统计分析与SPSS的应用 第7版 配套课件.pptVIP

***************************************************************************************************因子分析的基本内容因子载荷矩阵的求解的基本步骤包含k个因子的因子载荷矩阵:确定因子个数k根据特征值λj确定因子数：选取特征值大于1的因子,即应至少解释1个方差根据因子的累计方差贡献率确定因子数：选取累计方差贡献率大于0.85时的特征值个数为因子个数k因子分析的基本内容因子的命名：使因子的实际含义更清晰通过旋转方式，使一个变量只在尽可能少的因子上有比较高的载荷最理想状态下,使某个变量xi在某个因子fj上的载荷趋于1,在其他因子上的载荷趋于0。这样,因子fj就能够成为某个变量xi的典型代表,因子的实际含义也就清楚了因子旋转：将因子载荷矩阵A右乘一个正交矩阵τ后得到一个新的矩阵B因子分析的基本内容计算因子得分：计算每个观测在各因子上的具体取值,这些取值称为因子得分,形成的变量称为因子得分变量用原有变量来描述因子得分变量,第i个观测在第j个因子上取值可表示为:因子得分是原有变量线性组合的结果,是各变量值的加权w平均,权数的大小表示变量对因子得分变量的重要程度因子分析的基本操作及案例示例及操作第12章SPSS的判别分析判别分析概述距离判别法Fisher判别法贝叶斯判别法判别分析的应用判别分析概述判别分析：用于对分类型变量取值的分析和预测在已有样本数据的基础上,分析类别变量与判别变量之间的数量关系,建立判别函数,最终实现对新数据类别变量取值的预测用于判别的变量称为判别变量被预测的变量称为类别变量根据所采用的数学模型,判别分析分为：线性判别分析非线性判别分析根据判别准则,判别分析分为：距离判别法Fisher判别法贝叶斯判别法距离判别法距离判别：以距离为依据实现判别的方法基本思路：设类别变量有k个类别,且有分别来自k(k≥2)个类别总体的k个样本,每个样本都有若干个判别变量为x1,x2,…,xp(pk)的观测值,且判别变量均为数值型,并服从正态分布首先,将样本数据看成p(p个判别变量)维空间中的点然后,分别计算出k个样本各判别变量的均值,作为k个类别的中心;最后,计算新数据点到各类别中心的马氏距离,并根据距离最近的原则,新数据点距离哪个类别中心近则属于哪个类别距离判别法计算示例：数据点X到总体Gi的平方马氏距离：距离判别法计算示例：距离判别法距离判别法判别函数的几何理解W(X)=0代表的是能够分隔两类总体的一条线或平面或超平面落在其上的数据点,判别函数值为0,形成的点轨迹如下图椭圆给出了数据点分布的大致轮廓左图为判别变量x1和x2不相关的情况右图为判别变量x1和x2相关的情况判别函数等于0时所对应的分隔线与两类的中心连线垂直且垂足为连线的中点距离判别法Fisher判别法基本思路：先投影再判别,其中投影是Fisher判别的核心投影：是将原来p维X空间的观测点投影到m(m≤p)维Y空间中这里的Y空间称为Fisher判别空间Fisher判别的判别函数是判别变量的线性函数形式系数ai称为判别系数,表示各输入变量对判别函数的影响y是低维Y空间中的某个维度判别函数通常为多个,将有低维Y空间中的多个维度y1,y2,…,ym通过对原数据坐标系统的变换,高维X空间中的所有观测点都将变换到低维Y空间中Fisher判别法Fisher判别的判别函数的几何理解图中星和圆点表示观测点分别属于两个类别为了有效地将两个类别的样本点分开,可先将数据点投影到图中斜线表示的方向上,因为该方向是将来自不同总体的样本尽可能分开的方向Fisher判别法Fisher判别首先,应在判别变量的p维空间中,找到某个线性组合,使各类别的平均值差异最大,作为第一维度,代表判别变量组间(类别变量不同类别间)方差中的最大部分,得到第一判别函数然后,按照同样规则依次找到第二判别函数、第三判别函数等,且判别函数之间独立由于得到的每个判别函数都可以反映判别变量组间方差的一部分,各判别函数所代表的组间方差比例之和为100%前面的判别函数对于分类来说相对重要,而后面的判别函数由于只代表很少一部分方差,可以忽略Fisher判别法Fisher判别计算示例假设所建立的判别函数为：将属于两个不同类别的样本数据代入判别函数中，有