实用多元统计课后习题探析.docVIP

第八章：主成分分析 8.10 （P366） （a）做题说明： a)程序显示的结果中，mu为样本均值，S为所求的样本斜方差矩阵，结果如下： mu = 0.0011 0.0007 0.0016 0.0040 0.0040 S = 1.0e-03 * 0.4333 0.2757 0.1590 0.0641 0.0890 0.2757 0.4387 0.1800 0.1815 0.1233 0.1590 0.1800 0.2240 0.0734 0.0605 0.0641 0.1815 0.0734 0.7225 0.5083 0.0890 0.1233 0.0605 0.5083 0.7657 分别返回coeff是5个主成份的系数矩阵,latent是由covx得出来的降序排列的特征值； explained是5个主成份的贡献率；如下： coeff = 0.2228 0.6252 0.3261 0.6628 0.1177 0.3073 0.5704 -0.2496 -0.4141 -0.5886 0.1548 0.3445 -0.0376 -0.4970 0.7803 0.6390 -0.2479 -0.6425 0.3089 0.1485 0.6509 -0.3218 0.6459 -0.2164 -0.0937 latent = 0.0014 0.0007 0.0003 0.0001 0.0001 explained = 52.9261 27.1333 9.8216 5.5184 4.6007 （ b）: 确定样本总方差中用前三个主成份解释的比列： proportion3 = 52.9261 27.1333 9.8216 解释： 第一主成分中5支股票稍有差异的加权，可解释为市场成分，第二主成分表示银行股和石油股之间的对照，银行股的权为正号，石油股的权为负号，这个主成分可称为行业成分，第三个主成分不方便直接用行业术语解释，总体上表示个股票的特性。 （c）;构造方差的置信区间（置信度90%） %confidence的第i行即为lamda（i）的90%的置信区间 confidence = 0.0012 0.0017 0.0006 0.0009 0.0002 0.0003 （d）:在小于5维的空间是否可行。 从累计贡献度角度考虑 从返回结果来看，累计到第三个主成份的贡献度或解释程度已接近90%累积到第四个主成分的贡献率或解释程度为 95.3993%.效果已经很好了。 因此从小于5维的空间来解释股票回报率完全可以。 第九章：因子分析 9.15（P414） （1）做题说明 (a)利用因子载荷估计，确定特殊方差与共性方差(已用主成分法求得因子载荷) 其中共性方差H1与特殊方差H2分别为： H1 = 0.8110 0.8660 0.9310 0.8994 0.9203 0.9035 0.9732 0.9604 H2 = 0.1890 0.1340 0.0690 0.1006 0.0797 0.0965 0.0268 0.0396 (b)由题中给出的???件和(a)中计算的结果，利用公式计算残差矩阵（Error） 如下： Error = 0 0.0212 0.0146 -0.0221 -0.0937 -0.0784 -0.0214 -0.0155 0.0212 0 0.0631 -0.1073 -0.0583 -0.0523 -0.0055 0.0357 0.0146 0.0631 0 -0.0651 -0.0096 -0.0704 0.0055 0.0140 -0.0221 -0.1073 -0.0651 0 0.0363 0.0584 0.0070 -0.0339 -0.0937 -0.0583 -0.0096 0.0363 0