多元统计之基础6.pptVIP

* * 目录 上页 下页 返回 结束 §1.4 星座图 * * §1.4 星座图 * * 目录 上页 下页 返回 结束 §1.4 星座图 4．根据星座图上点的位置及路径判断各样本点之间的接近程度，并进而可以对样本点进行归类分析。 在实际工作中，人们往往去掉各样本点的路径部分而仅保留其在星座图上的位置，并根据各点位置的接近程度分析样本点之间的接近程度。目前常用的统计软件均没有直接生成星座图的模块，但是，画星座图实际上非常简单。按照上面的方法，对数据进行规格化，对每一个变量赋予适当的权重，然后以（13.4）式各点的路径作为在星座图中的坐标，然后画出各点的散点图，则画出的散点图实际上就是星座图。这里不再详细说明。上面35个上市公司的数据按此方法可以得到如下星座图： * * 目录 上页 下页 返回 结束 §1.4 星座图 * * 目录 上页 下页 返回 结束 §1.4 星座图 由上图各公司在星座图中的接近程度，就可以直观地对各公司进行分类，可以考虑把35个公司分成四类，如图所示：方正科技、寰岛实业可单独成类，长城电脑、深能源A、深南电A、中兴通讯、清华同方、粤电力A可以归为一类，其他公司可以归为一类，此种归类与上面根据其它多变量图表示法得到的归类是有区别的。因此，在实际工作中应用这此方法时，建议多种方法结合使用并且应于宣分析方法结合才能得到比较可信的结论。另外，此图还存在一个困难，就是不好将各个点与相应的公司对应起来，实际上，可以根据需要在生成星座图时同时画出各点的标签，此处出于图形清晰的考虑没有生成。此外，对于大部分软件来讲，当图形生成之后，只要将鼠标在相应的点上稍作停留，就会显示出该点对应的观测信息。 * * 目录 上页 下页 返回 结束 §1.4 星座图 除本章介绍的几种方法外，多变量的图表示法还有塑像图、轮廓图、树形图等，这几种方法也是对每一个观测生成一张图，图形的不同部分则表示观测不同指标的取值，有兴趣的读者可以参阅文献[1]。总体说来，多变量的图表示法使资料呈现方式更直观，更形象，借助这些工具可以使研究者对资料有较深的印象，同时利用这些作图方法，可以帮助研究者对资料进行探索性分析，有助于进行更为专业的定量分析，形成合理结论。但是，多变量的图表示法只能是给人一种大概的印象，利用它来形成结论还很是不够，实际中必须结合其它统计分析方法并结合所分析的具体问题，综合定量分析与定性分析，才能得到较为合理可信的结论。 * * * * §1.1 散点图矩阵 §1.2 脸谱图 §1.3 雷达图与星图 §1.4 星座图 多变量的图表示法 * * 目录 上页 下页 返回 结束 多变量的图表示法 图形是对资料进行探索性研究的重要工具，当人们在运用其它统计方法对所得资料进行分析之前，往往习惯于把各资料在一张图上画出来，以直观地反映资料的分布情况及各变量之间的相关关系。当变量较少时，可以采用直方图、条形图、饼图、散点图或是经验分布的密度图等方法，对于变量个数少于3的情况，这样做是简单而有效的。而当变量个数为3时，虽然仍可以做三维的散点图，但这样做已经不是很方便，当变量个数大于3时，就不能用通常的方法作图了。自20世纪七十年代以来，统计学家研究发明了很多多维变量的图表示方法，以借助图形来描述多元资料的统计特性，使图形直观、简洁的优点延伸到多变量的研究中去。本章主要介绍散点图矩阵、脸谱图、雷达图等多变量的图表示法的基本思想及作图方法。 * * 目录 上页 下页 返回 结束 多变量的图表示法 因为对资料的图表示法只是以一种直观的方式再现资料，不同的研究者习惯的资料显示方式可能会有很大不同，因此，不同于其它统计方法，大部分图表示法都没有非常严格的画图方法，研究者可以根据自己的习惯设定某些规则以更方便地揭示资料之间的联系。故此，本章对各种图表示方法原则上只给出作图的思想及思路，而不对严格的数学公式作过多说明。 * * 目录 上页 下页 返回 结束 §1.1 散点图矩阵 散点图矩阵是借助两变量散点图的作图方法，它可以看作是一个大的图形方阵，其每一个非主对角元素的位置上是对应行的变量与对应列的变量的散点图。而主对角元素位置上是各变量名，这样，借助散点图矩阵可以清晰地看到所研究多个变量两两之间的相关关系。由此也可以看出，散点图矩阵方法还不是真正意义上的多变量作图方法，它研究的仍是两两变量之间的相关关系，而不能直接反映多个变量之间的关系，借助它来对资料分类也是比较困难的；然而，因其直观，简单，容易理