多元统计分析概述
目录
一、引言 (3)
二、多元统计分析方法的研究对象和主要内容 (3)
1.多元统计分析方法的研究对象 (3)
2.多元统计分析方法的主要内容 (3)
三、各种多元统计分析方法 (3)
1.回归分析 (3)
2.判别分析 (6)
3.聚类分析 (8)
4.主成分分析 (10)
5.因子分析 (10)
6. 对应分析方法 (11)
7. 典型相关分析 (11)
四、多元统计分析方法的一般步骤 (12)
五、多元统计分析方法在各个自然领域中的应用 (12)
六、总结 (13)
参考文献 (14)
谢辞 (15)
一、引言
统计分布是用来刻画随机变量特征及规律的重要手段，是进行统计分布的基础和提高。多元统计分析方法则是建立在多元统计分布基础上的一类处理多元统计数据方法的总称，是统计学中的具有丰富理论成果和众多应用方法的重要分支。在本文中，我们将对多元统计分析方法做一个大体的描述，并通过一部分实例来进一步了解多元统计分析方法的具体实现过程。
二、多元统计分析方法的研究对象和主要内容
（一）多元统计分析方法的研究对象
由于大量实际问题都涉及到多个变量，这些变量又是随机变量，所以要讨论多个随机变量的统计规律性。多元统计分析就是讨论多个随机变量理论和统计方法的总称。其内容包括一元统计学中某些方法的直接推广，也包括多个随即便量特有的一些问题，多元统计分析是一类范围很广的理论和方法。
现实生活中，受多个随机变量共同作用和影响的现象大量存在。统计分析中，有两种方法可同时对多个随机变量的观测数据进行有效的分析和研究。一种方法是把多个随机变量分开分析，一次处理一个随机变量，分别进行研究。但是，这样处理忽略了变量之间可能存在的相关性，因此，一般丢失的信息太多，分析的结果不能客观全面的反映整个问题，而且往往也不容易取得好的研究结论。另一种方法是同时对多个随机变量进行研究分析，此即多元统计方法。通过对多个随即便量观测数据的分析，来研究随机变量总的特征、规律以及随机变量之间的相互关系。所以，多元统计分析是研究多个随机变量之间相互依赖关系及内在统计规律的一门统计学科。
（二）多元统计分析方法的主要内容
近年来，随着统计理论研究的不断深入，多元统计分析方法的内容一直在丰富。其中，主要内容包括多元正态总体参数估计、假设检验和常用的多元统计方法。多元正态总体参数估计、假设检验是多元统计推断的核心和基础，而常用的多元统计分析方法则是具体应用。从形式上，常用多元统计分析方法可划分为两类：
一类属于单变量常用的统计方法在多元随机变量情况下的推广和应用，如多元回归分析，典型相关分析等；
另一类是对多元变量本身进行研究所形成的一些特殊方法。如主成分分析，因子分析，聚类分析，判别分析，对应分析等。
三、各种多元统计分析方法
具体来说，常用的多元统计分析方法主要包括：多元回归分析、聚类分析、判别分析、主成分分析、因子分析、对应分析、典型相关分析等。下面我们对各种多元统计分析方法就行分别描述，
（一）回归分析
回归分析是最灵活最常用的统计分析方法之一，它用于分析一个因变量与一个或多个自变量之间的关系。特别是用于：(1)定量的描述和解释相互关系；(2)估测或预测因变量的值。
回归分析方法是在众多的相关变量中，根据实际问题考察其中一个或多个变
量与其余变量的依赖关系。如果只要考察一个变量与其余多个变量之间的相互依赖关系，我们称为多元回归问题。若要同时考察多个因变量与多个自变量之间的相互依赖关系，我们称为多因变量的多元回归问题。
多元回归分析是研究因变量Y 与m 个自变量12···m x x ，，，x 的相关关系 ，而且总是假设因变量Y 为随机变量，而12···m x x ，，，
x 为一般变量。 下面我们来看一下多元线性回归模型的建立。
假定因变量Y 与12···m x x ，，，
x 线性相关。收集到的n 组数据（12,,,t t t tm y x x x L ，）（t=1,2,···n ）满足以下回归模型：
{
11022···+(1,2,,)
()0,(),(,)0()~(0,),t t m tm t t t i j t y x x t n E Var Cov i j N βββεεεσεεεσ=+++====≠L L 或相互独立(t=1,2,n).
记
C=11111(1)1m n n nm x x X x x ??
?
= ? ???
K
M O M M L
， 01
1212,,n m n y y y Y βεβεβεβε??????===????????????
M M M
则所建回归模型的矩阵形式为
{
2()(),
0,,n n Y C E D I εεβεσ=+==
或
{
2,
~(0,),n n Y C N I βεεσ=+
并称它们为经典多元回归模型，其中Y 是可观测的随机向量，ε是不可观测的随机向量，C 是已知矩阵，2βσ，是未知参数，并设n>m ，且rank(C)=m+1。 在经典回归分析中，我们讨论模型中参数01(,,,)m ββββ'=L 和2σ的估计和检验问题。近代回归分析中讨论变量筛选、估计的改进，以及对模型中的一些假设进行诊断等问题。
我国国内生产总值与基本建设投资额的大小有密切关系，研究发现两变量之间存在线性关系。根据甘肃省1990-2003年的国内生产总值与基本建设投资额数
据，研究它们的数量规律性，探讨甘肃省基本建设投资额与国内生产总值的数量
平方和自由度方差 F 检验值回归1553189.711553189.7
残差59475.667124956.3056313.3765001
离差1612665.413
复相关系数R =.981386594345333
剩余标准差SY =70.4010340269248
回归方差与剩余方差之比 F =313.376500123223
各个自变量的t 检验值
17.70244334
t 检验的自由度N-P-1 =12
F 检验的自由度
第一自由度=1,第二自由度=12
各个自变量的偏回归平方和
1553189.7
各个自变量的偏相关系数
0.981386594
由输出结果，得以下结论：
x
回归方程为y=232.70+3.68
1
其中，负相关系数为2R＝0.9814,说明回归方程拟合优度较高。而回归系数的
t=17.7024,查t 分布表0.025(12) 2.1788t =，小于t 值，因此回归系数显著。查F 分布表，0.05(1,12)F =4.75，由下表知，F=313.3765>4.75，因此回归方程也显著。
判别分析是多元统计分析中用于判别样品所属类型的一种统计分析方法，是一种在已知研究对象用某种方法已经分成与若干类的情况下，确定新的样品属于哪一类的多元统计分析方法。
判别方法处理问题时，通常通常要给出用来衡量新样品与各已知组别的接近程度的指数，即判别函数，同时也指定一种判别准则，借以判别新样品的归属。所谓判别准则是用于衡量新样品与各已知组别接近程度的理论依据和方法准则。常用的有，距离准则、Fisher 准则、贝叶斯准则等。距离判别的基本思想是：样品和那个总体距离最近，就判断它属于哪个总体。距离判别也称直观判别。
已知有两个类1G 和2G ，比如1G 是设备A 生产的产品，2G 是设备B 生产的同类产品。设备A 的产品质量高（如考察指标为耐磨度X ），其平均耐磨度(1)μ=80，反映设备精度的方差21σ=0.25；设备B 的产品质量稍差，其平均耐磨度2μ=75，
反映设备精度的方差22σ=4。今有一产品0X ，测得耐磨度0x =78，试判断该产品
是哪一台设备生产的？
下面考虑一种相对于分散性的距离。记0X 与1G 或2G 的相对平均距离为
21
0()d x 或22
0()d x ，则有：21
0()d x =
(1)2
2
02
1()(7880)0.25
x μσ--=
=16， 22
0()d x =
(2)2
2
022
()(7875)4.00
x μσ--=
=2.25。 因为20()d x =1.5<4=10()d x ，按这种距离准则应判0X 为设备B 生产的。
一般的，我们假设总体1G 的分布为(1)21(,)N μσ，总体2G 的分布为(2)2
2
(,)N μσ，则利用相对距离的定义，可以找出分界点μ*和μ*（不妨设(2)μ<(1)μ,1σ<2σ），令
(1)(2)(1)2
(2)2
212
21
212()()x x x μσμσμμσ
σσσ+--=
?=+def =μ*，和x=(1)(2)2121
μσμσσσ--def
=μ*。
此例中，μ*=79，μ*=81.6667。而按这种距离最近法则的判别法为：
(1)2(2)2122
12(1)2(2)222212()()X ()()X x x G x x x G μμμμσσμμμμσσ*
***--∈<<<--∈≥≤≥?????
判，当（即）判，当（即x 或x ） 为了区分小麦品种的两种不同的分蘖类型，用123,,x x x 三个指标求其判别函数。经验样品中，第一类取11（主茎型）个样品，第二类（分蘖型）取12个样
(1)X －(2)X =(-0.2742，-0.882，-4.7096)T ,
X =
(1)(2)
2
X X += (0.8462,3.8287,12.1293) xx L =(1)xx L +(2)xx L =0.56240.1821
0.83550.282115.516032.30140.835532.3014126.2374??????
????, 11
1.79780.01690.007621210.01690.13810.03520.00760.03520.0170xx S L ----????==--??
??--??
, (1)(2)11()()()2
T X X X S X X ω-=--
=1230.846221(0.4425,0.0486,0.0468) 3.82862
12.1295x x x -??
??---????-??
用()X ω对经验样本的23个样品进行判别有如下结果：第一类的11个样本中有10个判别为第一类，一个判别为第二类；第二类的12个样品全部判别为第二类，符合率为22/23=96%。例如，第一类第一个样品(1)1X =(0.71,3.80,12.00)T ，则
(1)1()X ω=0.6819>0,则(1)1X 1G ∈（第一类）。又如，第一类的第11个样品
(1)11X =(1.00,4.50,12.00)T ，(1)11()X ω=-0.3083<0，故(1)
11X 2G ∈（第二类）。
将()X ω投入使用，可判别小麦品种的分蘖类型，如测得某小麦品种
11x =,2 3.43x =,316.25x =,则由()X ω=-2.9128<0判别该品种为分蘖型。
（三） 聚类分析
聚类分析是将样品或变量按照它们在性质上的亲疏程度进行分类的多元统计分析方法。聚类分析时，用来描述样品或变量的亲疏程度通常有来两个途径，一是把每个样品或变量看成是多维空间上的一个点，在多维坐标中，定一点与点，类和类之间的距离，用点与点间距离来描述样品或变量之间的亲疏程度：另一个是计算样品或变量的相似系数，用相似系数来描述样品或变量之间的亲属程度。
聚类分析是实用多元统计分析的一个新的分支，聚类分析的功能是建立一种分类方法，他将一批样品或变量，按照它们在性质上的亲疏、相似程度进行分类。
聚类分析的内容十分丰富，按其聚类的方法可分为以下几种：
(1)系统聚类法：开始每个对象自成一类，然后每次将最相似的两类合并，合并后重新计算新类与其他类的距离或相近性测度。这一过程可用一张谱系聚类图描述。
(2)调优法（动态聚类法）：首先对n 个对象初步分类，然后根据分类的损失函数尽可能小的原则对其进行调整，直到分类合理为止。
(3)最优分割法（有序样品聚类法）：开始将所有样品看做一类，然后根据某种最优准则将它们分割为二类、三类，一直分割到所需的K 类为止。这种方法适用于有序样品的分类问题，也称为有序样品的聚类法。
(4)模糊聚类法：利用模糊集理论来处理分类问题，它对经济领域中具有模糊特征两态数据或多态数据具有明显的分类效果。
(5)图论聚类法：利用图论中最小支撑树的理论来处理分类问题，创造了独具风格的方法。
(6)聚类预报法：利用聚类方法处理预报问题，在多元统计分析中，可以用来做预报的方法很多，如回归分析和判别分析。但对一些异常数据，如气象中的灾害性天气的预报，使用回归分析或判别分析处理的效果都不好，而聚类预报弥补了这一不足，只是一个值得重视的方法。
聚类分析根据对象的不同又分为R 型和Q 型两大类，R 型是对变量（指标）进行分类，Q 型是对样品进行分类。
R 型聚类分析的目的有以下几方面：
（1）可以了解变量间及变量组合间的亲疏关系； （2）对变量进行分类； （3）根据分类结果及它们之间的关系，在每一类中选择有代表性的变量作为重要变量，利用少数几个重要变量进一步作分析计算，如进行回归分析或Q 型聚类分析等。
Q 型聚类分析的目的主要是对样品进行分类。分类的结果是直观的，且比传统的分类方法更细致、全面、合理。当然使用不同的分类方法通常有不同的分类结果。对任何观测数据都没有唯一“正确”的分类方法。实际应用中，常采用不同的分类方法，对数据进行分析计算，一边对分类提供具体意见，并由实际工作者决定所需要的分类数及分类情况。
下面是聚类分析的一个简单例子。有五个样品，每个只测量了一个指标，分别为1,2,6,8,11,我们用最短距离法将它们分类。
(1)计算五个样品两两间的距离，得初始类间的距离矩阵(0)D ，
(2)由(0)D 知类间最小距离为1，于是将1G 和2G 合并成6G ，并计算6G 和其他类之间的距离，的新的距离阵(1)D
(3)由(1)D 知，类间最小距离为2，合并3G 和4G 为7G ，计算7G 与其他类间的
距离得矩阵(2)D ，
(4)由(2)D 知，类间的最小距离为3，将5G 和7G 合并为8G ，得新的距离矩阵(3)D ，
(5)最后将6G 和8G 合并为9G ，这时五个样品聚为一类。
（四） 主成分分析
主成分分析是采取一种数学降维的方法，找出几个综合变量来代替原来众多的变量，是这些综合变量尽可能的代表原来变量的信息，而且彼此之间互不相关。这种把多个变化量化为少数几个互相无关的综合变量的统计分析方法就叫做主成分分析或主分量分析。
主成分分析所要做的就是设法将原来众多具有一定相关性的变量，重新组合为一组新的相互无关的综合变量来代替原来变量。通常，数学上的处理方法就是将原来的变量做线性组合，作为新的综合变量，但是这种组合如果不加以限制，则可以有很多，应该如何选择呢？如果将选取的第一个线性组合即第一个综合变量记为1F ，自然希望它尽可能多的反映原来变量信息，这里信息用方差来测量，即希望1()Var F 越大，表示1F 包含信息越多。因此在所有线性组合中所选取的1F 应该是方差最大的，故称1F 为第一主成分。如果第一主成分不足以代表原来p 个变量的信息，再考虑选取2F 即第二个线性组合，为了有效地反映原来信息，1F 已有的信息就不需要再出现在2F 中，用数学语言表达就是要求12(,)Cov F F =0，称2F 为第二主成分，以此类推可以构造出第三、四……第p 个主成分。 （五）因子分析
因子分析是主成分分析的推广和发展，它是由研究原始数据相关矩阵的内部依赖关系出发，把一些具有错综复杂关系多个变量（或样品）综合为少数几个因子，并给出原始变量与综合因子之间相关关系的一种多元统计分析方法。它也属
于多元分析中数据降维的一种统计方法。
因子分析是通过变量（或样品）的相关系数矩阵内部结构的研究，找出存在于所有变量（或样品）中具有共性的因素，并综合为少数几个新变量，把原始变量表示成少数几个综合变量的线性组合，以再现原始变量与综合变量之间的相关关系。其中，这里的少数几个综合变量一般是不可观测指标，通常称为公公因子。
因子分析常用的两种类型：一种是R 型因子分析，即对变量进行因子分析：另一种叫做Q 型因子分析，即对样品进行的因子分析。 （六）对应分析方法
对应分析又称为相应分析，是一种目的在于揭示和样品之间或者定性量资料中变量与其类别之间的相互关系的多元统计分析方法。 对应分析的关键是利用一种数据变换，使含有p 个变量n 个样品的原始数据矩阵，变换成为一个过渡矩阵Z ，并通过矩阵Z 将R 型因子分析和Q 型因子分析有机的结合起来。具体地说，首先给出进行R 型因子分析时变量点的协差阵A=Z Z '和进行Q 型因子分析时样品点的协差阵B=ZZ '，由于Z Z '和ZZ '有相同的非零特征根，记为
12,0min(,)m m p n λλλ≥≥≥<≤L
依据证明，如果A 的特征根i λ对应的特征向量为i U ，则B 的特征根i λ对应的特征向量就是i i ZU V @，根据这个结论就可以很方便的借助R 型因子分析而得到Q 型因子分析的结果。因为求出A 的特征根和特征向量后很容易地写出变量点协差阵对应的因子载荷矩阵，记为F 。则
F=12p p u u u u u u u u u ?
?
?
?
? ? 这样，利用关系式i i ZU V @也很容易地写出样品点协差阵B 对应的因子载荷阵，记为G 。则
G=12n n v v v v v v v v v ??
? ? ? ?
从结果的展示上，由于A 和B 具有相同的非零特征根，而这些特征根正是公共因子的方差，因此可以用相同的因子轴同时表示变量点和样品点，即把变量点和样品点同时反映在具有相同坐标轴的因子平面上，以便显示出变量点和样品点之间的相互关系，并且可以一并考虑进行分类分析。 （七） 典型相关分析 在经济问题中，不仅经常需要考察两个变量之间的相关程度，而且还经常需要考察多个变量与多个变量之间即两组变量之间的相关系。典型相关分析就是研
究两组变量之间相关程度的一种多元统计分析方法。
典型相关分析是研究两组变量之间相关关系的一种统计分析方法。为了研究两组变量12,,p X X X L 和12,,q Y Y Y L 之间的相关关系，采用类似于主成分分析的方法，在两组变量中，分别选取若干有代表性的变量组成有代表性的综合指数，通过研究这两组变量之间的相关关系，来代替这两组变量之间的相关关系，这些综合指数称为典型变量。
此外，多元统计分析方法还有方差分析、偏最小二乘回归分析、逻辑分析、联合分析等，我们就不做一一介绍了。
四、多元统计分析方法的一般步骤
与一般统计分析方法一样，多元统计分析方法也要经过建立模型、进行参数估计、假设检验以及预测控制等步骤。以经济统计为例，具体步骤是： 1、根据经济理论进行定性分析，设计理论模型；
2、对实际经济活动的现象抽取样本，并取得样本统计资料；
3、对描述样本的指标利用多元统计分析方法进行统计分析，选择最佳的统计指标；
4根据最佳指标的样本数据，估计参数，建立数量模型模型；
五、多元统计分析方法在各个自然领域中的应用
多元统计分析是解决实际问题的有效的数据处理方法，其应用范围非常广泛。多元统计分析方法可以应用于地质科学、气象科学、医疗卫生、体育、语言学、考古学、教育学、心理学以及经济学、管理学等各个方面。下面我们以经济学和管理学为例，了解一下多元分析方法在其中的作用和应用的场合与领域： 1、简化数据结构。
对多个变量进行降维处理，选择数目较小的变量子集合。在商业经济中，为了能够全面刻画所研究对象的数量特征，往往要调查多方面的统计数据。数据维数越多，反映问题越全面，但同时也给数据分析带来困难。这是句要用降维的方法将很复杂的数据综合成商业指数形式，处理方法主要有主成 分分析、因子分析和对应分析等。 2、对研究对象进行分类与判别。 比如根据各地区的经济发展水平、经济发展特征对我国各地区的经济发展类型进行划分，需要通过反映各地区经济情况的多项数据测算各地区经济发展的相似度，并以对各地经济类型此进行划分和归类。用来处理这一问题的多元统计方法主要是聚类分析、判别分析等。 3、建立经济模型。
经济模型一般是指把经济变量之间的依存关系通过通过数学表达形式加以模拟。例如根据我国几十年来财政收入与国民收入、工农业总值、人口、就业人口、固定投资等相关因素，利用回归方法建立预测模型，对今后的财政收入进行预测。
4、研究经济现象之间的相互关系。
当我们研究两组变量之间的相关程度时，只用简单直线相关系数是不够的，在多元统计分析中，用典型相关分析可以处理两组变量之间的相关程度的分析和
测算。
有一点需要特殊说明，由于现实问题的复杂性和每种多元分析方法特殊的应用场合和自身的局限性，所以在处理问题时有必要将各种多元分析方法结合运用。
六、总结
经过20世纪的空前发展，数学的基本理论更加深入和完善，而计算机技术的发展使得数学的应用更加广泛和直接，多元统计分析方法已经广泛的应用到社会科学和自然科学的许多领域，尤其在经济方面根是发挥了巨大的作用。通过本文的描述可以使大家简单了解多元统计分析方法，从而更好的掌握和运用多元分析方法。任何定量分析方法在研究现实问题时只是揭示了这种问题表面的数量规律，所以在应用多元统计分析时，我们必须注意定量分析与定性分析相结合。只有两者的有机结合才能得出深刻的符合实际的结论。
多元统计分析方法 Document serial number【UU89WT-UU98YT-UU8CB-UUUT-UUT108】
多元统计分析概述 目录 一、引言 (3) 二、多元统计分析方法的研究对象和主要内容 (3) 1.多元统计分析方法的研究对象 (3) 2.多元统计分析方法的主要内容 (3) 三、各种多元统计分析方法 (3) 1.回归分析 (3) 2.判别分析 (6) 3.聚类分析 (8) 4.主成分分析 (10) 5.因子分析 (10) 6. 对应分析方法 (11) 7. 典型相关分析 (11) 四、多元统计分析方法的一般步骤 (12) 五、多元统计分析方法在各个自然领域中的应用 (12) 六、总结 (13) 参考文献 (14) 谢辞 (15)
一、引言 统计分布是用来刻画随机变量特征及规律的重要手段，是进行统计分布的基础和提高。多元统计分析方法则是建立在多元统计分布基础上的一类处理多元统计数据方法的总称，是统计学中的具有丰富理论成果和众多应用方法的重要分支。在本文中，我们将对多元统计分析方法做一个大体的描述，并通过一部分实例来进一步了解多元统计分析方法的具体实现过程。 二、多元统计分析方法的研究对象和主要内容 （一）多元统计分析方法的研究对象 由于大量实际问题都涉及到多个变量，这些变量又是随机变量，所以要讨论多个随机变量的统计规律性。多元统计分析就是讨论多个随机变量理论和统计方法的总称。其内容包括一元统计学中某些方法的直接推广，也包括多个随即便量特有的一些问题，多元统计分析是一类范围很广的理论和方法。 现实生活中，受多个随机变量共同作用和影响的现象大量存在。统计分析中，有两种方法可同时对多个随机变量的观测数据进行有效的分析和研究。一种方法是把多个随机变量分开分析，一次处理一个随机变量，分别进行研究。但是，这样处理忽略了变量之间可能存在的相关性，因此，一般丢失的信息太多，分析的结果不能客观全面的反映整个问题，而且往往也不容易取得好的研究结论。另一种方法是同时对多个随机变量进行研究分析，此即多元统计方法。通过对多个随即便量观测数据的分析，来研究随机变量总的特征、规律以及随机变量之间的相互
一、填空题： 1、多元统计分析是运用数理统计方法来研究解决多指标问题的理论和方法. 2、回归参数显著性检验是检验解释变量对被解释变量的影响是否著. 3、聚类分析就是分析如何对样品（或变量）进行量化分类的问题。通常聚类分析分为 Q型聚类和 R型聚类。 4、相应分析的主要目的是寻求列联表行因素A 和列因素B 的基本分析特征和它们的最优联立表示。 5、因子分析把每个原始变量分解为两部分因素：一部分为公共因子，另一部分为特殊因子。 6、若 () (,), P x N αμα ∑=1,2,3….n且相互独立，则样本均值向量x服从的分布 为_x~N(μ，Σ/n)_。 二、简答 1、简述典型变量与典型相关系数的概念，并说明典型相关分析的基本思想。 在每组变量中找出变量的线性组合，使得两组的线性组合之间具有最大的相关系数。选取和最初挑选的这对线性组合不相关的线性组合，使其配对，并选取相关系数最大的一对，如此下去直到两组之间的相关性被提取完毕为止。被选出的线性组合配对称为典型变量，它们的相关系数称为典型相关系数。 2、简述相应分析的基本思想。 相应分析，是指对两个定性变量的多种水平进行分析。设有两组因素A和B，其中因素A包含r个水平，因素B包含c个水平。对这两组因素作随机抽样调查，得到一个rc的二维列联表，记为。要寻求列联表列因素A和行因素B的基本分析特征和最优列联表示。相应分析即是通过列联表的转换，使得因素A
和因素B 具有对等性，从而用相同的因子轴同时描述两个因素各个水平的情况。把两个因素的各个水平的状况同时反映到具有相同坐标轴的因子平面上，从而得到因素A 、B 的联系。 3、简述费希尔判别法的基本思想。 从k 个总体中抽取具有p 个指标的样品观测数据，借助方差分析的思想构造一个线性判别函数 系数： 确定的原则是使得总体之间区别最大，而使每个总体内部的离差最小。将新样品的p 个指标值代入线性判别函数式中求出 值，然后根据判别一定的规则，就可以判别新的样品属于哪个总体。 5、简述多元统计分析中协差阵检验的步骤 第一，提出待检验的假设 和H1； 第二，给出检验的统计量及其服从的分布； 第三，给定检验水平，查统计量的分布表，确定相应的临界值，从而得到否定域； 第四，根据样本观测值计算出统计量的值，看是否落入否定域中，以便对待判假设做出决策（拒绝或接受）。 协差阵的检验 检验0=ΣΣ 0p H =ΣI ： /2 /21exp 2np n e tr n λ???? =-?? ? ???? S S 00p H =≠ΣΣI ： /2 /2**1exp 2np n e tr n λ???? =-?? ? ???? S S
应用多元统计分析S A S 作业 YKK standardization office【 YKK5AB- YKK08- YKK2C- YKK18】
5-9 设在某地区抽取了14块岩石标本，其中7块含矿，7块不含矿。对每块岩石测定了Cu，Ag，Bi三种化学成分的含量，得到的数据如表1。 表1 岩石化学成分的含量数据 (1)假定两类样本服从正态分布，使用广义平方距离判别法进行判别归类（先验概率取为相等，并假定两类样本的协方差阵相等）； (2)今得一块标本，并测得其Cu，Ag，Bi的含量分别为2.95，2.15和1.54，试判断该标本是含矿还是不含矿？ 问题求解 1 使用广义平方距离判别法对样本进行判别归类 用SAS软件中的DISCRIM过程进行判别归类。 SAS程序及结果如下。 data d59; input group x1-x3@@; cards; 1 2.58 0.9 0.95 1 2.9 1.23 1 1 3.55 1.15 1 1 2.35 1.15 0.79 1 3.54 1.85 0.79 1 2.7 2.23 1.3 1 2.7 1.7 0.48 2 2.25 1.98 1.06 2 2.16 1.8 1.06 2 2.3 3 1.7 4 1.1 2 1.96 1.48 1.04
2 1.94 1.4 1 2 3 1.3 1 2 2.78 1.7 1.48 ； proc print data =d59; run ; proc discrim data =d59 pool =yes distance list ; class group; var x1-x3; run ; 由输出结果可知，两总体间的广义平方距离为D 2=3.19774。还可知两个三元总体均值相等的检验结果：D =3.19774，F =3.10891，p =0.0756<0.10，故在显着性水平=0.10α时量总体的均值向量有显着差异，即认为讨论这两个三元总体的判别问题是有意义的。 线性判别函数为： 判别结果为含矿的6号样本错判为不含矿；不含矿的13号样本错判为含矿。 2 对给定样本判别归类 将Cu ，Ag ，Bi 的含量数值2.95、2.15、1.54分别代入线性判别函数得： 1244.674246.978882Y Y ==，。 贝叶斯判别的解{}***1, ,k D D D = 为 {}*|()(),,1, ,(1, ,)t t j D X Y X Y X j t j k t k =>≠==， 由于1244.6742246.97888Y Y =<=，因此待判的样品判为不含矿。 5-10 已知某研究对象分为三类，每个样品考察4项指标，各类的观测样品数分别为7,4,6；类外还有3个待判样品（所有观测数据见表2）。假定样本均来自正态总体。 表2 判别分类的数据
多元统计分析概述 目录 一、引言 (3) 二、多元统计分析方法的研究对象和主要内容 (3) 1.多元统计分析方法的研究对象 (3) 2.多元统计分析方法的主要内容 (3) 三、各种多元统计分析方法 (3) 1.回归分析 (3) 2.判别分析 (6) 3.聚类分析 (8) 4.主成分分析 (10) 5.因子分析 (10) 6. 对应分析方法 (11) 7. 典型相关分析 (11) 四、多元统计分析方法的一般步骤 (12) 五、多元统计分析方法在各个自然领域中的应用 (12) 六、总结 (13) 参考文献 (14) 谢辞 (15)
一、引言 统计分布是用来刻画随机变量特征及规律的重要手段，是进行统计分布的基础和提高。多元统计分析方法则是建立在多元统计分布基础上的一类处理多元统计数据方法的总称，是统计学中的具有丰富理论成果和众多应用方法的重要分支。在本文中，我们将对多元统计分析方法做一个大体的描述，并通过一部分实例来进一步了解多元统计分析方法的具体实现过程。 二、多元统计分析方法的研究对象和主要内容 （一）多元统计分析方法的研究对象 由于大量实际问题都涉及到多个变量，这些变量又是随机变量，所以要讨论多个随机变量的统计规律性。多元统计分析就是讨论多个随机变量理论和统计方法的总称。其内容包括一元统计学中某些方法的直接推广，也包括多个随即便量特有的一些问题，多元统计分析是一类范围很广的理论和方法。 现实生活中，受多个随机变量共同作用和影响的现象大量存在。统计分析中，有两种方法可同时对多个随机变量的观测数据进行有效的分析和研究。一种方法是把多个随机变量分开分析，一次处理一个随机变量，分别进行研究。但是，这样处理忽略了变量之间可能存在的相关性，因此，一般丢失的信息太多，分析的结果不能客观全面的反映整个问题，而且往往也不容易取得好的研究结论。另一种方法是同时对多个随机变量进行研究分析，此即多元统计方法。通过对多个随即便量观测数据的分析，来研究随机变量总的特征、规律以及随机变量之间的相互关系。所以，多元统计分析是研究多个随机变量之间相互依赖关系及内在统计规律的一门统计学科。 （二）多元统计分析方法的主要内容 近年来，随着统计理论研究的不断深入，多元统计分析方法的内容一直在丰富。其中，主要内容包括多元正态总体参数估计、假设检验和常用的多元统计方法。多元正态总体参数估计、假设检验是多元统计推断的核心和基础，而常用的多元统计分析方法则是具体应用。从形式上，常用多元统计分析方法可划分为两类： 一类属于单变量常用的统计方法在多元随机变量情况下的推广和应用，如多元回归分析，典型相关分析等； 另一类是对多元变量本身进行研究所形成的一些特殊方法。如主成分分析，因子分析，聚类分析，判别分析，对应分析等。 三、各种多元统计分析方法 具体来说，常用的多元统计分析方法主要包括：多元回归分析、聚类分析、判别分析、主成分分析、因子分析、对应分析、典型相关分析等。下面我们对各种多元统计分析方法就行分别描述， （一）回归分析 回归分析是最灵活最常用的统计分析方法之一，它用于分析一个因变量与一个或多个自变量之间的关系。特别是用于：(1)定量的描述和解释相互关系；(2)估测或预测因变量的值。 回归分析方法是在众多的相关变量中，根据实际问题考察其中一个或多个变
多元统计分析报告标准化管理处编码[BBX968T-XBB8968-NNJ668-MM9N]
随着经济的发展，这个差距越来越大。 由于我国人口众多，素质较低，而且就业观念较落后，导致我国劳动力普遍廉价，就业职工工资普遍低下。刚毕业的大学生人数众多，城市发展速度与农村发展速度不平衡，各省市自治区的就业条件和国家政策，就业环境不同，导致职工工资存在行业间的工资水平存在着巨大的差异，从另一个方面反映出了中国贫富差距的不断扩大。对我国就业人员职工工资的研究，对我国的社会保障政策和就业政策，教育政策等具有重要的决策意义。
也为对我国经济社会的研究提供了一个因素。我国就业职工工资水平的行业间的差异已经日益成为我国政府重视的一个问题。 [关键词] 不同行业就业平均工资 一、引言 当前我国处于经济发展快速时期，由于我国人口总数较大，就业人员众多。因此，就业问题成为了我国社会的一个焦点问题。研究好行业间就业问题以及就业职工工资问题，能够有效的把握好社会状况，能够帮助大学生更准确的定位自己，找到自己满意的工作。制定正确的就业政策和社会保障，社会福利政策，来促进大学生的就业问题以及我国国民经济的发展。 本文选取2013年我国各行业城镇单位就业人员平均工资的数据，主要利用以下几种统计方法进行分析：因子分析法、聚类分析法。将全国各省按照不同行业就业人数进行分类和排序，并与人们实际观察到的情况进行比较分析。 因子分析是指研究从变量群中提取共性因子的统计技术。因子分析可在许多变量中找出隐藏的具有代表性的因子。将相同本质的变量归入一个因子，可减少变量的数目，还可检验变量间关系的假设。 聚类分析是一组将研究对象分为的群组的统计分析技术，依据研究对象（样品或指标）的特征，对其进行分类的方法，减少研究对象的数目。 二、数据 下表是我国按行业分城镇单位就业人员平均工资的原始数据，数据来源于《2013中
应用多元统计分析课后答案 第五章 聚类分析 判别分析和聚类分析有何区别 答：即根据一定的判别准则，判定一个样本归属于哪一类。具体而言，设有n 个样本，对每个样本测得p 项指标（变量）的数据，已知每个样本属于k 个类别（或总体）中的某一类，通过找出一个最优的划分，使得不同类别的样本尽可能地区别开，并判别该样本属于哪个总体。聚类分析是分析如何对样品（或变量）进行量化分类的问题。在聚类之前，我们并不知道总体，而是通过一次次的聚类，使相近的样品（或变量）聚合形成总体。通俗来讲，判别分析是在已知有多少类及是什么类的情况下进行分类，而聚类分析是在不知道类的情况下进行分类。 试述系统聚类的基本思想。 答：系统聚类的基本思想是：距离相近的样品（或变量）先聚成类，距离相远的后聚成类，过程一直进行下去，每个样品（或变量）总能聚到合适的类中。 对样品和变量进行聚类分析时， 所构造的统计量分别是什么简要说明为什么这样构造 答：对样品进行聚类分析时，用距离来测定样品之间的相似程度。因为我们把n 个样本看作p 维空间的n 个点。点之间的距离即可代表样品间的相似度。常用的距离为 （一）闵可夫斯基距离：1/1 ()() p q q ij ik jk k d q X X ==-∑ q 取不同值，分为 （1）绝对距离（1q =） 1 (1)p ij ik jk k d X X ==-∑ （2）欧氏距离（2q =） 2 1/21 (2)()p ij ik jk k d X X ==-∑ （3）切比雪夫距离（q =∞） 1()max ij ik jk k p d X X ≤≤∞=- （二）马氏距离 （三）兰氏距离 2 1()()()ij i j i j d M -'=--X X ΣX X 11()p ik jk ij k ik jk X X d L p X X =-=+∑
第三篇 多元统计分析作业题 1 证明题 1）已知ψ==A X E X Z T T T ，这里用到关系1-ψ=E A 。以二变量为例证明： 12*-Λ=ψ=A X A X Z T T T 1)(-=T T A X 。 式中X 为标准化原始变量矩阵，A 为载荷矩阵，Z 为非标准化主成分得分，Z *为标准化的因子得分，E 为单位化特征向量构成的矩阵即正交矩阵，Ψ为特征根的平方根的倒数构成的对角阵，Λ为特征根构成的对角阵，对于二变量有 ?????? ??=ψ21 /10 /1λλ, ?? ? ???=Λ21 00λλ. 2）对于二变量因子模型，我们有 ?? ?++=++=222221122 112211111εεu f a f a x u f a f a x . 试以 x 1为例证明1 2 22==+j x j j u h σ ，这里∑== p k kj j a h 1 2 22 21 211a a +=。 2 计算题 1）现有一组古生物腕足动物贝壳标本的两个变量：长度x 1和宽度x 2。所测数据如下（表2.1）。 要求： ① 利用Excel 对数据进行主成分分析。 ② 借助SPSS 对该数据进行主成分分析，并计算结果与Excel 的计算结果进行对比，理解各个表格所给参数的含义。 ③ 用本例数据验证证明题?的推导结果。 表2.1 古生物腕足动物贝壳标本数据 样品编号 长度x 1 宽度x 2 样品编号 长度x 1 宽度x 2 1 3 2 14 12 10 2 4 10 15 12 11 3 6 5 16 13 6 4 6 8 17 13 14 5 6 10 18 13 15 6 7 2 19 13 17 7 7 13 20 14 7 8 8 9 21 15 13 9 9 5 22 17 13
华东理工大学2016–2017学年第二学期 《多元统计学》实验报告 实验名 称实验1数据整理与描述统计分析
教师批阅：实验成绩： 教师签名: 日期： 实验报告正文： 实验数据整理 (一)对“employee”进行数据整理 1.观察量排序 ( based on current salary） 2.变量值排序（based on current salary : rsalary） 3.计算新的变量（incremental salary=current salary - beginning salary）
4.拆分数据文件（based on gender） 结论：There are 215 female employees and 259 male employees. 5.分类汇总 (break variable: gender ; function: mean ) 结论：The average current salary of female is . The average current salary of male is . （二）分别给出三种工作类别的薪水的描述统计量 实验描述统计分析 1)样本均值矩阵 结论：总共分析六组变量，每组含有十个样本。 每股收益（X1）的均值为；净资产收益率（X2）的均值为；总资产报酬率（X3）的均值为；销售净
利率（X4）的均值为；主营业务增长率（X5）的均值为；净利润增长率（X6）的均值为. 2）协方差阵 结论：矩阵共六行六列，显示了每股收益（X1）、净资产收益率（X2）、总资产报酬率（X3）、销售净利率（X4）、主营业务增长率（X5）和净利润增长率（X6）的协方差。 3）相关系数 结论：矩阵共六行六列，显示了每股收益 （X1）、净资产收益率（X2）、总资产报酬 率（X3）、销售净利率（X4）、主营业务增 长率（X5）和净利润增长率（X6）之间的 相关系数。 每格中三行分别显示了相关系数、显著性 检验与样本个数。 4）矩阵散点图
第五章 聚类分析 判别分析和聚类分析有何区别 答：即根据一定的判别准则，判定一个样本归属于哪一类。具体而言，设有n 个样本，对每个样本测得p 项指标（变量）的数据，已知每个样本属于k 个类别（或总体）中的某一类，通过找出一个最优的划分，使得不同类别的样本尽可能地区别开，并判别该样本属于哪个总体。聚类分析是分析如何对样品（或变量）进行量化分类的问题。在聚类之前，我们并不知道总体，而是通过一次次的聚类，使相近的样品（或变量）聚合形成总体。通俗来讲，判别分析是在已知有多少类及是什么类的情况下进行分类，而聚类分析是在不知道类的情况下进行分类。 试述系统聚类的基本思想。 答：系统聚类的基本思想是：距离相近的样品（或变量）先聚成类，距离相远的后聚成类，过程一直进行下去，每个样品（或变量）总能聚到合适的类中。 对样品和变量进行聚类分析时， 所构造的统计量分别是什么简要说明为什么这样构造 答：对样品进行聚类分析时，用距离来测定样品之间的相似程度。因为我们把n 个样本看作p 维空间的n 个点。点之间的距离即可代表样品间的相似度。常用的距离为 （一）闵可夫斯基距离：1/1 ()() p q q ij ik jk k d q X X ==-∑ q 取不同值，分为 （1）绝对距离（1q =） 1 (1)p ij ik jk k d X X ==-∑ （2）欧氏距离（2q =） 21/2 1 (2)() p ij ik jk k d X X ==-∑ （3）切比雪夫距离（q =∞） 1()max ij ik jk k p d X X ≤≤∞=- （二）马氏距离 （三）兰氏距离 对变量的相似性，我们更多地要了解变量的变化趋势或变化方向，因此用相关性进行衡量。 将变量看作p 维空间的向量，一般用 2 1()()()ij i j i j d M -'=--X X ΣX X 11()p ik jk ij k ik jk X X d L p X X =-=+∑
多元统计分析课程设计 题目：《因子分析在环境污染方面的应用》 姓名：王厅厅 专业班级：统计学2014级2班 学院：数学与系统科学学院 时间：2016年1月 3 日
目录 1.摘要: (1) 2.引言： (1) 2.1背景 (1) 2.2问题的研究意义 (1) 2.3方法介绍 (2) 3.实证分析 (10) 3.1指标 (10) 3.2原始数据 (10) 3.3数据来源 (13) 3.4分析过程： (13) 4.结论及建议 (25) 5.参考文献 (26)
1.摘要: 中国的环境问题，由于中国政府对环境问题的关注，环境法律日趋完善，执法力度加大，对环境污染治理的投人逐年有较大幅度的增加，中国环境问题已朝着好的方面发展。但是，仍存在着环境问题，主要体现在环境污染问题，其中主要为水污染和大气污染。 关键词：环境污染水污染大气污染因子分析 2.引言： 2.1背景： 我国的环境保护取得了明显的成就，部分地区环境质量有所改善。但是，从整体上看，我国的环境污染仍在加剧，环境质量还在恶化。大气二氧化硫含量居高不下，境质量呈恶化趋势，固体废弃物污染量大面广，噪声扰民严重，环境污染事故时有发生。据中国社会科学院公布的一项报告表明：中国环境污染的规模居世界前列。 2.2问题的研究意义： 为分析比较各地环境污染特点，利用因子分析对环境污染的各个指标进行降维处理并得到影响环境的内在因素，进一步对环境污染原因及治理措施进行分析，让更多的人认识到环境的重要性，准确把
握各地区环境治理方法以及针对不同地区制定不同的政策改善环境问题，这对综合治理环境问题具有重要意义。 2.3方法介绍 因子分析的意义：变量间的信息的高度重叠和高度相关会给统计方法的应用设置许多障碍。为解决此问题，最简单和最直接的解决方案是削减变量个数，但这必然会导致信息丢失和 信息不完全等问题的产生。为此人们希望探索一种更有效地解决方法，它既能大幅减少参与数据建模的变量个数，同时也不会造成信息的大量丢失。因子分析正是这样一种能够有效降低变量维数的分析方法。 因子分析的步骤： ·因子分析的前提条件：要求原有变量之间存在较强的相关关系。 ·因子提取：将原有变量综合成少数几个因子是因子分析的核心内容。 若存在随机向量)(),,(1p q F F F q ≤'= 及),,(1' =p εεε ，使 ??????????+????????????????????=??????????p q pq p q p F F a a a a X X εε 1111111 简记为ε+=AF X ，且 （1）q I F D F E ==)(,0)(（标准化）； （2） ?? ? ?? ?????==221)(,0)(p D E σσεε （中心化）；
多元统计分析中的应用研究 , 摘要：许多实际问题往往需要对数据进行统计分析，建立合适的统计模型，过去一般采用SAS 、SPSS软件分析，本文给出 Matlab软件在多元统计分析上的应用, 主要介绍Matlab 在聚类分析、判别分析、主成份分析上的应用,文中均给以实例, 结果令人满意。 关键词：Matlab软件；聚类分析；主成份分析 Research for application of Multivariate Statistical Analysis Abstract:Many practice question sometimes need Statistical Analysis to data.,and establish appropriate Statistical model SAS and SPSS software were commonly used in foretime ,this paper give the application of Matlab software in Multivariate Statistical Analysis,mostly introduce the application of Matlab software in priciple component analysis and cluster analysis and differentiate analysis.The example are given in writing and the result are satisfaction. Key words: Matlab software; cluster analysis; priciple component analysis 0 引言 许多实际问题往往需要对数据进行多元统计分析, 建立合适的模型, 在多元统计分析方面, 常用的软件有SAS 、SPSS 、S-PLUS等。我们在这里给出Matlab在多元统计分析上的应用, 在较早的版本中, 统计功能不那么强大, 而在Matlab6.x版本中, 仅在统计工具中的功能函数就达200多个, 功能已足以赶超任何其他专用的统计软件,在应用上Matlab具有其他软件不可比拟的操作简单,接口方便, 扩充能力强等优势, 再加上Matlab的应用范围广泛, 因此可以预见其在统计应用上越来越占有极其重要的地位，下面用实例给出Matlab 在聚类分析、主成份分析上的应用。 1 聚类分析 聚类分析法是一门多元统计分类法，其目的是把分类对象按一定规则分成若干类，所分成的类是根据数据本身的特征确定的。聚类分析法根据变量（或样品或指标）的属性或特征的相似性，用数学方法把他们逐步地划类，最后得到一个能反映样品之间或指标之间亲疏关系的客观分类系统图，称为谱系聚类图。 聚类分析的步骤有：数据变换，计算ｎ个样品的两两间的距离，先分为一类，在剩下的ｎ－１个样品计算距离，按照不同距离最小的原则，增加分类的个数，减少所需要分类的样品的个数，循环进行下去，直到类的总个数为１时止。根
6-10 今有6个铅弹头，用“中子活化”方法测得7种微量元素的含量数据（见表1）。 (1) 试用多种系统聚类法对6个弹头进行分类；并比较分类结果； (2) 试用多种方法对7种微量元素进行分类。 问题求解 1对6个弹头进行分类 对数据进行标准化变换，样品间距离定义为欧式距离，系统聚类的方法分别使用类平均法（A VE ）、中间距离法（MID ）、可变类平均法（FLE ）和离差平方合法（WARD ）。使用SAS 软件CLUSTER 过程对数据进行聚类分析（程序见附录1）。 1.1类平均法 图1 类平均聚类法相关矩阵特征值图 图2 类平均聚类分析法聚类历史图 由图2可知，NCL=1时半偏R 2最大且伪F 统计量在NCL=2,5时和伪t 方统计量在NCL=1,4时较大。因此，将6个弹头分为两类{}{}(2) (2) 121,2,4,6,3,5G G ==。SAS 绘制的谱系聚类图如图 3所示。
图3 类平均聚类分析法谱系聚类图 1.2中间距离法 图4 中间距离聚类法相关矩阵特征值图 图5 中间距离聚类法聚类历史图 由图5可知，中间距离法与类平均法结果一致。因此，也将6个弹头分为两类 {}{}(2)(2) 121,2,4,6,3,5G G ==。 SAS 绘制的谱系聚类图如图6所示。
图6中间距离聚类法谱系聚类图 1.3可变类平均法 图7可变类平均聚类法分析结果图 图8 可变类平均聚类法聚类历史图 由图8可知，可变类平均法(=0.25 β-)输出结果与前两种方法稍有不同，NCL=1时半偏R2最大且伪F统计量在NCL=2时次大，NCL=5时最大；而伪t方统计量在NCL=1时最大。因此，分
应用多元统计分析 课程报告 班级专业:_ 市调0901 _ 学号: 2009***** __ 姓名:__ CYQ _____ 成绩:______________ 2010年10月7日
我国部分城市主要经济指标统计 ——官方与民间数据差异分析 一、引言 经济指标是反映一定社会经济现象数量方面的名称及其数值。本题主要经济指标包括人均GDP 1x （元）、人均工业产值2x （元）、客运总量3x （万人）、货运总量4x （万吨）、5x （亿元）、固定资产投资总额6x （亿元）、在岗职工占总人口的比例7x （％）、在岗职工人均工资额8x （元）、城乡居民年底储蓄余额9x （亿元）。所以我们借助这一指标体系对我国部分城市的主要经济指标进行分析。 二、数据分析 过程 1. 在SPSS 窗口中选择Analyze→Classify→Hierachical Cluster ，调出系统聚类分析主界面，并将变量X 1～X 5移入Variables 框中。在Cluster 栏中选择Cases 单选按钮，即对样品进行聚类（若选择Variables ，则对变量进行聚类）。在Display 栏中选择Statistics 和Plots 复选框，这样在结果输出窗口中可以同时得到聚类结果统计量和统计图。
2. 点击Statistics按钮，设置在结果输出窗口中给出的聚类分析统计 量。这里我们选择系统默认值，点击Continue按钮，返回主界面。 3. 点击Plots按钮，设置结果输出窗口中给出的聚类分析统计图。选 中Dendrogram复选框和Icicle栏中的None单选按钮，即只给出聚类树形图，而不给出冰柱图。单击Continue按钮，返回主界面。 4. 点击Method按钮，设置系统聚类的方法选项。这里我们仍然均沿 用系统默认选项。单击Continue按钮，返回主界面。 5. 点击Save按钮，指定保存在数据文件中的用于表明聚类结果的新 变量。None表示不保存任何新变量；Single solution表示生成一
多元统计分析对应分析
学生实验报告 学院：统计学院 课程名称：多元统计分析 专业班级：统计123班 姓名：叶常青 学号： 0124253
学生实验报告 学生姓名叶常青学号0124253 同组人 实验项目对应分析的上机操作 □必修□选修□演示性实验□验证性实验□操作性实验□综合性实验实验地点实验仪器台号 指导教师李燕辉实验日期及节次 一、实验目的及要求： 目的熟悉和掌握对应分析的原理和上机操作方法 内容及要求本次操作就父母与孩子的受教
育程度的关系进行对应分析，分别对父亲与孩子和母亲与孩子的受教育程度做对应分析，最后再对输出结果进行详细的分析。 二、仪器用具： 仪器名称 规格/型号 数 量 备注 计算机 1 有网络环境 SPSS 软件 1 三、实验方法与步骤: 打开GSS93 subset .sav 数据,对变量Degree 与变量padeg 和madeg 进行对应分析,依次选择 分析→降维 …进入 对应分析 对话框，进行进行如下设置， 便可输出想要的数据的：
四、实验结果与数据处理： 按照上述方法和步骤得出以下输出结果. 对父亲受教育程度与孩子受教育程度的关系进行分析如下： 表1 对应表 Father' s Highest Degree R's Highest Degree Le ss than HS Hi gh school Jun ior college B achel or G radua te 有 效边 际 LT High School 15 6 30 8 29 4 5 2 5 5 63
High School 27 24 8 34 7 9 3 7 4 25 Junior College 1 11 2 8 3 2 5 Bachelo r 6 43 7 4 7 1 8 1 21 Graduat e 3 22 3 2 7 1 6 7 1 有效边际 19 3 63 2 75 2 06 9 9 1 205 表2 摘要 维数奇 异值 惯 量 卡 方 S ig. 惯量 比例 置信 奇异值 解 释 累 积 标 准差 相 关 2 1 . 400 . 160 . 846 . 846 . 025 . 256 2 . 164 . 027 . 142 . 988 . 026
多元统计分析重点宿舍版 第一讲：多元统计方法及应用；多元统计方法分类（按变量、模型、因变量等） 多元统计分析应用 选择题：①数据或结构性简化运用的方法有：多元回归分析，聚类分析，主成分分析，因子分析 ②分类和组合运用的方法有：判别分析，聚类分析，主成分分析 ③变量之间的相关关系运用的方法有：多元回归，主成分分析，因子分析， ④预测与决策运用的方法有：多元回归，判别分析，聚类分析 ⑤横贯数据：{因果模型(因变量数)：多元回归，判别分析相依模型(变量测度)：因子分析，聚类分析 多元统计分析方法 选择题：①多元统计方法的分类：1）按测量数据的来源分为：横贯数据（同一时间不同案例的观测数据），纵观数据（同样案例在不同时间的多次观测数据） 2）按变量的测度等级（数据类型）分为：类别（非测量型）变量，数值型（测量型）变量 3）按分析模型的属性分为：因果模型，相依模型 4）按模型中因变量的数量分为：单因变量模型，多因变量模型，多层因果模型 第二讲：计算均值、协差阵、相关阵；相互独立性 第三讲：主成分定义、应用及基本思想，主成分性质，主成分分析步骤 主成分定义：何谓主成分分析 就是将原来的多个指标（变量）线性组合成几个新的相互无关的综合指标（主成分），并使新的综合指标尽可能多地反映原来的指标信息。 主成分分析的应用 ：（1）数据的压缩、结构的简化；（2）样品的综合评价，排序 主成分分析概述——思想：①（1）把给定的一组变量X1,X2,…XP ,通过线性变换，转换为一组不相关的变量Y1，Y2，…YP 。（2）在这种变换中，保持变量的总方差（X1，X2，…Xp 的方差之和）不变，同时，使Y1具有最大方差，称为第一主成分；Y2具有次大方差，称为第二主成分。依次类推，原来有P 个变量，就可以转换出P 个主
实验报告 一、实验名称 多元统计分析作业题。 二、实验目的 （一）了解并掌握主成分分析与因子分析的基本原理和简单解法。 （二）学会使用matlab编写程序进行因子分析，求得特征值、特征向量、载荷矩阵等值。（三）学会使用排序、元胞数组、图像表示最后的结果，使结果更加直观。 三、实验内容与要求
四、实验原理与步骤 （一）第一题： 1、实验原理： 因子分析简介： (1) 1.1 基本因子分析模型 设p维总体x=(x1,x2,....,xp)'的均值为u=(u1,u2,....,u3)'，因子分析的一般模型为 x1=u1+a11f1+a12f2+........+a1mfm+ε 1 x2=u2+a21f1+a22f2+........+a2mfm+ε 2 ......... xp=up+ap1f1+fp2f2+..........+apmfm+εp 其中，f1,f2,.....,fm为m个公共因子；εi是变量xi(i=1,2,.....,p)所独有的特殊因子，他们都是不可观测的隐变量。称aij(i=1,2,.....,p;j=1,2,.....,m)为变量xi的公共因子fi上的载荷，它反映了公共因子对变量的重要程度，对解释公共因子具有重要的作用。上式可以写为矩阵形式 x=u+Af+ε
其中A=(aij)pxm 称为因子载荷矩阵；f=(f1,f2,....,fm)'为公共因子向量；ε=(ε1,ε2,.....εp)称为特殊因子向量 (2) 1.2 共性方差与特殊方差 xi的方差var(xi)由两部分组成，一个是公共因子对xi方差的贡献，称为共性方差；一个是特殊因子对xi方差的贡献，称为特殊方差。每个原始变量的方差都被分成了共性方差和特殊方差两部分。 (3) 1.3 因子旋转 因子分析的主要目的是对公共因子给出符合实际意义的合理解释，解释的依据就是因子载荷阵的个列元素的取值。当因子载荷阵某一列上各元素的绝对值差距较大时，并且绝对值大的元素较少时，则该公共因子就易于解释，反之，公共因子的解释就比较困难。此时可以考虑对因子和因子载荷进行旋转（例如正交旋转），使得旋转后的因子载荷阵的各列元素的绝对值尽可能量两极分化，这样就使得因子的解释变得容易。 因子旋转方法有正交旋转和斜交旋转两种，这里只介绍一种普遍使用的正交旋转法：最大方差旋转。这种旋转方法的目的是使因子载荷阵每列上的各元素的绝对值（或平方值）尽可能地向两极分化，即少数元素的绝对值（或平方值）取尽可能大的值，而其他元素尽量接近于0. (4) 1.4 因子得分 在对公共因子做出合理解释后，有时还需要求出各观测所对应的各个公共因子的得分，就比如我们知道某个女孩是一个美女，可能很多人更关心该给她的脸蛋、身材等各打多少分，常用的求因子得分的方法有加权最小二乘法和回归法。 注意：因子载荷矩阵和得分矩阵的区别： 因子载荷矩阵是各个原始变量的因子表达式的系数，表达提取的公因子对原始变量的影响程度。因子得分矩阵表示各项指标变量与提取的公因子之间的关系，在某一公因子上得分高，表明该指标与该公因子之间关系越密切。简单说，通过因子载荷矩阵可以得到原始指标变量的线性组合，如X1=a11*F1+a12*F2+a13*F3,其中X1为指标变量1，a11、a12、a13分别为与变量X1在同一行的因子载荷，F1、F2、F3分别为提取的公因子；通过因子得分矩阵可以得到公因子的线性组合，如F1=a11*X1+a21*X2+a31*X3，字母代表的意义同上。 (5) 1.5 因子分析中的Heywood（海伍德）现象 如果x的各个分量都已经标准化了，则其方差=1。即共性方差与特殊方差的和为1。也就是说共性方差与特殊方差均大于0，并且小于1。但在实际进行参数估计的时候，共性方差
主成分分析 6.1 试述主成分分析的基本思想。 答：我们处理的问题多是多指标变量问题，由于多个变量之间往往存在着一定程度的相关性，人们希望能通过线性组合的方式从这些指标中尽可能快的提取信息。当第一个组合不能提取止。这就是主成分分析的基本思想。 6.2 主成分分析的作用体现在何处？ 答：一般说来，在主成分分析适用的场合，用较少的主成分就可以得到较多的信息量。以各个主成分为分量，就得到一个更低维的随机向量；主成分分析的作用就是在降低数据“维数” 6.3 简述主成分分析中累积贡献率的具体含义。 答：主成分分析把p 个原始变量12,, ,p X X X 的总方差()tr Σ分解成了p 个相互独立的变量p 个主成分的，忽略 一些带有较小方差的主成分将不会给总方差带来太大的影响。这里我们()m p <个主成分，则称1 1 p m m k k k k ψλλ ===∑∑ 为主成分1, ,m Y Y 的累计贡献率，累计贡献率表明1,,m Y Y 综合12,, ,p X X X 的能力。通常取m ，使得累计贡 献率达到一个较高的百分数（如85％以上）。 答：这个说法是正确的。 即原变量方差之和等于新的变量的方差之和 6.5 试述根据协差阵进行主成分分析和根据相关阵进行主成分分析的区别。 答：从相关阵求得的主成分与协差阵求得的主成分一般情况是不相同的。从协方差矩阵出发的，其结果受变量单位的影响。主成分倾向于多归纳方差大的变量的信息，对于方差小的变量就可能体现得不够，也存在“大数吃小数”的问题。实际表明，这种差异有时很大。我 6.6 已知X =()’的协差阵为 试进行主成分分析。 解：=0 计算得 当 时 ，
多远统计上机作业 指标的原始数据取自《中国统计年鉴， 1995》和《中国教育统计年鉴， 1995》除以各地区相应的人口数得到十项指标值见表 1。其中： X1 X2 X3 X4 X5 X6:为每百万人口高等院校数； :为每十万人口高等院校毕业生数； :为每十万人口高等院校招生数； :为每十万人口高等院校在校生数； :为每十万人口高等院校教职工数； :为每十万人口高等院校专职教师数； X7: 为高级职称占专职教师的比例; X8 :为平均每所高等院校的在校生数； X9 :为国家财政预算内普通高教经费占 国内生产总值的比重； X10: 为生均教育经费。 表 1 我国各地区普通高等教育发展状况数据 地区X1X2X3X4X5X6X7X8X9X10北京 5.96310461155793131944.362615 2.2013631上海 3.39234308103549816135.023052.9012665天津 2.3515722971329510938.403031.869385陕西 1.35811113641505830.452699 1.227881辽宁 1.50881284211445834.302808.547733吉林 1.67861203701535833.532215.767480黑龙江 1.1763932961174435.222528.588570湖北 1.0567922971154332.892835.667262江苏.9564942871023931.543008.397786广东.693971205612434.502988.3711355四川.564057177612332.623149.557693山东.575864181572232.953202.286805甘肃.714262190662628.132657.737282湖南.744261194612433.062618.476477浙江.864271204662629.942363.257704新疆 1.2947732651144625.932060.375719福建 1.045371218632629.012099.297106山西.855365218763025.632555.435580河北.814366188612329.822313.315704安徽.593547146462032.832488.335628云南.663640130441928.551974.489106江西.774363194672328.812515.344085海南.703351165471827.342344.287928内蒙古.844348171652927.652032.325581西藏 1.692645137753312.10810 1.0014199河南.553246130441728.412341.305714广西.602843129391731.932146.245139宁夏 1.394862208773422.701500.425377贵州.64233293371628.121469.345415青海 1.483846151633017.871024.387368