主成分分析和因子分析在Eviews中的实现.pptxVIP

第十三章主成分分析和因子分;13.1主成分分析主成;13.1.1主成分分析的基;且（）由式（）和式（）可以看出;为了有效地反映原始变量的信息，;1.2总体主成分求解及其性;设?1是任意p?1向量，求解;因此（）当?1=e1时有;由上述推导得01（）02可见Y;性质1Y的协方差矩阵为对角;由此可见，主成分分析是把p;21性质3记第k个主成分Y;在实际应用时，为了消除原始变量;原始变量的相关矩阵就是原始变量;010402031.3样本;样本相关矩阵为：（）则样本协方;2．样本主成份及其性质;010203且由式（）和性质2;主成分分析的目的之一是减少变量;例13.1宏观经济景气波;13.3.1EViews;Components选择纽AC;图13.6主成分估计对话框(;无标题;表头描述了观测值的样本区间、计;表13.1一致指标组的主成;由表13.1可以看出，第1主成;图13.7主成分估计对话框（;无标题;图13.8主成分估计对话框（;无标题;图13.10计算得分序列;图13.9保存得分序列的对;第一个选项是Scaling，用;图13.2中的实线给出了由主成;13.2因子分析;因此，可以简单将因子分析的目标;假如对某一问题的研究涉及p;式（）进一步可以表示为下面的矩;满足式（）～式（）假定的模型（;正交因子模型的协方差结构假定随;由式（）可得（）由于假定Zi;01由式（）可得3．共同度与公;式（）表明，hi2接近1时;2.3因子载荷的估计方法;1．极大似然法;用主成分法确定因子载荷，就是对;由于A=(?1,?,…,;为了使Yi符合式（）假设的;3．迭代主成分方法（Itera;设的前m个特征值依次;下面介绍几种求特殊因子方差和公;对角线比例方法（fractio;上述求解过程中重要的是如何确定;选择公因子个数m使得前m个特征;分割线段模型的基本原理是：首先;采用极大似然估计模型时，假设公;在原假设成立的条件下可以构造下;利用Bartlett修正，只要;例13.2纽约股票交易所股;表13.2各指标的相关矩阵;13.3.2因子分析的实现;图13.12因子设定对话;Estimation选择钮E;EViews提供了很多的方法选;估计属性主要包括对迭代控制、s;点击Data按钮，出现图13.;(1)类型（Type）协方;02(3)变量（Variab;偏相关和偏协方差可用于一对变量;用户设定矩阵如果在Type下拉;下面给出例13.2采用主成分方;同时比较极大似然估计和主成分估;随着我国市场化程度的深化以及经;表13.5影响物价波动多因;从表13.5中可以看出：4个公;2.5因子旋转1因子分析的;设L是通过某种方法估计得到的因;正交矩阵T的不同选取法构成;先考虑两个因子（m=2）的平面;当公共因子个数大于2时，可以逐;3.3因子旋转的操作为了使;Type和Method下拉菜单;例13.4纽约股票交易所股;例13.5影响我国物价波;表13.7影响物价波动多因;从表13.7旋转后的各公因子的;13.2.6因子得分;1．加权最小二乘法1．加权最小;选择F的估计值使得式（）最小化;仍然考虑因子模型（）（）假设原;由因子载荷的意义有：（）即则有;第二类不确定性指标给出可供选择;有效性、单一性和相关精确性指标;显示形式为了获得得分系数和得分;Tablesummary，以;2．得分系数;在计算得分时，需要给定可观测变;在例13.4获得稳定的因子旋转;图13.5a因子F?1的得;例13.7影响我国物价波;指标名称居民消费价格指数(CP;用表13.9中各公因子对应的得;同样，根据例13.5的结论可知;01得分程序提供了将得分值以序;13.3.5因子视图;FactorStructur;13.3.6因子过程