文档介绍：作者贾俊平
统计学
统计学 (第三版)
2008
2008年8月
模型选择是艺术,而不是科学。
——William Navidi
统计名言
假定你是一个公司的财务经理,掌握了公司的所有数据,比如固定资产、流动资金、每一笔借贷的数额和期限、各种税费、工资支出、原料消耗、产值、利润、折旧、职工人数、职工的分工和教育程度等等
如果让你向上面介绍公司状况,你能够把这些指标和数字都原封不动地摆出去吗?
答:当然不能
那怎么做呢?
你必须要把各个方面作出高度概括,用一两个指标简单明了地把情况说清楚
2008年8月
每个人都会遇到有很多变量的数据。
比如全国或各个地区的带有许多经济和社会变量的数据;各个学校的研究、教学等各种变量的数据等等。
这些数据的共同特点是变量很多,在如此多的变量之中,有很多是相关的。人们希望能够找出它们的少数“代表”来对它们进行描述。
主成分因子分析的目的
主成分因子分析的目的
两种把变量维数降低以便于描述、理解和分析的方法:
主成分分析/ponent analysis
因子分析/factor analysis
二者的关系:实际上主成分分析可以说是因子分析的一个特例。
2008年8月
主成分分析
主成分分析的基本原理
主成分分析的数学模型
主成分分析的步骤
第 11 章主成分分析和因子分析
主成分分析的基本原理
主成分分析
2008年8月
主成分的概念由Karl Pearson在1901年提出
考察多个变量间相关性一种多元统计方法
研究内容:如何通过少数几个主成分来解释多个变量间的内部结构。
即,从原始变量中导出少数几个主分量,使它们尽可能多地保留原始变量的信息,且彼此间互不相关
什么是主成分分析? (ponent analysis)