分析方法说明.docVIP

分析方法说明 对数据分析的主要思想为主成份思路：即通过降维，将多指标表述的信息用较少的主成份来反映or表述，同时通过不同主成份所表达信息量的不同（即代表包含信息量大小的方差来表示）对不同主成份赋予权重，以计算出目标信息的量化数据。进行主成分分析主要步骤如下： 1. 指标数据标准化； 2. 指标之间的相关性判定； 3. 确定主成分个数m； 4. 主成分Fi表达式； 5. 主成分Fi命名； 一、先对数据进行相关分析，删除相关性较大的指标，主要目的为了避免指标所反映出来的信息存在重复性。相关分析方法见附件一。 二、主成份分析，一种统计方法，它对多变量表示数据点集合寻找尽可能少的正交矢量表征数据信息特征。 在用统计分析方法研究这个多变量的课题时，变量个数太多就会增加课题的复杂性。人们自然希望变量个数较少而得到的信息较多。在很多情形，变量之间是有一定的相关关系的，当两个变量之间有一定相关关系时，可以解释为这两个变量反映此课题的信息有一定的重叠。主成分分析是对于原先提出的所有变量，建立尽可能少的新变量，使得这些新变量是两两不相关的，而且这些新变量在反映课题的信息方面尽可能保持原有的信息。主成份分析方法见附件二。 附件一、相关分析 关分析（correlation analysis），相关分析是研究现象之间是否存在某种依存关系，并对具体有依存关系的现象探讨其相关方向以及相关程度，是研究随机变量之间的相关关系的一种统计方法。 简介　　 相关关系是一种非确定性的关系，例如，以X和Y分别记一个人的身高和体重，或分别记每公顷施肥量与每公顷小麦产量，则X与Y显然有关系，而又没有确切到可由其中的一个去精确地决定另一个的程度，这就是相关关系。 分类 　　1、线性相关分析：研究两个变量间线性关系的程度。用相关系数r来描述。 　　-正相关：如果x,y变化的方向一致，如身高与体重的关系，r0；一般地， 　　·|r|0.95 存在显著性相关； 　　·|r|≥0.8 高度相关； 　　·0.5≤|r|0.8 中度相关； 　　·0.3≤|r|0.5 低度相关； 　　·|r|0.3 关系极弱，认为不相关 　　负相关：如果x,y变化的方向相反???如吸烟与肺功能的关系，r0； 　　无线性相关：r=0。 　　如果变量Y与X间是函数关系，则r=1或r=-1；如果变量Y与X间是统计关系，则-1r1。 　　r的计算有三种： 　　·Pearson相关系数：对定距连续变量的数据进行计算。 　　·Spearman和Kendall相关系数：对分类变量的数据或变量值的分布明显非正态或分布不明时，计算时先对离散数据进行排序或对定距变量值排（求）秩。 　　2、偏相关分析：研究两个变量之间的线性相关关系时，控制可能对其产生影响的变量。如控制年龄和工作经验的影响，估计工资收入与受教育水平之间的相关关系。 　　3、距离分析：是对观测量之间或变量之间相似或不相似程度的一种测度，是一种广义的距离。分为观测量之间距离分析和变量之间距离分析。 　　- 不相似性测度： 　　·a、对等间隔(定距)数据的不相似性（距离）测度可以使用的统计量有Euclid欧氏距离、欧氏距离平方等。 　　·b、对计数数据使用卡方。 　　·c、对二值（只有两种取值）数据，使用欧氏距离、欧氏距离平方、尺寸差异、模式差异、方差等。 　　- 相似性测度： 　　·a、等间隔数据使用统计量Pearson相关或余弦。 　　·b、测度二元数据的相似性使用的统计量有20余种。 复相关 　　研究一个变量 x0与另一组变量 (x1,x2,…，xn)之间的相关程度。例如,职业声望同时受到一系列因素（收入、文化、权力……）的影响，那么这一系列因素的总和与职业声望之间的关系，就是复相关。复相关系数R0.12…n的测定，可先求出 x0对一组变量x1，x2，…，xn的回归直线，再计算x0与用回归直线估计值悯之间的简单直线回归。复相关系数为 　　R0.12…n的取值范围为0≤R0.12…n≤1。复相关系数值愈大，变量间的关系愈密切。 偏相关 　　研究在多变量的情况下，当控制其他变量影响后，两个变量间的直线相关程度。又称净相关或部分相关。例如，偏相关系数 r13.2表示控制变量x2的影响之后，变量 x1和变量x3之间的直线相关。偏相关系数较简单直线相关系数更能真实反映两变量间的联系。 　　偏相关系数、复相关系数、简单直线相关系数之间存在着一定的关系。以3个变量x1，x2，x3为例，它们有如下的关系： 　　 ?? 公式 或 ?? 公式 定序变量的相关 　　讨论两个定序变量间的相关的程度与方向。又称等级相关。例如，研究夫妇双方文化程度的相关等。等级相关系数有R系数和γ系数。 　　R系数 计算方法与简单