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.     

伦敦奥运会中国队金牌数和排名的预测

为了对2012年伦敦奥运会中国队金牌数和排名进行预测,这里根据历届奥运会金牌的数据,选取有代表性的数据,用回归分析、平稳序列模型进行趋势预测,结果依次有:中国队46枚金牌,美国队36枚金牌,英国队29枚金牌,俄罗斯26枚金牌。故建议中国队:抓住中国现有政治、经济、社会和体育文化稳定发展的机遇,进行科学的训练和比赛,展现好中国金牌和奖牌大国的风貌,展现好中国人的龙年精神,保住自己可得的金牌和奖牌,实现稳居第1的梦。     

因子分析精确模型的优点

本文通过因子分析精确模型的基本思想、方法、结论,与因子分析原模型作对应比较,找到了因子分析原模型和理论不完善的具体原因,得出了因子分析的精确模型和理论的优点:可以更好地替代因子分析的原模型和理论;将因子分析模型解的估计性研究转入到确定性解的研究。     

西部地区环境保护的量化研究与探讨

一、西部地区生态环境现状全国遥感普查结果表明,尽管国家在西部的环境建设上力度不断加大,但西部地区的生态环境仍然处在“局部改善,整体恶化”的状况[1]。主要表现在:1.林草植被覆盖率总体不高,质量和功能下降。与东部地区相比(覆盖率超过25%)西部地区仍然偏低(覆盖率不到10%     

主成分分析与初始因子分析的异同--兼与卢纹岱《SPSS for Windows统计分析》商榷

0问题产生的背景初始因子分析是指用主成分法提取初始因子载荷阵,并没有旋转过程的因子分析(对应分析用此法)[3]。它与主成分分析最相近,二者的不同隐藏较深,不留意还以为同是主成分分析,如文[2]就出现了这种情况(经运算验明),有些教科书如[1]也没有明确区分。那么这两种方法有     

如何用SPSS软件一步算出主成分得分值

主成分分析法常被应用于综合评价与监控,其评价与监控值就是样品的主成分得分值,故尽快求出主成分得分值是实现综合评价与监控的重要环节之一。多数人使用的SPSS软件求解主成分得分值的方法较慢,甚至出现错误。而从理论上给出主成分得分值与未旋转因子得分值的关系式,并利用SPSS软件因子分析模块中未旋转因子得分值,一步算出主成分得分值,则大大简化了计算,其效果比以前的方法好。同时也改正了一些新版文献的错误。     

样品与变量双重信息图的优点——以产品顾客偏好对应分析为例

目前使用较多的由法国统计学家J.P.Bcoze州提出的对应分析法,存在意义不明确、方向不清晰的缺陷。在对国内较少使用的双重信息图进行整理的基础上,给出了双重信息图的一个分类标准、调整乘子、实证步骤,该方法的优点是：对应分析意义明确、方向清晰,尤其适合样品点和变量点较多的对应分析。将此方法应用于国际轿车市场趋向和新产品开发趋向的研究实例中,结论具有确定性和决策相关性。     

因子分析新理论与节约型社会综合评价——以广州市2001～2006年数据为例

文章应用因子分析新理论-因子分析模型L的小样本解、时间序列比较分析的方法,从定性、定量研究相结合的角度进行分析与综合评价,找到了广州市节约型社会发展的优势、潜力、问题和影响因素,对广州市资源利用、环境保护等方面提出了一些建议,以期为决策者政策调控或系统结构的调整提供参考。     

主成分旋转法的综合指标公式解与案例解析

文章针对主成分旋转法综合指标解表示中存在的遗留问题,建立了数学模型,用柯西-许瓦茨(Cauchy-Schwarz)不等式,给出、证明了综合指标的公式解,明确了该综合指标解决问题的程度;按综合指标对全部变量具有较高的相关性和代表性为目的进行方法选取,用主成分分析和改进的、具有最大化条件的因子分析模型L更好地解答了主成分分析应用中的一些常见问题;通过案例解析,说明了因子分析模型L解决问题具有一般性、误差最小,能判断综合指标的正逆性,给出的结论更具有相对合理性。     

如何用SPSS快速计算主成分的结果

SPSS迄今没有主成分分析的模块,不能直接得到主成分系数和主成分值,如何用SPSS软件快速计算主成分结果,是SPSS使用者和教学面临的困难.这里应用因子分析中主成分法的初始因子载荷阵回归的初始因子得分,建立了:主成分与初始因子得分的一般关系式;给出了SPSS快速计算主成分系数、主成分值的操作步骤,实例,结论和讨论等.