应用多元统计分析.ppt

应用多元统计分析 引言 多元统计分析涉及到的都是随机向量或多个随机向量放在一起组成的随机矩阵。例如在研究公司的运营情况时，要考虑公司的获利能力、资金周转能力、竞争能力以及偿债能力等财务指标；又如在研究国家财政收入时，税收收入、企业收入、债务收入、国家能源交通重点建设基金收入、基本建设贷款归还收入、国家预算调节基金收入、其他收入等都是需要同时考察的指标。显然，如果我们只研究一个指标或是将这些指标割裂开分别研究，是不能从整体上把握研究问题的实质的，解决这些问题就需要多元统计分析方法。 在多元统计分析中， 多元正态分布占有很重要地位。如同在单变量统计分析中，我们常常用近似正态分布来描述随机变量。 因此，在多维空间中，随机向量常常是服从正态分布或近似正态分布，或虽本身不是正态分布，但它的样本均值近似于正态分布。 多元统计分析的方法大都假定总体服从多元正态分布。所以需要对多元正态分布有所了解。 基本概念 这里研究的对象是多个变量的总体，即同时收集了p个指标（变量），又进行了n次观测得到观测样本，我们把这个p指标表示为X1 ，X2，…，Xp， 常用向量X = (X1 ， X2 ， … ， XP)’，表示对同一个体观测的p个随机变量。 如果构成总体的个体是具有p个需要观测指标的个体，我们称这样的总体为p维总体（或p元总体）。 多元分布 设 ，若存在一个非负函数， ， 使得对一切 有 则称X为连续型随机变量， 为分布密度函数或称为联合分布密度函数。 密度函数的主要条件是： （1） ， （2） 离散型随机向量的统计性质可由它的概率分布完全确定，连续型随机向量的统计性质可由它的分布密度完全确定。 边缘分布函数的定义 随机向量的数字特征 随机向量的相关矩阵 多元正态分布 多元正态分布的性质 多元正态分布的系数矩阵估计 最大似然估计的性质 SPSS应用 从沪深两市上市公司中随机抽取300家公司，取其三个反映收益情况的三个财务指标：每股收益率（eps）、净资产收益率（roe）和总资产收益率（roa）。现要求对这三个指标的均值和协差阵进行估计。 在SPSS中计算样本均值向量的步骤如下： 1. 选择菜单项Analyze→Descriptive Statistics→Descriptives，打开Descriptives对话框，将待估计的三个变量移入右边的Variables列表框中。 2. 单击Options按钮，打开Options子对话框，如图2.2所示。在对话框中选择Mean复选框，即计算样本均值向量。单击Continue按钮返回主对话框。 3. 单击OK按钮，执行操作。则在结果输出窗口中给出样本均值向量，如下表。即样本均值向量为（0.175，0.044，0.026）。 在SPSS中计算样本协差阵的步骤如下： 1. 选择菜单项Analyze→Correlate→Bivariate，打开Bivariate Correlations对话框，如图2.3。将三个变量移入右边的Variables列表框中。 2. 单击Options按钮，打开Options子对话框，如图2.4。选择Cross-product deviations and covariances复选框，即计算样本离差阵和样本协差阵。单击Continue按钮，返回主对话框。 3. 单击OK按钮，执行操作。则在结果输出窗口中给出相关分析表。表中Pearson Correlation给出皮尔逊相关系数矩阵，Sum of Squares and Cross-products给出样本离差阵，Covariance给出样本协差阵。 值得注意的是，这里给出的样本协差阵是S/(n-1) ，而不是S/n 。 * * 可见，与一元随机变量不同，随机向量的性质除了与自身各分量（各指标）有关以外，还和分量间的相关关系有关。 若p维随机向量 的密度函数为： 定理 ：若 ，则有 ， 。 其中样本协方差阵S *