基于偏相关系数和平行检验的主成分抽取数量的确定方法

主成分抽取数量的确定是主成分分析中的关键问题。文章提出了一种新确定方法:首先基于原样本数据采用偏相关系数准则来确定主成分抽取的数量;然后基于再抽样样本数据来验证主成分数量模型的稳定性,并在SPSS环境下实现了该方法。实例应用表明该方法相比特征值大于1、Cattle Scree等准则,结果更客观、准确和稳定,可广泛应用于主成分分析、因子分析等相关研究中。     

主成分抽取数量确定的新方法

文章针对主成分抽取数量的确定提出了一种新方法,通过同时联立与原始样本数据吻合良好和与再抽样数据吻合良好两个约束条件来求解主成分数量,并在SPSS环境下实现了该方法.实例研究表明相比特征值大于1、Scree碎石、Velicer偏相关检验等准则,该方法所得结果更准确更泛化,可应用于主成分分析、因子分析和图像特征提取等相关研究中.     

对主成分分析综合评价方法若干问题的探讨

对主成分分析综合评价方法若干问题的探讨白雪梅,赵松山主成分分析法在社会经济统计分析中的应用越来越广泛,随之也产生了一些值得注意和研究的问题。本文对应用主成分分析进行综合评价时遇到的若干问题进行深入讨论。一、主成分分析与因子分析的联系与区别相当数量的应...     

基于复杂系统综合评价的二重主成分分析法

在分析主成分分析在权系数、降维效果等问题的基础上,提出了对复杂系统的综合评价首先要对指标体系分类的各个方面进行主成分分析,在得到各自方面的评价值后再进行主成分分析,最终得到综合评价值的二重主成分分析法.最后从理论和以上市公司经营业绩评价为例检验了这种方法的有效性.     

主成分分析应用中应注意的问题

主成分分析应用广泛,但有些使用者不能明确多元数据何时能降维,主成分个数如何确定更好,单独使用主成分分析何时更好,还常常混淆主成分系数与初始因子载荷系数等,以致于得不到合理的主成分分析结论,如一些多元统计分析的教材中,用协方差矩阵的主成分分析出现了类似问题.这里从相关性等理论与实证上,解决了这些问题,给出了合理的结论与相应建议.     

金融高维协方差阵的估计及其应用

文章克服了传统高维协方差阵估计方法的缺点,将主成分和门限方法相结合,提出了门限主成分正交补(TPO)估计量,该估计量主要通过前K个主成分来刻画高维协方差阵的信息,通过引入合适的门限函数来对矩阵的正交补进行稀疏估计,从而有效的降低了数据的维度并剔除了噪声的影响.模拟和实证研究发现:较严格的因子(SFM)模型而言,门限主成分正交补(TPO)模型明显提高了协方差阵的估计效率,并且将其应用在投资组合时,投资者获得了更高的收益和经济福利.     

改进型RBF神经网络在股票市场预测中的应用

在研究神经网络算法和主成分分析理论的基础上,针对股票市场的高度非线性特征,结合主成分分析预处理方法,对原始交易数据进行降维,减少数据规模,提出一种改进的RBF神经网络模型对股票市场进行预测.通过实验对比表明,文章提出的模型具有收敛速度快、预测准确度高等特点,应用前景较好.     

基于范数灰关联度的指标权重确定方法

综合评价是人类社会中一项经常性、极重要的认识活动,是决策中的基础性工作.进行评价主要是确定评价指标体系及指标权重,指标的权重直接影响评价结果.评价指标权重的确定方法目前有主观确定、客观确定以及主客观结合确定,主要方法有AHP法、主成分分析、熵值法、神经网络法和灰色理论中的群灰关联度法.本文将传统的灰关联理论与范数概念相结合来确定指标权重并进行综合评价.     

市场研究中的多维偏好分析方法

在市场研究中 ,多维偏好分析运用多元统计理论中的主成分分析方法对消费者的品牌偏好、细分市场和厂商的产品定位等问题作出数量预测。本文对该方法的基本思想和分析过程进行论述。并进行了实例验证     

湖北省城镇居民住房需求预测模型与实证

文章使用1995～2010年的湖北省宏观经济指标数据作为住房需求影响因素,分别应用BP神经网络和基于主成分分析的BP神经网络对湖北省城镇居民住房需求进行了预测和对比.研究表明基于主成分分析的BP神经网络可作为预测城镇居民住房需求的一种行之有效的方法.最后,提出了进一步研究的展望和建议.     

基于灰色关联理论的民航客运影响因素研究

民航客运系统与相关因素的分析通常有定性和定量两种研究方式.定性研究,主要是研究者根据历史资料的分析和对未来条件的研究,凭借主观经验和逻辑推理能力对其影响因素进行推测判断,但由于缺乏诸因素对其影响程度大小的必要研究,故而不能清晰地了解影响因素的主次;而定量研究,一般采用回归分析、方差分析、主成分分析等方法进行计算和分析其相关性,确定诸因素与其相关程度的大小,并根据所建立的主要因素和与其相关的回归方程对未来趋势进行预测.     

福建省中心城市综合实力评价与比较

一、评价方法的确定和指标体系的构建 经比较国内正探索研究的多种城市综合实力、城市竞争力的比较分析办法,我们选用多元分析中的主成分分析法,构建指标体系,对福建省中心城市的综合实力进行比较和评价.     

基于主成分聚类分析的低碳旅游景区评价方法

在全球气候危机下,发展旅游景区低碳经济是世界经济运行的方向.文章首先分析并构建了低碳旅游景区评价指标,接着将多元统计分析中的主成分分析和模糊聚类分析相结合,利用主成分分析对评价指标进行降维处理,并通过对主成分进行模糊聚类将待评价低碳旅游景区进行分类,并按照类间第一主成分均值来对类进行排序,对同一类内景区按照第一主成分大小排序实现类内排序,从而实现对整个低碳旅游景区的排序.最后实例分析了该方法的可行性和科学性.     

主成分分析法在财务预警实证研究中的应用

文章以西安电力集团公司为研究样本,通过对我国企业财务危机状况的实证研究,建立了企业财务预警模型。特别是采用统计方法中的主成分分析法,来确定影响因素中若干指标的权重,可避免人为赋值的弊端,客观的揭示企业在经营方面的问题。     

省域经济综合开放度的指标构建与测算

文章根据省域经济特点,提出省域对外开放分为国际开放和省际开放两个部分,包括商品贸易依存度、外商投资依存度等8个分项指标,采用主成分分析的方法确定各指标权重系数,并运用2001-2009年数据对重庆市的经济综合开放度进行了实证测算分析,得出结论：重庆市国际开放度低迷、省际开发放度活跃和综合开放度后发优势明显。     

主成分聚类分析法的案例教学方法

本文针对《多元统计分析》课程中主成分分析和聚类分析法的教学难点,采用案例教学法来解释主成分分析及聚类分析,并依据主成分得分对样品进行系统聚类。然后按照第一主成分的得分将样本再排序,与传统的综合得分的排序进行比较。     

基于主成分BP神经网络的油田产量预测研究

文章提出采用基于主成分的BP神经网络来对油田产量进行预测。主成分分析法用于将输入变量维度降低且互不相关;BP神经网络因其自组织、自学习的动力机制实现输入输出空间的非线性映射。以江汉油区为例的研究表明,该方法具备较高的预测精度,在复杂经济时间序列的预测中有一定的应用前景。     

基于Logistic的房地产上市公司经济效益风险评价研究

文章分析了影响房地产上市公司经济效益的风险因素.根据房地产经济效益风险指标建立原则,构建反映房地产上市公司经济效益的指标体系.运用主成分方法确定房地产上市公司经济效益风险主成分模型.在此基础之上,利用Logistic统计方法,对2009年房地产上市公司经济效益进行了风险评价,揭示出房地产上市公司经济效益存在的风险.     

企业内部控制信息披露质量评价模型的构建

文章运用主成分分析和BP神经网络方法,提出了用于衡量企业内部控制信息披露质量的主成分神经网络评价模型.运用主成分分析法对内部控制信息披露质量的系列指标进行降维,选出衡量内控信息披露质量的关键输入指标,并在此基础上运用BP神经网络算法,构建内部控制信息披露质量的主成分神经网络评价模型.     

主成分分析中的统计检验问题

主成分分析已经越来越成为人们广泛应用的多元统计分析方法。但应用中盲目套用主成分分析方法的情况很多,而对主成分分析的适用性,主成分个数的合理性等问题重视不够,更谈不上对主成分分析进行统计检验。为此,为了更好应用主成分分析,就应对主成分分析结果进行统计检验并建立统计检验体系。主成分分析统计检验体系主要包括:主成分分析的适用性检验;等相关性检验;主成分方差的假设检验和选取主成分数目检验。