SAS软件应用之因子分析PPT.pptVIP

因子分析SAS程序 VAR语句用于列出要分析的原始变量。如果该语句缺省，系统分析其它语句中未涉及到的所有指标变量。 PARTIAL语句用于列出混杂变量，指定系统使用偏相关系数或偏方差、协方差来计算主成分。例如，PARTIAL X；它表示偏相关系数或偏方差、协方差是以变量X为混杂变量的，即所有的相关系数都表示的是在X不变的情况下，两个变量之间的关联程度。但是，该语句列出的变量不能出现在VAR语句中。 另外，freq语句、weight语句、by语句等也实用。 本章小节 因子分析是主成分分析的推广，也是一种把多个变量化为少数几个综合变量的多变量分析方法，其目的是用有限个不可观测的隐变量来解释原始变量之间的相关关系。 因子分析主要用于：1、减少分析变量个数；2、通过对变量间相关关系探测，将原始变量进行分类。即将相关性高的变量分为一组，用共同的潜在因子代替该组变量。 本章小节 因子分析法是从研究变量内部相关的依赖关系出发，把一些具有错综复杂关系的变量归结为少数几个综合因子的一种多变量统计分析方法。它的基本思想是将观测变量进行分类，将相关性较高，即联系比较紧密的分在同一类中，而不同类变量之间的相关性则较低，那么每一类变量实际上就代表了一个基本结构，即公共因子。对于所研究的问题就是试图用最少个数的不可测的所谓公共因子的线性函数与特殊因子之和来描述原来观测的每一分量。 本章小节 本章介绍了因子分析的基本思想、基本原理、数学模型、因子模型的性质以及一些基本概念：公共度和方差贡献。 详细说明了潜在因子个数的确定以及因子载荷估计的分析步骤、因子旋转以及因子得分计算方法等。确定潜在因子的个数是因子分析的一个重要内容。 第18章 聚类分析 中国疾病预防控制中心 学习目标 了解聚类分析的基本思想； 了解聚类分析的一些常见统计量； 掌握聚类分析的基本方法； 通过实例练习掌握聚类分析的SAS过程步。 概述 聚类分析是将随机现象归类的统计学方法，已广泛应用于医学科学研究之中。聚类分析也称群分析、点群分析，他是研究分类的一种多元统计方法。 例如，我们可以根据学校的师资、设备、学生的情况，将大学分成一流大学，二流大学等；国家之间根据其发展水平可以划分为发达国家、发展中国家； 概述 这些问题的本质就是希望能找到一种合理的方法将一批研究对象按其所属特性分门别类。统计学上用于解决这种分类问题的主要方法是聚类分析法和判别分析法。这一章主要讨论聚类分析。 聚类分析的基本思想 聚类分析是将样本个体或指标变量按其具有的特性进行分类的一种统计分析方法。我们所研究的样品或指标（变量）之间存在程度不同的相似性（亲疏关系）。于是根据一批样品的多个观测指标，具体找出一些能够度量样品或指标之间相似程度的统计量，以这些统计量为划分类型的依据。 聚类分析的基本思想 把一些相似程度较大的样品（或指标）聚合为一类，把另外一些彼此之间相似程度较大的样品（或指标）又聚合为另一类，关系密切的聚合到一个小的分类单位，关系疏远的聚合到一个大的分类单位，直到把所有的样品（或指标）聚合完毕，这就是分类的基本思想。由此得知，聚类分析的任务有两个，第一就是寻找合理的度量事物相似性的统计量；第二是寻找合理的分类方法。 聚类分析的基本思想 在聚类分析中，通常我们将根据分类对象的不同分为Q型聚类分析和R型聚类分析两大类。Q型聚类分析是对样本进行分类处理，又称为样本聚类分析；R型聚类分析是对指标进行分类处理，称为指标聚类分析。对样品进行聚类的目的是将分类不明确的样品按性质相似程度分为若干组，从而发现同类样品的共性和不同样品间的差异。对指标进行聚类的目的是将分类不明确的指标按性质相似程度分成若干组，从而在尽量不损失信息的条件下，用一组少量的指标来代替原来的多个指标。 聚类分析的基本思想 R型聚类分析的主要作用是：①不但可以了解个别变量之间的关系的亲疏程度，而且可以了解各个指标组合之间的亲疏程度；②根据变量的分类结果以及它们之间的关系，可以选择主要变量进行回归分析或Q型聚类分析。 Q型聚类分析的作用是：①可以综合利用多个变量的信息对样本进行分类；②分类结果是直观的，聚类谱系图非常清楚地表现其数值分类结果；聚类分析所得到的结果比传统分类方法更细致、全面、合理。 聚类分析的基本思想 例如在医生医疗质量研究中，有N个医生参加医疗质量评比，每一个医生有K个医疗质量指标被记录。利用聚类分析可以将N个医生按其医疗质量的优劣分成几类，或者把K个医疗质量指标所反映的问题侧重点不同分成几类。前者是聚类分析中的样品聚类，后者是指标聚类。 聚类分析的统计量 无论是R型聚类或是Q型聚类的关键是如何定义相似性，即如何把相似性数量化。聚类的第一步需要给出两个指标或两个样品间相似性度量的统计量。 聚类分析中用来衡量样本个体之间属性相似