应用统计学之用少数变量代表多个变量培训课件(ppt 48页).ppt

* * 如果你要到裁缝店定做一件上衣，需要测量很多尺寸，譬如身长、袖长、胸围、腰围、肩宽、肩厚等。但服装厂要生产一批新型服装，却不可能完全按照每个人的这些尺寸来对型号进行划分，而是把各个方面进行高度概括，用少数几个指标作为分类的型号，简单明了的反映不同人群的体态特征。 日常生活中经常遇到包含很多变量的数据，比如各个地区的若干经济指标数据，上市公司财务报表公布的多项财务数据等等。 这些数据中的变量虽然很多，但往往相互之间都有着一定的关联，这使得只要找出少数几个“代表”就可以对复杂的信息进行比较完整的描述了。主成分分析和因子分析便是实现这一过程的两种方法。 * 第 8 章 用少数变量代表多个变量 8.1 主成分分析 8.2 因子分析 * 在研究实际问题时，往往需要收集多个变量。但这样会使多个变量间存在较强的相关关系，即这些变量间存在较多的信息重复，直接利用它们进行分析，不但模型复杂，还会因为变量间存在多重共线性而引起较大的误差。 为能够充分利用数据，通常希望用较少的新变量代替原来较多的旧变量，同时要求这些新变量尽可能反映原变量的信息。 主成分分析和因子分子正是解决这类问题的有效方法。它们能够提取信息，使变量简化降维，从而使问题更加简单直观。 主成分分析和因子分析(Principal Component Analysis Factor Analysis) * 8.1 主成分分析 8.1.1 主成分分析的基本思想是什么？ 8.1.2 如何选择主成分？ 8.1.3 怎样解释主成分？ 第 8 章 用少数变量代表多个变量 * 8.1.1 主成分分析的基本思想是什么？ 8.1 主成分分析 * 主成分的概念由Karl Pearson在1901年提出 考察多个变量间相关性的一种多元统计方法 研究如何通过少数几个主成分来解释多个变量间的内部结构。即从原始变量中导出少数几个主成分，使它们尽可能多地保留原始变量的信息，且彼此间互不相关。 主成分分析的目的：数据的压缩；数据的解释 它常被用来寻找判断事物或现象的综合指标，并对综合指标所包含的信息进行适当的解释。 什么是主成分分析？(Principal Component Analysis) * 【例8.1】表8-1是北京市某高中50名学生的六门课程测试成绩数据 乍一看，很难从这六门课程的测试得分来评价这50名学生的成绩优劣，也很难分析这些学生的成绩分布特征。要解决这样的问题，自然希望能把这一数据中包含的六个变量概括成一两个综合变量。那么这一做法是否可行呢？提炼出来的少数变量能够代表原数据的多少信息？如何解释它们呢？我们首先来了解一下主成分分析的基本思想。 对于例8.1中的数据，每一个学生的观测值都包含了六个变量，所以表示在坐标系中每一个观测值就是六维空间中的一个点，每一维就代表一个变量。把六个变量概括成一两个综合变量，实质上就是一个降维的过程。 主成分分析的基本思想是什么？  表8-1 北京市某高中学生六门课程测试成绩数据 * 对于存在线性相关的两个变量，直接进行分析可能由于多重共线性而无法得出正确结论。 如何对这两个变量所携带的信息(在统计上信息往往是指数据的变异)进行浓缩处理？ 分别用横轴和纵轴表示两个变量，每个观测值就是二维坐标系中的一个点，所有的数据点大致散布成一个椭圆形，那么这个椭圆有一个长轴和一个短轴，我们称之为主轴，主轴之间是相互垂直的。 主成分分析的基本思想是什么？ (以两个变量为例) 显然，短轴方向上，数据点之间的差异较小；长轴方向上，数据变化则较大。如果原坐标系中的横轴和纵轴能够分别与椭圆的长短轴平行，那么相对来说，长轴所代表的变量就描述了数据的主要变化，短轴所代表的变量则描述了数据的次要变化。 * 现在沿椭圆的长轴设定一个新的坐标系，则新产生的两个变量和原始变量之间存在明显的数学换算关系。 但这两个变量彼此不相关，且信息量的分布显然不同。长轴变量携带了大部分数据变异的信息，而短轴变量只携带了一小部分变异信息。椭圆的长轴和短轴相差越大时，说明长轴方向所代表的变量包含原始信息越多，那么用这个新变量来代替原始的两个变量(即忽略包含少数信息的短轴变量)也就越合理，从而二维数据就可以降低为一维数据。 但现实数据往往并不满足这样的条件，这就需要把原始数据构成的坐标系进行旋转，产生一个新的坐标系，使得新坐标系的横轴和纵轴与椭圆的长短轴平行，实质上也就是把原数据中的两个变量变换成两个新的变量。 主成分分析的基本思想是什么？ * 主成分分析的基本思想就是把原始数据构成的椭圆的主轴找出来，再用代表绝大部分信息的那个轴(也就是长轴)作为代替原始变量的新变量。多维变量降维过程类似。只要把原始数据散布的高维椭球的各个主轴找出来，选择最