章的关键词反映出对单身原因的看法，1篇文章对应多个关键词，是不是说明1篇文章反馈出多种单身的原因呢？基于词云我们可以将单身的原因进行聚类分析。量化每一篇文在聚类原因中的权重值，这也我们是不是将数据转化为 535 行，n类（聚类个数）的单身原因权重表呢？

关键词归为7大类：

社会环境（x1）：社会，中国，乡镇，教育.... 
家庭因素(x2)：家庭，父母，子女，兄弟....
生活态度(x3)：旅行，电影，读书....
时间观念(x4)：青春，年轻，大龄，时间....
爱情婚姻观(x5)：爱情，婚姻，幸福，颜值....
工作压力(x6)：加班，单位，考勤，绩效....
经济基础(x7)：事业，房子，车子，工资....

[对应词频*赞同率多个关键词的和 = 因素重要程度值]生产数据表：选取赞同数>=100 的114篇文章，生产114行7列的二位数据表

#部分数据样本
> read.table(pipe("pbpaste"),sep='\t',header=T)->data
> data （7大因素的二维数据如下）
      x1  x2   x3  x4  x5   x6   x7
1    793 517  211 728 900 1434  381
2    526 225  428 728 728 1219  581
.......

什么是主成分分析？

主成分的概念由Karl Pearson在1901年提出，考察多个变量间相关性一种多元统计方法。研究如何通过少数几个主成分(principal component)来解释多个变量间的内部结构。即从原始变量中导出少数几个主分量，使它们尽可能多地保留原始变量的信息，且彼此间互不相关。主成分分析的目的：数据的压缩，数据的解释常被用来寻找判断事物或现象的综合指标，并对综合指标所包含的信息进行适当的解释

主成分分析步骤

对原来的p个指标进行标准化，以消除变量在水平和量纲上的影响；根据标准化后的数据矩阵求出相关系数矩阵；求出协方差矩阵的特征根和特征向量；确定主成分，并对各主成分所包含的信息给予适当的解释

R具体操作

1,载入数据到R控制台：

> read.table(pipe("pbpaste"),sep='\t',header=T)->data；data
      x1  x2   x3  x4  x5   x6   x7
1    793 517  211 728 900 1434  381
2    526 225  428 728 728 1219  581
....

2，求出样本相关系数矩阵：

> R<-round(cor(data),3)；R
> PCA=princomp(data,cor=T)；PCA
Call:princomp(x = data, cor = T)
Standard deviations:
Comp.1     Comp.2     Comp.3     Comp.4     Comp.5     Comp.6     Comp.7 
1.42659724 1.04377423 1.03044704 0.99731643 0.96457786 0.94186945 0.03695955 
 7 variables and  114 observations.

从输出的结果可以看出，主成分的标准差，即相关矩阵的七个特征值的开方;

前五项：0.290+0.155+0.151+0.142+0.126=0.864大于80%，构成主成分，可以作为解释单身的主要因素；

说明7大因素中：社会环境，家庭因素，生活态度，时间观念，爱情婚姻观构成了单身原因的主要成分；而工作压力，经济基础这两张成分却居于次要位置。人是社会的动物，社会环境左右着我们的主观意识，在潜移默化中影响我们人生的重大决策。

如下：通过主成分碎石图，可以直观的看7个因素的影响成分大小：

#预估成分影响
> round(predict(PCA),3)
#画碎石图
> screeplot(PCA, type='lines')

主成分碎石图

> PCA$scores #可计算主成分得分
> load<-loadings(PCA)
> plot(load[,1:2],xlim=c(-0.6,0.6),ylim=c(-0.6,0.6))
> text(load[,1],load[,2],adj=c(0.5,-0.5))
> abline(h=0);abline(v=0);