第五讲SAS的多元统计分析.pptVIP

SAS软件应用 SAS多元统计分析概论 SAS多元统计分析概论 The End of Session 5 它们是用公因子预报原始变量的回归系数。第一主分量（因子）在所有五个变量上都有正的载荷，可见这个因子反应了城市规模的影响。第二主分量在人口、就业上有大的正载荷，在教育程度和住房价格上有大的负载荷，则第二个因子较大的城市人口多但是教育程度和住房价格低。结果还给出了公因子解释能力的估计： Final Communality Estimates: Total 4.669974 POP SCHOOL EMPLOY SERVICES HOUSE 0.987826 0.885106 0.979306 0.880236 0.937500 这里给出了公因子对每一个原始变量的解释能力的量度，这是用原始变量对公因子的复相关系数平方（取0到1间值）来计算的。Communality Estimate是这些复相关系数平方的总和。因为每一个复相关系数平方都比较大，所以我们可以认为两个公因子可以很好地解释原始变量中的信息。但是我们得到的因子解释不够清楚，于是考虑用其它的因子分析方法。 我们来进行主因子分析。用FACTOR过程作主因子分析与作主分量分析的不同只是增加一个PRIORS 选项，可以用PRIORS＝SMC或者MAX、ONE等。例如： PROC FACTOR DATA SOCECON priors smc; TITLE2 主因子分析; RUN; 主因子法计算简约了的相关阵的特征值（相当于 的估计），所以其特征值可能为负值。选取因子个数的缺省准则是PROPORTION 1，即累计特征值达到特征值总和的100%。这样取了两个因子。结果与主分量分析相似。为了得到好的因子解释，我们在上面的PROC FACTOR语句中再加上一个ROTATE PROMAX旋转选项，这样将在得到主因子分析后先产生方差最大正交预旋转（VARIMAX ）然后进行斜交旋转，并加了一个REORDER选项使输出时把原始变量受相同因子影响的放在一起： PROC FACTOR DATA SOCECON PRIORS SMC ROTATE PROMAX REORDER; TITLE2 ‘主因子分析及PROMAX斜交旋转’; RUN; * * 版权所有, 2006 上海财经大学 邵建利 主讲：上海财经大学统计学系 邵建利 第五讲 SAS的多元统计分析（1） 多元统计分析是统计学的重要应用工具，SAS实现了许多常用的多元统计分析方法。SAS用于多变量分析的过程有PRINCOMP（主分量分析）、FACTOR（因子分析）、CANCORR（典型相关分析）、MDS（多维标度过程）、MULTTEST（多重检验）、PRINQUAL（定性数据的主分量分析）、CORRESP（对应分析），用于判别分析的过程有DISCRIM（判别分析）、CANDISC（典型判别）、STEPDISC（逐步判别），用于聚类分析的过程有CLUSTER（谱系聚类）、FASTCLUS（K均值快速聚类）、MODECLUS（非参数聚类）、VARCLUS（变量聚类）、TREE（画谱系聚类的结果谱系图并给出分类结果）。我们主要介绍一些最常见的多元统计方法。 现实中的统计对象经常用多个指标来表示，比如人口普查，就可以有姓名、性别、出生年月日、籍贯、婚姻状况、民族、政治面貌、地区等，企业调查，可以有净资产、负债、盈利、职工人数、还贷情况等等。多个指标（变量）可以分别进行分析，但是，我们往往希望综合使用这些指标，这时，有主分量分析、因子分析等方法可以把数据的维数降低，同时又尽量不损失数据中的信息。 SAS多元统计分析概论 I. 主分量分析 一、理论介绍 主分量分析的目的是从原始的多个变量取若干线性组合，能尽可能多地保留原始变量 中的信息。从原始变量到新变量是一个正交变换（坐标变换）。设有 是一个 维随机变量，有二阶矩，记 ， 。考虑它的线性变换 SAS的PRINTCOMP过程有如下功能： 完成主分量分析。 主分量的个数可以由用户自己确定，主分量的名字可以用户自己规定，主分量得分是否标准化可自己规定。 输入数据集可以是原始数据集、相关阵、协方差阵或叉积阵。输入为原始数据时，用户还可以规定从协方差阵出发还是从相关阵出发进行分析。由协方差阵出发时方差大的变量在分析中起到更大的作用。 计算结果有：简单统计量，相关阵或协方差阵，从大到小排序的特征值和相应特征向量，每个主分量解释的方差比例，累计比例等。可生成两个输出数据集：一个包含原始数据及主分量得分，另一个包含有关统计量，类型为TYPE CORR或COV。 可揭示变量间的共线关系。若某特征值特别接近0说明变量线性相关，这时用这些变量作回归自变量可能得到错误的结果。 PRINCOM