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.     

主成分抽取数量确定方法的改进

主成分抽取数量的确定是主成分分析中的关键问题.文章提出一种新的确定方法,首先采用加速系数和最优协调两个数量指标来确定主成分抽取的数量;然后基于Bootstrap再抽样数据采用Horn平行检验来验证主成分数量模型的稳定性.实例研究表明,本文提出的方法,相比特征值大于1、解释的总方差比例和Scree图形等方法,结果更客观、准确和稳定,可广泛应用于主成分分析等相关研究中.     

关于理想点多属性决策方法中权值的确定

文章首先分析了以往属性权重确定中的不足之处,然后提出了一个基于主成分的权重确定方法。该方法根据属性指标在样本数据中的贡献率大小来确定权重,在指标权重选择上克服了主观因素的影响,避免了人为因素带来的偏差,有助于保证客观地反映样本间的现实关系。并且对于综合样本信息多的指标赋予了较大的权重,对于综合样本信息少的指标赋予了较小的权重,这符合了指标权重表示指标重要性的基本含义。     

基于核主成分分析和加权聚类分析的综合评价方法

针对传统主成分分析在处理非线性问题上的不足,文章阐述了应用核主成分分析进行数据处理的改进方法,并介绍了一种基于核主成分的加权聚类分析的综合评价方法.实验表明,该方法可以改进传统的综合评价方法.     

Logistic模型在钢铁行业上市公司信用风险识别中的应用

文章基于2007年钢铁行业上市企业的样本数据,用主成分分析方法将筛选出的显著性指标减少为综合反映企业财务状况的5个主成分并建立信用风险识别的二元逻辑回归模型.实证结果表明,该模型中反映盈利能力和股东获得能力的资产报酬率、每股净资产及留存收益率是钢铁行业上市公司的关键性指标,利用该模型可以对上市公司一年后的信用状况进行预测.     

基于主成分分析的房地产业的业绩评价模型

1研究思路和财务指标的选择本文设计了一种基于因子分析的主成分分析法,运用多种财务指标,包括引入现金流指标来综合评估上市公司的业绩,该方法克服了人为主观地给定权数的不足。本文的思路是:首先选择评价上市公司业绩的财务指标;然后运用SPSS统计软件进行主成分分析,提取反映     

基于CSPC方法的房地产发展健康状况评价分析

传统的主成分分析进行综合评价存在许多不足,因此,提出基于聚类稀疏主成分分析的综合评价方法,使得评价结果更合理和符合实际,并使用该方法分析了上海、武汉、成都三个城市的房地产健康发展状况。     

风暴潮灾害损失评估的主成分模型研究

我国东南沿海是世界上风暴潮频发的地区之一,文章基于近年来东南沿海风暴潮灾害损失的历史数据,介绍了主成分分析法在风暴潮灾害损失评估中的应用原理.针对风暴潮灾害损失的构成,建立了风暴潮灾害经济损失的指标体系,同时借助实例介绍了该方法在风暴潮灾害评估中的应用.最后基于主成分得分对样本风暴潮进行了聚类分析,证明了主成分分析模型在风暴潮灾害损失评估中的有效性.     

基于随机抽取的AR模型定阶和参数评估

文章基于对平稳时间序列数据的随机抽取,选用AR模型研究其模型定阶方法和参数评估准则.根据数据有序性的特点,提出利用交叉验证的方法确定自回归模型阶数,并通过对原数据的无放回抽取实现对系数参数估计的评估.实例分析结果表明,交叉验证的定阶与AIC准则定阶结果保持较高一致性,新的参数评估在一定的模型误差范围内可以得到更为简单有效的系数估计区间.     

基于相关系数及IOWA算子的区间组合预测方法

传统的组合预测方法是针对数字型数据并以改善拟合误差平方和为准则来建立模型。然而,在不确定环境下,样本数据和预测值均以区间数给出,因此有必要研究区间组合预测模型。文章引进IOWA算子以及相关系数概念,建立了多目标的区间组合预测模型,并探讨了模型的求解方法,再结合实例分析验证了模型的有效性,同时给出模型中的参数的灵敏度分析。     

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     

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...     

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.     

一种改进的基于概率的权数确定方法

文章提出了一种改进的基于概率的权数确定方法.该方法不需要对研究指标做正态分布的假设,可直接根据样本数据计算出样本均值和方差,从而得到权数.该方法能较好地避免主观因素的影响,并且较概率权法更具一般性.文章通过实例将该方法和熵权法、变异系数法等客观赋权法进行了对比,结果表明该方法具有可行性和有效性.     

基于正交迭代的有监督的稀疏主成分分析

主成分分析是经典的无监督的数据处理工具,近年来关于稀疏主成分和有监督的主成分研究受到较多关注。基于正交迭代和距离相关系数,提出一种有监督的稀疏主成分分析方法 SSPCA,该方法考虑了自变量与因变量之间的相关性,并在迭代求解的过程中将一些与因变量Y相关性很弱的自变量对应的系数变为0,使所求的特征向量只保留预测能力较强的自变量信息;在数值模拟与实例分析中,相比其他四种方法,SSPCA方法均能取得较好效果。     

基于改进的主成分分析法的县域竞争力综合评价研究

文章针对传统主成分分析法在复杂系统高维指标评价中的局限性,首先建立了改进主成分分析模型,然后基于改进的模型构建了县域竞争力评价指标体系,最后,给出了该评价系统在我国不同县域竞争力综合评价中的应用实例.结果表明:该研究方法在我国县域竞争力分析评价中具有积极的现实意义.     

基于主成分分析的几种常用改进方法

针对传统主成分分析在应用中出现的误区,总结了基于主成分分析的几种常用改进方法并作了进一步探讨.     

基于Theil不等系数的C-IGOWLA算子的区间组合预测模型

传统的组合预测方法通常是针对非区间数据在最优准则下来建立最优预测模型的,但实际,中在不确定环境下样本数据和预测值序列均以区间数形式给出,因此有必要研究区间组合预测模型.文章引进连续区间诱导广义有序加权对数平均算子(C-IGOWLA)的概念,以Theil不等系数作为最优准则,提出了一种新的基于Theil不等系数的C-IGOWLA算子的区间组合预测模型,并结合实例验证了模型的有效性.     

析主成分分析和因子分析——以Frobenius范数下矩阵近似的新视角

本文通过引入数据阵在Frobenius范数下的最优近似等概念来重新探讨主成分和因子分析。我发现，主成分分析中主成分和因子分析中因子得分（通过主成分解因子载荷，然后用最小二乘解因子得分）的估计为数据阵的最优近似（在Frobenius范数下）在不同正交坐标方向矩阵下的坐标。两种方法分别采用了不同的约束条件分解的最优近似（在Frobenius范数下），因为该分解并不唯一。     

大样本数据聚类的改进方法

K-means算法是处理大样本数据的聚类分析的常用算法之一.该算法的不足之处是聚类的数目k必须事先给定.文章提出应用黄金分割法来度量有关该聚类的有效性,该方法能自动优化确定最佳的聚类个数,以此实现大样本数据的有效聚类:并采用实际数据说明了方法的合理性和有效性.