【文章內(nèi)容簡(jiǎn)介】 1 x2 1 .0001 2 x7 2 3 x1 3 經(jīng)過(guò)三步逐步回歸檢驗(yàn)， Variable x2 Entered: RSquare = and C(p) = ， Variable x7 Entered: RSquare = and C(p) = ， Variable x1 Entered: RSquare = and C(p) = ，根據(jù)均誤差最小的準(zhǔn)則，修正的R平方最大準(zhǔn)則，統(tǒng)計(jì)量最小準(zhǔn)則選出的最優(yōu)回歸子集為年齡因子，收入因子和風(fēng)格因子。從上述回歸結(jié)果可以看出，回歸模型最終為：y= —++3 逐步回歸結(jié)論，回歸模型最終為：y= —++ 把其他所有的變量都選為自變量進(jìn)行逐步回歸分析是，進(jìn)入的自變量只有三個(gè)：年齡，收入，服裝風(fēng)格。方差分析表示線性回歸，模型的擬合度顯著。 主分量分析 主分量分析的基本原理 假定有n個(gè)樣本，每個(gè)樣本共有p個(gè)變量，構(gòu)成一個(gè)np階的數(shù)據(jù)矩陣 當(dāng)p較大時(shí)，在p維空間中考察問(wèn)題比較麻煩。為了克服這一困難，就需要進(jìn)行降維處理，即用較少的幾個(gè)綜合指標(biāo)代替原來(lái)較多的變量指標(biāo)，而且使這些較少的綜合指標(biāo)既能盡量多地反映原來(lái)較多變量指標(biāo)所反映的信息，同時(shí)它們之間又是彼此獨(dú)立的。定義：記x1，x2，…，x P為原變量指標(biāo)，z1，z2，…，z m（m≤p）為新變量指標(biāo)系數(shù)lij的確定原則： ① z i與zj（i≠j；i，j=1，2，…，m）相互無(wú)關(guān)；從以上的分析可以看出，主成分分析的實(shí)質(zhì)就是確定原來(lái)變量xj（j=1，2 ，…， p）在諸主成分zi（i=1，2，…，m）上的荷載 lij（ i=1，2，…，m； j=1，2 ，…，p）。 從數(shù)學(xué)上可以證明，它們分別是相關(guān)矩陣m個(gè)較大的特征值所對(duì)應(yīng)的特征向量。 、主分量分析的計(jì)算步驟 一）計(jì)算相關(guān)系數(shù)矩陣rij（i，j=1，2，…，p）為原變量xi與xj的相關(guān)系數(shù)， rij=rji，其計(jì)算公式為計(jì)算特征值與特征向量 ① 解特征方程　　　　 ， 常用雅可比法（Jacobi）求出特征值，并使其按大小順序排列 ；分別求出對(duì)應(yīng)于特征值　的特征向量 ， 要求 　　 =1，即　　　　　 ，其中　 表示向量 的第j個(gè)分量。計(jì)算主成分貢獻(xiàn)率及累計(jì)貢獻(xiàn)率 貢獻(xiàn)率 累計(jì)貢獻(xiàn)率 一般取累計(jì)貢獻(xiàn)率達(dá)85%~95%的特征值 所對(duì)應(yīng)的第第…、第m（m≤p）個(gè)主成分；計(jì)算主成分載荷 　　 主分量輸出結(jié)果分析 The PRINCOMP Procedure Observations 84 Variables 8 Simple Statistics x1 x2 x3 x4 x5 x6 x7 x8Mean StD Correlation Matrixx1 x2 x3 x4 x5 x6 x7 x8x1 x2 .1252 x3 x4 x5 x6 x7 x8 Eigenvalues of the Correlation Matrix Eigenvalue Difference Proportion Cumulative 1 2 3 4 5 6 7 8 Eigenvec Z1 Z2 Z3 Z4 Z5 Z6 Z7 Z8x1 x2 x3 x4 x5 x6 x7 x8 Plot of Z2*Z1$number. Symbol used is 39。*39。. Z2 | | 4 + | | | * 2 | | | 3 + | | | * 3 * 1 | | | 2 + | * 2 | * 1 | | * 3 * 3 | 1 * * 1 * 2 | * 3 * 1 1 + * 2 * 2 * 1880 | 3 * * 3 * 1 | 1 * ** 2 * 1 650 | 2 1 ** 2 * 3 800 * * 880 | * 2 * * 600 | 3 * 2 * 2 * 1 | * 3 1 240 480 0 + * 1 1 35** * | * 1 3*0 * 1200 3 | 1 *60* 1 448 240 * * * 2 | 68** 71 ** 400 * 3 * 2 | * 2 60 * 62 447 * 690 | * 65 | 2 * * 1 * 640 1 + * 1 1180 ** 360 | * 1 * 62 * 1 | * 2 * 2 * 64 * 2112 | * 2700 | | | 2 + | * 3600 | * 68 | * 2 * 60 * 500 | | | 3 + | +++