多元统计方法在公司招聘中的应用

多元统计分析是通过对多个随机变量观测数据的分析,来研究变量之间的相互关系以及揭示这些变量统计规律的科学。多元统计分析方法包括多元数据图表示法、聚类分析、判别分析、主成分分析、因子分析、对应分析、多重多元回归分析、典型相关分析、路径分析、多维标度法等。本文主     

用因子分析法评价我国交通运输业发展总体状况

交通运输业对国民经济的发展有着重要推动作用。研究交通运输业的发展状况,用因子分析法分析其发展变化的原因,具有重要意义。一、因子分析的基本思想 因子分析(Factor Analysis)是主成分分析的推广,它是从研究相关矩阵内部的依赖关系出发,把一些具有错综复杂关系的变量归结为少数几个综合因子的一种多变量统计分析方法。     

用非线性化的方法对主成分分析法的改进

在用统计方法研究多变量问题时,变量太多会增大计算量和增加分析问题的复杂性,人们自然希望在进行定量分析的过程中涉及的变量较少而得到的信息量较多,主成分分析是解决这一问题的理想工具.因为分析具体问题所涉及的众多变量之间既然有一定的相关性,就必然存在着起支配作用的共同因素,根据这一点,通过对原始变量相关矩阵内部结构关系的研究,找出影响具体问题的几个综合指标,使综合指标为原来变量的线性综合,综合指标不仅保留了原始变量的主要信息,彼此之间又不相关,又比原始变量具有某些更优越的性质,使得在研究复杂的经济问题时容易抓住主要矛盾.     

2008年中国31个省(市)环境质量的测度与评价

环境质量的评价涉及的范围不同、评价的角度和评价的目的不同,从而应采用不同的评价方法。因子分析法是通过研究多个指标相关矩阵的内部依赖关系,找出控制所有变量的少数公因子,将每个指标变量表示成公因子的线性组合,以体现原始变量与因子之间     

主成分分析与因子分析在实践应用中的辨析

在社会经济实证问题研究中。为全面、系统地分析问题,通常要考虑众多对某经济过程有影响的因素,而太多的因素变量会增大计算工作量和增加分析问题的复杂性。但是盲目的减少指标会损失很多信息,容易产生错误的结论。主成分分析是研究如何通过少数几个主成分来解释多变量的方差—协方差结构的分析方法,也就是求出少数几个主成分,使它们尽可能多地保     

信用风险的GLMMs建模分析

如何精确计量信用风险一直是理论界和实务部门的难点和热点问题.本文使用广义线性混合模型对信用风险进行建模分析,将影响违约概率的可观测因素和不可观测因素分别用固定效应和随机效应表示,根据需要随机效应可扩展为多个因子.研究表明,模型具有较好的延展性,宏观经济变量作为可观测变量无法全部解释违约率的异质性,随机效应可以更好地捕捉违约率的异质性,行业因素对违约概率的影响比宏观经济变量显著.     

基于灰系统主成分的话题趋势预测模型

话题趋势预测影响因素众多,为了降低因影响因素多带来的计算复杂度,文章中利用主成分分析将多个可能相关的变量化为几个互不相关的主成分变量,并对这些不相关的变量运用GM(1,1)模型分别进行预测,并将预测之值代入GM(1,N)预测模型中,从而得到灰系统主成分话题预测模型,有效降低了热门话题预测的复杂度,最后实证了方法的可行性。     

基于波动相关性及主分量变换的多元线性回归模型研究

文章针对多元线性回归模型提出了一种建立在主分量变换基础上的方法。该方法通过因变量与各个变量间对应的波动量建立相关性矩阵,以此来获得多元相关性分布状态;通过主分量变换获得具有最大相关性的主分量;最后按照主分量矩阵与各相关矩阵的距离及最小二乘估计确定回归系数。该算法建立在波动相关性分析基础上,反映了系统内相关要素之间的统计确定性,且建立在相关性统计上的主分量变换能够消除共线性问题对回归系数的影响,增加了最小二乘估计方法的可靠性。     

两个潜变量的PLS算法模拟数据分析

文章根据结构方程模型(SEM)数学定义和偏最小二乘法(PLS)形式规范,构建具有两个潜变量的路径模型。在潜变量因子值和模型系数假设已知情况下,生成仿真观测数据。通过对PLS算法处理结果与假设数据之间偏差比较,分析PLS算法特性,结果发现:潜变量模式选择影响测量模型系数;结构模型系数比假设值偏小而测量模型系数比假设值偏大。根据该算法特性可以优化模型,以获得更好的模型解释与预测能力。     

中国西部10省(市)区旅游资源综合实力评价

本文选取具有代表性的15个与旅游业相关的具体评价指标作为我国西部10省(市)区的旅游资源综合实力评价的原始指标,运用因子多变量统计分析法对15个指标数据进行因子分析处理,采取主成分分析法提取公因子,并采取正交旋转,得出规模、客源、交通、经济4个公因子作为评价我国西部10个省(市)区的旅游资源综合实力的综合变量。     

顺序主成份分析--多元数据排序问题探讨

对于顺序变量,用最大方差的线性组合来定义主成份就会显得没有意义了.基于此,本文利用了所谓的顺序主成份分析(OPCA,它是主成份分析的一种典型扩展,可适用于顺序变量甚至虚拟变量),以我国35个主要城市的综合经济实力的排序为例,探讨了多元数据的排序问题.     

税收收入模型预测精度的比较

文章建立了四个预测税收收入的有效模型,利用1985～2004年的样本数据进行实证分析。结果表明:半对数模型预测税收收入偏差较大;当把经济因素作为外生变量引入自回归模型时,模型预测精度也较差;如果把政策因素这一外生虚拟变量加入自回归模型,模型预测精度明显提高;而采用主成分分析法消除了多个经济因素之间的复共线性以后,建立的对数线性回归模型预测精度较高,适合用来预测税收收入。     

基于主元分析的多元指标综合评价方法研究

评价系统通常是一个多个变量系统,由于影响评价对象水平的因素往往较复杂,使得指标变量维数较高、相关性强,而这些指标在特定领域的评价中具有不同意义.文章从数据降维的视角研究了多元指标综合评价方法,采用主元分析法将多维度的指标变量转换到新的低维空间,对原始变量构建线性组合模型以综合分析评价对象的优劣情况,得到最终决策得分.这对样本中评价指标较多时的关键评价要素挖掘具有一定的启示.     

基于多重多元回归的多目标影响因素效应比较及应用——以企业经营活动分析为例

企业运营管理活动的结果可能表现在多个方面,这些结果的产生会受到若干个因素的影响。影响因素及其组合对企业运营管理结果的作用效果是否存在差异,从计量角度加以测算分析,有助于企业资源的合理配置和利用。运用统计回归分析的基本原理,讨论了多个影响因素及其组合对企业经营多个目标回归效应差异问题,包括:不同组解释变量对同一被解释变量回归效应的比较,同一组解释变量对不同被解释变量回归效应的比较,不同组解释变量对所有被解释变量回归效应的比较,并结合事实数据进行了应用说明。     

运用因子载荷阵分组变量的新主成分法及其应用

文章提出了R型-因子分析法有得分函数与命名不一致且不符合实际、正交因子间完全线性无关、综合得分函数难分重要因子的变量、片面以信息量衡量各因子相对重要性等缺陷,提出运用因子载荷阵分组变量的新主成分法,并以我国区域产业素质水平为例,得到综合变量命名清晰,得分函数意义清晰并与命名一致,得分值更具实际意义,变量系数可检验指标体系和考察各变量相对重要性,此法可找重要综合因素,从中发现和解决问题等结论。     

农村居民生活消费支出结构及其影响因素的典型相关分析

典型相关分析由Hoteling于1936年首先提出，用于对两组变量的相关关系的描述，其基本思想是利用主成份的思想，把多个变量与多个变量之间的相关化为两个变量之间的相关关系。即找一组数X=(X1,…Xp）′和Y＝（Y1，…Yq）′，使得新变量：Z=a1X1＋…apXp＝a1X与W=b1Y1+…bqYq=b^1Y之间有最大可能的相关系数。这个方法称为典型相关分析。     

高新技术企业R&D的绩效评价

为有效地对R&D绩效进行测度,必然要对反映R&D本身的多个指标变量进行大量观测并收集大量的有关数据.     

独立总体均值多重比较方法之新探

多个独立总体的均值多重比较是统计假设检验的一项重要内容.文章从虚拟变量回归的角度对此进行了考察,借助于其能够处理定性因素的特点,设计了一种新的方法来进行多个独立总体的均值的多重比较.首先阐述了虚拟变量回归替代单因素方差分析F检验的背景思路;然后从数学上论证了虚拟变量回归与单因素方差分析的等效性;接着阐述了虚拟变量回归进行均值比较的特点;最后提出了基于虚拟变量回归的进行多个独立总体的均值多重比较的方法.     

多维尺度法在服务质量评价中的应用

1多维尺度法原理多维尺度法穴M ultidim ensional Scaling熏简称M DS雪处理的一般是表示事物之间的接近的观察数据,既可以是实际距离,也可以是主观评判的相似性。多维尺度法的目的是寻找决定多个事物的少数几个潜在变量,并在低维空间内以图形的形式表现出来,并用较少的变量对事     

主成分分析与因子分析的异同比较及应用

主成分分析法和因子分析法都是从变量的方差-协方差结构入手,在尽可能多地保留原始信息的基础上,用少数新变量来解释原始变量的多元统计分析方法。教学实践中,发现学生运用主成分分析法和因子分析法处理降维问题的认识不够清楚,本文针对性地从主成分分析法、因子分析法的基本思想、使用方法及统计量的分析等多角度进行比较,并辅以实例。