多元统计分析方法.pptVIP

主成分分析一、基本思想二、数学模型三、模型的求解四、主成分的性质五、基本步骤与应用实例

因子分析一、基本思想二、数学模型三、因子载荷的统计含义四、因子的求解五、因子得分六、基本步骤与应用实例

聚类分析一、基本思想二、统计量三、分类方法四、基本步骤与应用实例

判别分析一、基本思想二、基本方法三、判别效果的评价四、基本步骤与应用实例

基本思想主成分分析就是设法将原来指标重新组合成一组新的互相无关的几个综合指标来代替原来指标。同时根据实际需要从中可取几个较少的综合指标尽可能多地反映原来的指标的信息。二维空间多维空间

数学模型x1y1x2y2旋转变换的目的是为了使得n个样本点在y1轴方向上的离散程度最大，即y1的方差最大，变量y1代表了原始数据的绝大部分信息，在研究问题时，即使不考虑变量y2也损失不多的信息。Y1与y2除起了浓缩作用外，还具有不相关性。Y1称为第一主成分，y2称为第二主成分。

模型的求解在应用主成分分析研究问题时，通常先将数据标准化，以消除量纲对结果的影响。标准化的常用公式为：为了求出主成分，只需求样本协方差矩阵S或相关系数矩阵R的特征根和特征向量就可以。(可以证明，变量x1，x2，…，xp标准化以后，其协方差矩阵S与相关系数矩阵R相等。)

主成分的性质性质1：第k个主成分yk的系数向量是第k个特征根λk所对应的标准化特征向量Uk。性质2：第k个主成分的方差