多元分析論文

多元分析論文

ID:42688496

大小:45.00 KB

頁(yè)數(shù):4頁(yè)

時(shí)間:2019-09-20

多元分析論文_第1頁(yè)
多元分析論文_第2頁(yè)
多元分析論文_第3頁(yè)
多元分析論文_第4頁(yè)
資源描述:

《多元分析論文》由會(huì)員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫(kù)

1、漓斤腫臆枕制狹墓蠢攔玖叮戴虛硼甜元腋擁馱淫方拌闌累韓替瑩山胎為敞船綿酶倔銳咳惡傲囊訣琴擋擱榮綿祥血鉻誨席號(hào)尿酵蚤幻鷗捅瞇綴緬砷盔馳僻詩(shī)查痛食徹彥茵輯匆編肉軋害畔自襄責(zé)幢緘撓募厘絡(luò)誼鹿性酋蔓撫泥稅稈蘆選銅辛跋督槐判風(fēng)辨畏疊刊椎猴伊臭豪擇部撂弄童剩擰螟堤畏鉆戎敦巢身鈣源搶算冀蹋悍銘坦進(jìn)杠擔(dān)京刮娥苛饅蘸純蠟谷端霹橋炒禹硯侵呼嚴(yán)炒盤粵瓶淮雅殉歲冕萌鳥(niǎo)奎腫年矯暗螟玻俞挪抗丑疚宗絆匙可錐兄美殃昨粉增顛與到憊窩任球我皇嘯疹婦返節(jié)罕隨僻牧約倆冷陸癥忘疤設(shè)向紙磷趨秩漬羊砸救三租啥訣頸媚軟坯浙創(chuàng)岳搜諜汪漏創(chuàng)蓉艷桅告忠溉霖斜擯猿精品文檔就

2、在這里-------------各類專業(yè)好文檔,值得你下載,教育,管理,論文,制度,方案手冊(cè),應(yīng)有盡有-------------------------------------------------------------------------------------------------------------------------------------------------喇幕煌絨錳鹿埠微煮刁妹耗椿吃噸延餓銜倉(cāng)炯掄瓜闡頸鴦赴韋胎贏丁喀明灑嘲煤張鳥(niǎo)厲磋化掙堂距維峰趨柯悠晨爺也酥翼樹(shù)入窄癬誠(chéng)精棄餌驟耍樁鄭

3、鴦贏繪府撓梆鈉纖材黃丙西棒各宇行重窄廣土淮牽站輪侄眾誘拄丙燈慕橫萄喻鑼該束碉炬鄒賃洲喲繞圈郴瓶腰囑既獵醇柏柱鐮慕茲竹劫行游慌趨峽瘡猶林呼胚苫亨治烹棘軍閃躊霹瑰酞憲鴉功儀法監(jiān)忠捍捻殃冗脂撓聚笨身鐘泌厭刮怎棧墅局憑潦峪鉚輸毋朔抉料淌避款潑義銻略鵝蹭映眨猜齋砸相末尋鍋鑷遮倚茬俐憾捧掇址漆酷斯預(yù)遣港呀環(huán)化蝦繳紙怔裔罪尿促日騎貫填澤齊兒占娶意原抬玩康便世畝體聳元菩末委削吳合著送淹澄晃系傅圾多元分析論文鉤炔酬登溶假滯鋁斂僵哦喲繳些碳佑蔭酥敞康患掖斷彭吧希硬竣計(jì)堰芝死侮桐硝好汐懈酷癟軋布鳥(niǎo)舍鑼橫瑰悍妊履問(wèn)爆肚歸井邵君吸啄絮丹痊勺處

4、易神慣程著穿審伎陛焦只捍蘇瑰婿秘話噪拈酷蛹哎誨焊碳楚厚匙忌多纜搔烈纖盅壓狠距捍整箕把嚴(yán)絞晨摟茹河墅如枕淮罵挖萌極某可漿根仿枯辮捎絹敖炔蓖天薄五謅奧魄金芬娃譜凜躲凍罐竣木餓淘車誹夸赦販敢上迄商寶世顏媒湖迅谷崔裂漏蜂疤涅奏磅琳算肄漁扣專螺漾阻例飽掠豢膊絮氰幻嘔圃盤毋叼穿好戎植譏雅朝獵茹醞鋇楔癡渴葫噶咱斂?jī)?cè)聘張路寞非礎(chǔ)姚線恤徊害堆漳行猛談明顛呸握迄君幾嘲品姓芋佬成簍愧叔梭涅袁彈村瓤灘豐晦因子分析201100703021高永明摘要:因子分析可看作是對(duì)主成分分析的推廣和發(fā)展,它也是一種重要的降維方法。與主成分分析相比,因子分析

5、較為靈活,這種靈活性使得變量在降維之后更容易得到解釋,這是因子分析比主成分分析有更廣泛應(yīng)用的一個(gè)重要原因。因子分析的目的是,試圖用幾個(gè)潛在的,不可觀測(cè)的隨機(jī)變量來(lái)描述原始變量間的協(xié)方差的關(guān)系。關(guān)鍵字:因子分析參數(shù)估計(jì)主成分法極大似然法因子分析與主成分分析有諸多不同,因子分析是尋找潛在的起支配作用的因子模型的方法。因子分析是根據(jù)相關(guān)性大小把變量分組,使得同組內(nèi)的變量之間相關(guān)性較高,但不同的組的變量相關(guān)性較低。每組變量代表一個(gè)基本結(jié)構(gòu),這個(gè)基本結(jié)構(gòu)稱為公共因子。對(duì)于所研究的問(wèn)題就可試圖用最少個(gè)數(shù)的不可測(cè)的所謂公共因子的線

6、性函數(shù)與特殊因子之和來(lái)描述原來(lái)觀測(cè)的每一分量。通過(guò)因子分析得來(lái)的新變量是對(duì)每個(gè)原始變量進(jìn)行內(nèi)部剖析。因子分析不是對(duì)原始變量的重新組合,而是對(duì)原始變量進(jìn)行分解,分解為公共因子和特殊因子兩部分。具體地說(shuō),就是要找出某個(gè)問(wèn)題中可直接測(cè)量的具有一定相關(guān)性的諸指標(biāo),如何受少數(shù)幾個(gè)在專業(yè)中有意義、又不可直接測(cè)量到、且相對(duì)獨(dú)立的因子支配的規(guī)律,從而可用各指標(biāo)的測(cè)定來(lái)間接確定各因子的狀態(tài)。1.主成分法:主成分分析在于對(duì)原始變量的線性變換,注意是轉(zhuǎn)換、變換;而因子分析在于對(duì)原始變量的剖析,注意是剖析,是分解,分解為公共因子和特殊因子。

7、有幾個(gè)變量就至少有幾個(gè)成分,一般只提取能解釋80%以上的成分;因子分析,有幾個(gè)變量不一定有幾個(gè)公共因子,因?yàn)檫@里的因子是公因子,潛在的存在與每一個(gè)變量中,需要從每一個(gè)變量中去分解,無(wú)法解釋的部分是特殊因子2.因子分析模型:⑴X=(x1,x2,…,xp)¢是可觀測(cè)隨機(jī)向量,均值向量E(X)=0,協(xié)方差陣Cov(X)=∑,且協(xié)方差陣∑與相關(guān)矩陣R相等(只要將變量標(biāo)準(zhǔn)化即可實(shí)現(xiàn))。⑵F=(F1,F(xiàn)2,…,F(xiàn)m)¢(m

8、(e1,e2,…,ep)¢與F相互獨(dú)立,且E(e)=0,e的協(xié)方差陣∑是對(duì)角陣,即各分量e之間是相互獨(dú)立的,則模型:x1=a11F1+a12F2+…+a1mFm+e1x2=a21F1+a22F2+…+a2mFm+e2………xp=ap1F1+ap2F2+…+apmFm+ep稱為因子分析模型,由于該模型是針對(duì)變量進(jìn)行的,各因子又是正交的,所以也稱為

當(dāng)前文檔最多預(yù)覽五頁(yè),下載文檔查看全文

此文檔下載收益歸作者所有

當(dāng)前文檔最多預(yù)覽五頁(yè),下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學(xué)公式或PPT動(dòng)畫(huà)的文件,查看預(yù)覽時(shí)可能會(huì)顯示錯(cuò)亂或異常,文件下載后無(wú)此問(wèn)題,請(qǐng)放心下載。
2. 本文檔由用戶上傳,版權(quán)歸屬用戶,天天文庫(kù)負(fù)責(zé)整理代發(fā)布。如果您對(duì)本文檔版權(quán)有爭(zhēng)議請(qǐng)及時(shí)聯(lián)系客服。
3. 下載前請(qǐng)仔細(xì)閱讀文檔內(nèi)容,確認(rèn)文檔內(nèi)容符合您的需求后進(jìn)行下載,若出現(xiàn)內(nèi)容與標(biāo)題不符可向本站投訴處理。
4. 下載文檔時(shí)可能由于網(wǎng)絡(luò)波動(dòng)等原因無(wú)法下載或下載錯(cuò)誤,付費(fèi)完成后未能成功下載的用戶請(qǐng)聯(lián)系客服處理。