多元复习资料《精华版》.docVIP

多元统计分析考试内容 最后成绩作业50% 考试50% 考试一共八道题 分三大类（卷面值100分 最后折合成50分） 一 计算题 （每题12分） 1 计算性的判别分析题 主要用Fisher判别法 要掌握公式的方法原理 2 聚类分析题 主要应用两种聚类法：系统聚类法和模糊聚类法 题中会给出距离或相关系数矩阵直接计算 老师强调要看清题意 不要做无用功！ 如何将非线性函数形式用线性回归的方法将其线性化 写出其过程 可能不涉及计算 二 简答（简答哦 不要长篇大论免得后面的题没时间做 主要作概略性总结即可） 在这一部分中主要有三道题（分值分别10 10 12）老师没有具体给出三道题的题目 只是举了些例子 回答问题的主要思路是：统计分析方法的基本思想，基本原理与应用，在应用中要注意的问题 个别要回答与其他方法的对比 举的主要例子有（个人以为前两个比较重要）： 1 回归分析模型：回归方程的基本假定，涉及到回归分析方程系数为何作显著性检验 统计性的依据是什么（方差分析） 给出一个回归分析方程如何作显著性检验 2 判别分析：判别分析的优良性 两方面考虑：（1）组与组之间的差别是否显著有无必要作判别分析 （2）误判率 下面的几个例子 主要也是按上面的思路回答 因子分析 聚类分析（不会四种方法一块考，会选其中某个或某两个） 主成分分析的基本思想 可以做什么应用及在应用中要选几个主成分 对应分析的基本思想 三 发挥题（每题16分） 这个部分老师会给出问题的背景及所问的问题，个人结合自己所学的几种分析方法 选择适合的作分析 没有标准答案，只要能自圆其说即可 注意：第一步一定要先指出自己所用的分析方法 老师没有说具体会考什么题只是说不会考很专业的 自由发挥 简单提到一个例子就是教学评价的问题 也没有说用什么方法 他说不同的人会采用不同的方法 一道题不会只有一种解决方法. 题量大，做不完 1 计算题 1.1 计算性的判别分析题 主要用Fisher判别法 要掌握公式的方法原理 处理概率分布未知的判别问题中的最著名的方法。 聚类分析和判别分析都是分类问题，他们的不同之处在于，是否事先已知研究对象的分类，实际应用中有时需要将两种方法联合起来使用。 1.2 聚类分析题 主要应用两种聚类法：系统聚类法和模糊聚类法 题中会给出距离或相关系数矩阵直接计算 1.3如何将非线性函数形式用线性回归的方法将其线性化 写出其过程 可能不涉及计算 2简答题 2.1回归分析模型： ⑴回归方程的基本假定? ①回归函数的线性假设②误差项的等方差假设 ③误差项的独立性假设④误差项的正态分布的假设 ⑵涉及到回归分析方程系数为何作显著性检验？ 在进行显著性的检验中，我们可以用Ｆ统计量来检验回归方程的显著性，也可以用Ｐ值法做检验． 回归方程通过了显著性检验并不意味着每一个自变量都对应变量有显著的影响，可能其中的某个或某些自变量对应变量的影响并不显著，我们自然希望从回归方程中剔除那些对应变量影响并不显著的自变量，从而建立一个较为简单有效的回归方程，这就需要对每一个自变量进行考察．显然，若某个自变量对应变量无影响，那么在线性回归模型中，它的系数为零．那么我们就检验选取的自变量的影响是否显著等价于 检验假设 根据分布的定义，有，这里，对于给定的显著性水平，当时，我们拒绝，反之就接受，在SPSS软件的输出结果中,可以直接从P值看出检验结果,那么我们拒绝的P值区间是多少呢? ⑶ 统计性的依据是什么？给出一个回归分析方程如何作显著性检验？ 统计性的依据方差分析 对于多元线性回归作显著性检验就是要看自变量从整体上对随机变量y是否有明显的影响,即检验假设 如果被接受,则表明y与之间不存在线性关系,为了说明如何进行检验,我们要首先建立方差分析表. 在进行显著性的检验中，我们可以用Ｆ统计量来检验回归方程的显著性，也可以用Ｐ值法做检验．F统计量是： 当为真时，，给定显著性水平α，查Ｆ分布表得临界值，计算Ｆ的观测值，若，则接受，即认为在显著性水平α之下，认为y与之间线性关系不显著． 利用Ｐ值法作显著性检验十分方便，这里的Ｐ值是，定显著性水平α．，若，则拒绝，反之接受． ⑷回归分析和相关分析的区别和联系? 相关分析和回归分析都是对客观事物数量依存关系的分析,均有一元和多元,线性与非线性之分,在应用中相互结合与渗透,但仍有差别,主要是： ①相关分析主要刻画两类变量间线性相关的密切程度,而回归分析则是揭示一个变量如何与其他的变量相联系,并可由回归方程进行控制和预测 ②在相关分析在中,变量y与x处于平等的地位,在回归分析中,因变量y处于被解释的特殊地位 ③在相关分析中所涉及的变量y与x完全是随机变量；而在回归分析中因变量y是随机变量,自变量可以是随机变量,也可以