freepeople性欧美熟妇, 色戒完整版无删减158分钟hd, 无码精品国产vα在线观看DVD, 丰满少妇伦精品无码专区在线观看,艾栗栗与纹身男宾馆3p50分钟,国产AV片在线观看,黑人与美女高潮,18岁女RAPPERDISSSUBS,国产手机在机看影片

正文內(nèi)容

sas系統(tǒng)和數(shù)據(jù)分析因子分析(參考版)

2024-08-25 20:42本頁面
  

【正文】 services( D)在 EB 和 CA 中間但靠近負(fù)端。 從表 中看出,沒有旋轉(zhuǎn)的因子模型中 的 變量可分為兩個很緊湊的類, house( E)和school( B)在 factor2的負(fù)方向末端。本例因為特殊因子的方差很小,故偏相關(guān)其實不是很重要。例如,所有變量的非對角偏相關(guān)的均方根為 , pop 變量的非對角偏相關(guān)的均方根為 。變量之間的剩余相關(guān)也很小,最大值為 house 與 services 之間的 。在對角線上的特殊因子方差剩余相關(guān)都很小,且與最終公因子方差之和等于 1。所有最終公因子方差都很接近于先驗的公因子方差,值得注意的只有 house 從 增加到 。從觀察到的斜坡 圖上也可證明取 兩 個公因子的 結(jié)論是正確的。 主因子分析過程繪制了特征值的( scree)斜坡 圖,圖形在這里我們沒有給出。這兩個大的正特 征值之和占公共方差 ( +) /=%,它像沒有進(jìn)行迭代時才可能得到的一樣,非常接近 100%。約化相關(guān)矩陣的特征值之和 =++++=,平均值為 。 普遍使用的經(jīng)驗法則是每個因子至少應(yīng)該包含 三個變量。顯然所有變量的 msa= 是很差的,單個變量除了 services變量的 msa=,其余都很差甚至不能接受。 msa 指標(biāo)是度量偏相關(guān)比原始相關(guān)小多少的綜合指標(biāo),它既提供了所有變量一起考慮的 msa 值,又提供了單個變量的 msa 值, 為我們直觀快速判斷因子模型擬合好壞提供了標(biāo)準(zhǔn)。如果數(shù)據(jù)適合這個公因子模型,顯然應(yīng)該在控制所 有其余變量的條件下,兩變量之間的相關(guān)系數(shù)(此時稱為偏相關(guān)系數(shù))應(yīng)該比原始的相關(guān)系數(shù)小。所以,每個標(biāo) 準(zhǔn)因子得分的系數(shù)計算,可以通過每個因子與所有變量的回歸分析得到 ,標(biāo)準(zhǔn)因子得分模型為: 1f=+ + + + 2f =- + - - 第 2 個 factor 過程進(jìn)行主因子分析,規(guī)定每個變量的先驗公因子方差估計使用與其他所有變量復(fù)相關(guān)系數(shù)的平方( priors=smc)。 主 成分 生成的標(biāo)準(zhǔn)因子得分 的 均值為 0 方差為 1。所以,第 2 主 成分 因子是反映了地區(qū)的總?cè)丝诤涂偣蛡蛉丝谂c地區(qū)的房價和教育水平的對比 值,可稱為 人口就業(yè)因子。第 1主 成分 因子 factor1 在 5 個變量上的因子載荷量皆為正值,其中它與 services 的相關(guān)特別大( ),總體上大小基本相近,可稱為基本社會因子。所以 , 含有兩個公因子的初始公因子模型為: pop= 1f+ 2f school= 1f- 2f employ= 1f+ 2f services=1f- 2f house= 1f— 2f 第 1 和第 2 公因子能解釋的方差分別為 , 5 個標(biāo)準(zhǔn)化變量的最終公因子方差估計值之和為 =+=+++ +。若使用三個主 成分 (解釋變異的 %),則大多數(shù)情況下都能滿足需要。主 成分 分析的先驗公因子方差估計按指定值為 1(缺省值也 為 1),所以 5 個變量組成的相關(guān)矩陣的特征值之和為 5,平均值為 1。 表 均值、標(biāo)準(zhǔn)差及相關(guān)矩陣 855c06e602f9797dcac411b71b9f0a04 商務(wù)數(shù)據(jù)分析 電子商務(wù)系列 上海財經(jīng)大學(xué)經(jīng)濟信息管理系 IS/SHUFE Page 11 of 31 表 主 成分 法的輸出結(jié)果 表 主因子法的輸出結(jié)果 Means and Standard Deviations from 12 observations (每個變量的均值和標(biāo)準(zhǔn)差) POP SCHOOL EMPLOY SERVICES HOUSE Mean 17000 Std Dev Correlations (相關(guān)矩陣) POP SCHOOL EMPLOY SERVICES HOUSE POP SCHOOL EMPLOY SERVICES HOUSE Initial Factor Method: Principal Components Prior Communality Estimates: ONE (初始公因子方差估計值) Eigenvalues of the Correlation Matrix: Total = 5 Average = 1 (相關(guān)矩陣的特征值) 1 2 3 4 5 Eigenvalue Difference Proportion Cumulative 2 factors will be retained by the MINEIGEN criterion. (確定的因子數(shù)目) Factor Pattern (因子模型) FACTOR1 FACTOR2 POP SCHOOL EMPLOY SERVICES HOUSE Variance explained by each factor (每個因子解釋的方差) FACTOR1 FACTOR2 Final Communality Estimates: Total = (最終公因子方 差估計) POP SCHOOL EMPLOY SERVICES HOUSE Scoring Coefficients Estimated by Regression Squared Multiple Correlations of the Variables with each Factor FACTOR1 FACTOR2 Standardized Scoring Coefficients (標(biāo)準(zhǔn)因子得分模型中的系數(shù) ) FACTOR1 FACTOR2 POP 855c06e602f9797dcac411b71b9f0a04 商務(wù)數(shù)據(jù)分析 電子商務(wù)系列 上海財經(jīng)大學(xué)經(jīng)濟信息管理系 IS/SHUFE Page 12 of 31 表 主因子 法的正交最大方差預(yù)旋轉(zhuǎn)結(jié)果 Initial Factor Method: Principal Factors Partial Correlations Controlling all other Variables (控制所有其余變量的偏相關(guān)) POP SCHOOL EMPLOY SERVICES HOUSE POP SCHOOL EMPLOY SERVICES HOUSE Kaiser39。 其他 3 個最大似然因子分析過程的說明,我們在這里省略。選項 reorder 表示按因子上具有的載荷大小排列。選項preplot 表示繪制因子模型旋轉(zhuǎn)前的散點圖。選項 residual輸出 殘差相關(guān)陣和有關(guān)的偏相關(guān)陣,得到特殊因子方差的剩余相關(guān)。選項 msa表示控制所有其余變量的偏相關(guān)。 第 2 個 factor 因子分析過程,由于不是 priors=one 選項, 因此, 提取因子的方法采用主因子分析,選項 method=prin 不起作用。選項 simple 和 corr要求輸出描述統(tǒng)計量和相關(guān)陣。第 1 個過程為主 成分 因子分析,第 2 個過程為主因子分析,第 3 個過程為提取一個因子的最大似然分析,第 4 個過程為提取二個因子的最大似然分析,第 5 個過程為提取三個因子的最大似然分析。 run。 run。 run。 run。 run。 855c06e602f9797dcac411b71b9f0a04 商務(wù)數(shù)據(jù)分析 電子商務(wù)系列 上海財經(jīng)大學(xué)經(jīng)濟信息管理系 IS/SHUFE Page 10 of 31 2. 調(diào)用因子分析 factor 過程 菜單操作方法,在 SAS 系統(tǒng)的主菜上,選擇 Globals/SAS/Assist 進(jìn)入 Assist 的主菜單,再選擇 data analysis/multivar/factor analysis(因子分析 )。 run。 cards。 title 39。 表 五個社會因素調(diào)查數(shù)據(jù) 編號 pop school employ services house 1 5700 2500 270 25000 2 1000 600 10 10000 3 3400 1000 10 9000 4 3800 1700 140 25000 5 4000 1600 140 25000 6 8200 2600 60 12020 7 1200 400 10 16000 8 9100 3300 60 14000 9 9900 3400 180 18000 10 9600 3600 390 25000 11 9600 3300 80 12020 12 9400 4000 100 13000 1. 建立數(shù)據(jù)文件 程序如下 : data socecon。 七、 實例分析 例 表 數(shù)據(jù)是在洛杉磯 十二個標(biāo)準(zhǔn)大都市居民統(tǒng)計地區(qū)中進(jìn)行人口調(diào)查獲得的。 855c06e602f9797dcac411b71b9f0a04 商務(wù)數(shù)據(jù)分析 電子商務(wù)系列 上海財經(jīng)大學(xué)經(jīng)濟信息管理系 IS/SHUFE Page 9 of 31 proc score語句選項包括 out=輸出數(shù)據(jù)集,存儲因子得分結(jié)果等。 var 變量 。因子得分可由 proc score 過程完成。在因 子分析中,還可以將公因子表示為指標(biāo)的線性組合,這樣就可以從指標(biāo)的觀測值估計各個公因子的值,這種值叫因子得分。例如: proc factor; priors ; var x y z; 其他語句的使用略。 2. priors 語句 為 var 變量設(shè)定公因子方差,值在 和 之間。 ? reorder—— 在打印輸 出時讓各種因子矩陣的這些行重新排序。 ? preplot—— 在旋轉(zhuǎn)之前畫因子模型圖。 ? nplot=n—— 規(guī)定被作圖的因子個數(shù)。 ? ev—— 打印輸出特征向量。 ? score—— 打印因子得分模型中的系數(shù)。 ( 5) 有關(guān)控制打印輸出的 選項 ? simple—— 打印輸出包括簡單統(tǒng)計數(shù)。 ? prerotate=因子轉(zhuǎn)軸方式名 —— 規(guī)定預(yù)先旋轉(zhuǎn)的方法。 norm=raw或 none 表示不進(jìn)行正規(guī)化。 norm=weight表示使用 CuretonMulaik 方法進(jìn)行加權(quán)。 ? norm= kaiser | raw | weight | cov | none—— 為了對因子模型進(jìn)行旋轉(zhuǎn),規(guī)定模型矩陣中行的正規(guī)化方法。包括 none, varimax, quartimax,855c06e602f9797dcac411b71b9f0a04 商務(wù)數(shù)據(jù)分析 電子商務(wù)系列 上海財經(jīng)大學(xué)經(jīng)濟信息管理系 IS/SHUFE Page 8 of 31 equamax,
點擊復(fù)制文檔內(nèi)容
高考資料相關(guān)推薦
文庫吧 www.dybbs8.com
備案圖鄂ICP備17016276號-1