R软件及编程应用第十讲之主成分理论部分介绍.ppt

四、降低所研究的数据空间的维数 即用研究m维的Y空间代替p维的X空间(m＜p)，而低维的Y空间代替 高维的X空间所损失的信息很少。 即：使只有一个主成分Yl(即 m＝1)时，这个Yl仍是使用全部X变量(p个)得到的。 例如要计算Yl的均值也得使用全部X的均值。在所选的前m个主成分中，如果某个Xi的系数全部近似于零的话，就可以把这个Xi删除，这也是一种删除多余变量的方法。 应用多元统计分析 五、多维数据的一种图形表示方法 我们知道当维数大于3时便不能画出几何图形，多元统计研究的问题大都多于3个变量。要把研究的问题用图形表示出来是不可能的。 然而，经过主成分分析后，我们可以选取前两个主成分或其中某两个主成分，根据主成分的得分，画出n个样品在二维平面上的分布况，由图形可直观地看出各样品在主分量中的地位。 应用多元统计分析 六、主成分回归模型 即把各主成分作为新自变量代替原来自变量X做回归分析。 用主成分分析筛选回归变量。 回归变量的选择有着重的实际意义，为了使模型本身易于做结构分析、控制和预报，好从原始变量所构成的子集合中选择最佳变量，构成最佳变量集合。 用主成分分析筛选变量，可以用较少的计算量来选择量，获得选择最佳变量子集合的效果。 应用多元统计分析 七、主成分检验法 设 为来自p元总体X的样本，如何检验总体X是否为p元正态总体？ 设DX=?，如果?是对角矩阵，即p维向量的分量是互不相关的，这时可以将p元正态性检验转化为p个一元正态性检验问题。 但一般?不是对角矩阵，即分量之间是相关的。利用主成分分析法求得X的p个主成分Z1，Z2，…，Zp(不相关)，并由此原样本值计算p个主成分的得分值，作为p个不相关的综合变量的样本值。 应用多元统计分析 这样就把将p元正态性检验问题转化为p个一元综合变量(主成分)的正态性检验。 这就是多元性正态性检验的主成分检验法。 实际检验时，利用主成分性质，只须对前个m(mp)主成分的得分数据逐个做正态性检验。 应用多元统计分析 应用多元统计分析 例7.2.2 应收账款是指企业因对外销售产品、材料、提供劳务及其它原因，应向购货单位或接受劳务的单位收取的款项，包括应收销货款、其它应收款和应收票据等。 出于扩大销售及竞争需要，企业不得不以赊销或其它优惠的方式招揽顾客，由于销售和收款的时间差，于是产生了应收款项。 应收款赊销的效果的好坏，不仅依赖于企业的信用政策，还依赖于顾客的信用程度。 由此，评价顾客的信用等级，了解顾客的综合信用程度，做到“知己知彼，百战不殆”，对加强企业的应收账款管理大有帮助。 某企业为了了解其客户的信用程度，采用西方银行信用评估常用的5C方法。 5C的目的是说明顾客违约的可能性。 应用多元统计分析 1、X1：品格，指顾客的信誉，履行偿还义务的可能性。企业可以通过过去的付款记录得到此项。 2、X2：能力，指顾客的偿还能力。即其流动资产的数量和质量以及流动负载的比率。顾客的流动资产越多，其转化为现金支付款项的能力越强。同时，还应注意顾客流动资产的质量，看其是否会出现存货过多过时质量下降，影响其变现能力和支付能力。 3、X3：资本，指顾客的财务势力和财务状况，表明顾客可能偿还债务的背景。 4、X4：附带的担保品，指借款人以容易出售的资产做抵押。 5、X5：环境条件，指企业的外部因素，即指非企业本身能控制或操纵的因素。 应用多元统计分析 76.5 81.5 76 75.8 71.7 85 79.2 80.3 84.4 76.5 70.6 73 67.6 68.1 78.5 94 94 87.5 89.5 92 90.7 87.3 91 81.5 80 84.6 66.9 68.8 64.8 66.4 77.5 73.6 70.9 69.8 74.8 57.7 60.4 57.4 60.8 65 85.6 68.5 70 62.2 76.5 70 69.2 71.7 64.9 68.9； 首先并抽取了10家具有可比性的同类企业作为样本，又请8位专家分别给10个企业的5个指标打分，然后分别计算企业5个指标的平均值，如表。 应用多元统计分析 Total Variance = 485