R软件应用多元分析II .pptxVIP

软件应用多元分析II;9、1 主成分分析;例子:成绩数据;主成分分析;推广到p维情况:;定义:;特征方程,λ是Σ的特征值 a是对应的特征向量;类似地,希望Z2的方差达到最大,为保证椭球的主轴也是互相垂直的,a2与a1正交,即:cov(Z1,Z2)=a1T Σa2=0,类似地,a2是Σ的第二大特征值(设为λ2),Z2=a2TX称为第二主成分、;2、 主成分的性质;2、 主成分的性质;3、 从相关矩阵出发求主成分;9、1、2 样本主成分;1、 从S出发求主成分;样本主成分性质:;2、 从R出发求主成分;9、1、3 相关R函数以及实例;3-6;7、 实例;R实现:;预测:求Z* predict(student、pr);结果图示化:;9、1、4 主成分分析的应用;R实现:;主成分聚类:;用相关矩阵直截了当聚类;2、 主成分回归;R实现:;残差图:;分析:;多重共线性的处理方法:;主成分法:;X1star;将Z*表达成X:;9、2、2 因子分析模型; 假如再满足(４)fi与fj相互独立(i≠j),则称该因子模型为正交因子模型。 正交因子模型具有如下特性: x的方差可表示为 设;设 称gj2为公共因子fj对x的“贡献”,是衡量公共因子fj重要性的一个指标。;三、因子分析的步骤;9、2、3 参数估计(提取因子的方法);factor、analy1;R实例:;R实现:;9、2、4 因子旋转; 1、 理论依据;2、 因子载荷方差;3、 方差最大的正交旋转;m2:;其中θ是因子轴Fi和Fj的旋转角度,矩阵中其余位置上的元素全为0。m个公共因子两两配对旋转共需要进行m(m-1)/2 次,称其为完成了第一次旋转,并记第一轮旋转后的因子载荷矩阵为A(1)。然后再重新开始,进行第二轮的Cm2次配对旋转,新的因子载荷矩阵记为A(2) 。如此能够得到一系列的因子载荷矩阵为 ;9、2、5 因子分析的计算函数Factanal:;例9、11;Loadings: Factor1 Factor2 x1 0、291 0、914 x2 0、382 0、882 x3 0、543 0、744 x4 0、691 0、622 x5 0、799 0、529 x6 0、901 0、393 x7 0、907 0、399 x8 0、914 0、278 ;例9、12;实例:;表7、5 牙膏属性评分得分表;将表7、5中的数据通过SPSS进行因子分析;2、因子的含义;R实现:;典型相关性分析;9、3、1 总体典型相关;引入:;依照条件极值的求法引入Lagrange乘数,将问题转化为求;计算过程:;样本典型相关; 计算过程:;9、3、3 典型相关分析的计算;表9、6 生理指标和训练指标;R实现:;得分:;9、3、4 典型相关系数的显著性检验;2、 部分总体典型相关系数均为零的检验;检验假设为;2);3);感谢您的聆听！