- 1、本文档共12页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
N7-7-矩阵数据解析法解读
新QC7大手法
关联图——理清复杂因素间的关系
系统图——系统地寻求实现目标的手段
亲和图——从杂乱的语言数据中汲取信息
矩阵图——多角度考察存在的问题,变量关系
PDPC法——预测设计中可能出现的障碍和结果
箭条图——合理制定进度计划
矩阵数据解析法—多变量转化少变量数据分析
一、定义:
矩阵图上各元素间的关系如果能用数据定量化表示,就能更准确地整理和分析结果。这种可以用数据表示的矩阵图法,叫做矩阵数据分析法。
v数据矩阵分析法的主要方法为主成分分析法,利用此法可从原始数据获得许多有益的情报。
v主成分分析法是一种将多个变数化为少数综合变量的一种多元统计方法。
二、主要方法:
三、适用范围
v新产品开发的企划;
v复杂的质量评价 ;
v自市场调查的资料中,要把握顾客所要求的质量,质量功能的开展;
v从多量的资料中解析不良要因;
牵涉到复杂性要因的工程解析;
四、矩阵资料解析法的做法
v收集资料?
v求相关系数 r?
v以计算机辅助计算,由相关行列求出固有值
及固有向量值?
v作出矩阵图?
v下判断
何谓数据解析法
数据解析法又称为主成份分析法,是多变量解析法中的一个方法。其概念是对于矩阵图中所排列的大量数值数据,藉由定量化各要素间的相关性,并取出数个代表特性(主成份),以期望能代表全体。
主要用途在于从很多原因中找出代表性的数个(如:三个)原因作为描述该对象(产品特性)特性的参考。例如:如何用三个描述“陈先生”的外貌?
数据解析法的使用步骤
由于数据解析法一般必须使用计算机协助计算,下列仅略述其步骤
(1)将资料整理成矩阵
(2)配合技术要求计算行间或列间之相关系数
(3)依据相关系数的大小,判定主要成份,并据以确定推估成效。
数据解析法的执行步骤
Step 1.收集数据:
假设有p个特性其代号为X1~Xp,而每一个特性有n个数据。
Step 2.正规化:
分别求出特性X1~Xp的n个数据之平均值及标准偏差。
求该特性的变异数V及两个特性间的共变异数V及相关系数r,分别作成共变异矩阵及相关矩阵
Step 3.抽出主成份Z:
抽出m个主要成份
其抽取准则如下:
先只对于Z1,由于它要能尽可能的表现X1~Xp之情报,因此藉由Z1及每个X特性的相关系数之平方和最大,而决定Z1系数(L11~L1p),如下式。其中l及(L11,L12,...L1p)分别为相关系数矩阵的特征值及特征向量。
令l/p为贡献率
再针对和Z1无相关的项目Z2,做相同的计算,一直到m为止。
一般累积到80%的成份,称为主要成份。
计算“因子负荷量”即r(Xj,Z1),以X1,Z1为例
Step 4.判读:
在此一个案中可知到达第三项时,在各科目的累积贡献率皆以达到95%以上,因此此三项特性将足以代表,该群数据。一般取前两项以足够。
Z1轴可视为理科及文科的轴,(X2,X4)及(X3,X5)是相反,亦即当“理科”好则“文科”会不好,反之亦然。
由Z2看出虽然(X1~X5)皆为正,但以X1最大可代表此一轴。
文档评论(0)