第14章对应分析讲述.pptVIP

第十四章 第一节 第二节 一、行、列独立的检验 二、总惯量 第三节 其中， 是第 行、第 列类别组合的频数， ； 为第 行的频数之 和， ； 为第 列的频数之和， ； 为所有类别组 合的频数总和。 二、对应矩阵 称 为对应矩阵。将对应矩阵表中的最后一列用 表示，即 其中 是元素均为1的 维向量，最后一行用 表示，即 其中 是元素均为1的 维向量，向量 和 的元素有时称为行和列密度（masses）。 三、行、列轮廓 。 四、距离与总惯量 第四节 对心理健康的每一种状况，A、B、C、D、E五个小方块的宽度显示了行轮廓，0、1、2、3四种心理健康状况的小方块高度显示了行密度。 两个马赛克图 对社会经济的每一种状况，0、1、2、3四个小方块的高度显示了列轮廓，A、B、C、D、E五种社会经济状况的小方块宽度显示了列密度。 列点集: 由于 发生的概率是 , 故第j列变量的期望为: 类似地,第i个行变量的期望为: 设行点集: N(R)中任意两点的欧氏距离为: 为了减少各变量尺度差异的影响,定义相应的加权距离, 列联表(或分配)距离为: 如果上式看作是具有如下坐标的样品(即行轮廓的列元素除以列变量的期望): 得矩阵D(R) 列联表的距离就是行样品的欧氏距离. 此时第j列变量的期望为: 第i列与第j列的协方差为: 其中: 令Z为zij所组成的矩阵,则 对应分析 第十四章 机动 目录 上页 下页 返回 结束 因子分析回顾 设原始数据矩阵为： 变量离差矩阵为： 或： 因子分析方法可以通过p个列变量，找出m个“潜在”的公共因子，从而对样品进行分类和综合评价。 若用矩阵形式表示，则为: X=AF+E 设这p个变量可以用这m个公共因子表示为： 取相关系数矩阵的特征根为λ1≥λ2 ≥… ≥ λm，相应的特征向量为U1，U2，…，Um，设由列向量构成的矩阵有A表示， 一般来说，公共因子的个数m要小于等于变量的个数p 即 例我国2000年各地区大中型工业企业主要经济效益指标见表，对各地区经济效益作出分析。 98.10 99.35 98.90 97.97 99.02 98.37 98.89 99.07 99.46 98.26 98.22 99.11 97.84 98.11 98.32 98.31 101.23 99.61 97.99 98.16 94.96 99.54 98.98 99.71 99.09 95.78 98.00 97.47 97.38 96.65 98.73 53987.95 78191.27 42629.81 24413.53 35129.88 47955.68 40141.03 73120.46 118816.16 56044.81 66785.21 35674.30 91263.70 29123.49 52621.24 29296.86 49374.62 38179.94 120863.34 44140.89 58521.50 36638.20 35013.75 32317.42 96702.70 103001.24 38102.97 34352.92