对应分析实验报告.docx

上传人:b****3 文档编号:5090687 上传时间:2023-05-08 格式:DOCX 页数:12 大小:40.31KB
下载 相关 举报
对应分析实验报告.docx_第1页
第1页 / 共12页
对应分析实验报告.docx_第2页
第2页 / 共12页
对应分析实验报告.docx_第3页
第3页 / 共12页
对应分析实验报告.docx_第4页
第4页 / 共12页
对应分析实验报告.docx_第5页
第5页 / 共12页
对应分析实验报告.docx_第6页
第6页 / 共12页
对应分析实验报告.docx_第7页
第7页 / 共12页
对应分析实验报告.docx_第8页
第8页 / 共12页
对应分析实验报告.docx_第9页
第9页 / 共12页
对应分析实验报告.docx_第10页
第10页 / 共12页
对应分析实验报告.docx_第11页
第11页 / 共12页
对应分析实验报告.docx_第12页
第12页 / 共12页
亲,该文档总共12页,全部预览完了,如果喜欢就下载吧!
下载资源
资源描述

对应分析实验报告.docx

《对应分析实验报告.docx》由会员分享,可在线阅读,更多相关《对应分析实验报告.docx(12页珍藏版)》请在冰点文库上搜索。

对应分析实验报告.docx

对应分析实验报告

 

实验报告

 

课程名称多元统计分析

实验项目名称五、对应分析

班级与班级代码

实验室名称(或课室)

专业

任课教师

学号:

姓名:

实验日期:

 

姓名实验报告成绩

评语:

1.对对应分析问题的思路、理论和法认识正确;

2.SAS软件相应计算结果确认与应用正确;

3.SAS软件相应过程命令正确。

注:

“不正确”为有不正确之处,具体见后面批注。

 

指导教师(签名)

 

说明:

指导教师评分后,实验报告交院(系)办公室保存。

实验项目五对应分析

实验目的:

通过对应分析的实验,熟悉对应分析问题的提出、解决问题的思路、法和技能,会调用SAS软件对应分析等有关过程命令,根据计算机计算的结果,分析和解决对应分析问题。

实验原理:

解决对应分析问题的思路、理论和法。

实验设备:

计算机与SAS、SPSS软件。

实验数据:

教科书p240例1数据。

实验步骤:

1.指标的正向化和排序表1(单独计算,可在SPSS软件中计算);

2.调用因子分析过程命令输入正向化数据求得:

前k个初始因子差贡献解释,达到简单结构的初始因子载荷阵L0k(FactorPattern)见表2,初始因子样品值矩阵F0n×k,对L0k、L0k+1、…、L0p都进行差最大化的正交旋转(穷举法),从中选出达到简单结构的旋转后因子载荷阵LГl(RotatedFactorPattern)见表2,前l个旋转后因子差贡献

在SAS软件中RotatedFactorPattern),旋转后因子样品值矩阵FГn×l;

3.设确定的正向化后因子载荷阵记为L*,正向化后因子记为F*=(F1*,…,Fm*)′,正向化后因子样品值矩阵为F*n×m,调用散点图过程命令输入变量点坐标L*、样品点坐标F*n×m的行数据给出因子坐标系F1*,…,Fm*中的因子分析图1。

实验结果、实验分析、结论(有关表图要有序号、表的序号在左上、图的序号在图的正下、表的中英文名、表的上下线为粗线、表的线为细线、表的左右边不封口,表图不能跨页、表图旁不能留空块,引用结论要注明参考文献):

 

因子双重信息图对应分析应用步骤如下:

(1)给出原始数据阵正向化和排序表1,对该数据进行标准化;

表1数据阵正向化表

XIX2X3X4X5X6X7

1.7125926940.111480.0924730.0500730.0381930.0188030.079946

1.7205248290.0813150.112380.0423960.043280.0400040.083339

1.7697987380.1001210.123970.0411210.0434290.0313280.078919

1.8835300370.105360.1169520.0450640.0437350.0385080.095256

1.8011494940.09650.1434980.0375660.0521110.0262670.072829

1.5268294470.0478520.0952380.0479450.0221340.0185190.096844

1.5624707040.061680.1166770.0484710.0335290.0174390.072043

1.3788557980.0563620.0732620.0443880.0163660.015720.057261

1.4735570190.0580430.0883160.03810.0397940.0151670.067999

1.5016976690.0885080.0968990.0381910.0392750.0192430.033801

其中X1进行正向化,100/X1为值,得到新的X1列,名为全部支出市食品支出的数倍。

其余变量不变。

输入进sas系统,并进行标准化。

(1)选取简单结构的初始、旋转后因子载荷阵:

主成分法下,设L0k(k列)是达到简单结构的初始因子载荷阵见表2,对L0k、L0k+1、…、L0p都进行差最大化的正交旋转(穷举法),从中选出达到简单结构的旋转后因子载荷阵(用后面的因子载荷阵每行元素最大绝对值靠近1频数表3确定),记为LГl(l列)见表2;

在L02、的时候初始因子载荷阵达到简单结构

表2因子载荷阵

变量

L01(初始)

L02Г(旋转后)

F1

F2

F1*

F2*

x1

0.96888

0.21503

0.95435

0.27236

x2

0.78905

-0.09590

0.79336

-0.04873

x3

0.84300

-0.09502

0.84717

-0.04464

x4

-0.21642

0.88243

-0.26860

0.86797

x5

0.87170

-0.38437

0.89305

-0.33177

x6

0.82301

0.16667

0.81162

0.21540

x7

0.40839

0.82347

0.35862

0.84633

 

(3)确定因子是否旋转:

L0k、L0lГ比较,若L0lГ达到更好的简单结构,则用旋转后因子;若L0k达到更好的简单结构或L0lГ、L0k都是差异不大的简单结构,则用初始因子;根据表3的情况分析,选择初始因子。

(4)记达到更好简单结构的s列因子载荷阵是Ls,相应的因子差贡献率表4;

表3因子载荷阵每行载荷最大绝对值靠近1频数分布

因子载荷阵每行载荷

最大绝对值区间

频数

L02

L02Г2

L03Г3,

L04Г4

L05Г5

0.9以上

0.8~0.9

0.7~0.8

0.6~0.7

0.5~0.6

1

5

1

0

0

1

5

1

0

0

2

0

4

1

0

3

1

1

1

1

3

2

0

2

0

合计

7

7

7

7

7

根据临界值表中r(8)=0.631,在(L02Г2,

u3,…,

u6)前2列有载荷绝对值大于显著相关的临界值,2列后没有载荷绝对值大于显著相关的临界值,故因子个数m=2。

差贡献率为0.8028。

表4因子差贡献

因子

贡献

贡献比率%

累计贡献率%

1

3.92

56.04

56.04

2

1.70

24.24

80.28

 

(4)确定因子轴F1*,F2*(因子个数2):

若(Ls,

es+1,…,

ep)[(

es+1,…,

ep)是p列初始因子载荷阵后面的p-s列]前2列有元素绝对值大于显著相关的临界值,2列后没有元素绝对值大于显著相关的临界值,则因子个数为2,相应的因子载荷阵记为L*见表2,L*回归的因子记为F2*=(F1*,F2*)′,因子F2*的样品值矩阵记为F*10×2见表5,Fj*为F*n×m的第j行;

(5)因子载荷阵、因子及其样品值的正向化和因子命名:

在L*的第j列lj*的元素中,选出绝对值大于显著相关临界值的对应变量,归为因子Fj*一组,正向化是:

如果归为因子fj一组变量及其lj*中的对应的相关系数符号的综合影响是越大越好,lj*、Fj*取正号,否则,取负号成为-lj*、-Fj*。

命名:

由归为因子Fj*一组变量及其lj*中的对应的相关系数符号的在关系对因子Fj*进行命名;设正向化后因子载荷阵记为L*,正向化后因子记为F*=(F1*,…,Fm*)′,正向化后因子F*的样品值矩阵仍记为F*n×m;

(6)作因子分析图:

在m维直角坐标系中,用第i个坐标轴表示因子轴Fi*,用L*的第i行作为指标xi的坐标值、F*n×m的第j行Fj*作为第j个样品Xj的坐标值,该散点图即为因子分析图1;

(7)分析与评价:

根据因子分析图1,给出指标之间(结合L*)的相关性分析,按样品点所属象限(结合F*n×m)得出分类结果,从指标与坐标轴F1*、…、Fm*的向上,样品所处的位置,给出指标对样品的影响及其影响向,对样品进行优势、劣势、潜力状况和原因等的综合评价,直至给出较客观、较可靠的决策相关性建议。

 

实验程序:

 

附:

正向化公式:

反向指标(如资产负债率)xj正向化公式:

a-xj;

强度逆向指标(如居民消费价格指数,商品零售价格指数,食品支出比重)xj正向化公式:

适度指标(如产品销售率,速动比率)xj正向化公式:

E为理想值。

这里

为第i个样品第j个指标的观测值。

 

datasocecon;

inputx1-x7;

cards;

1.7125926940.111480.0924730.0500730.0381930.0188030.079946

1.7205248290.0813150.112380.0423960.043280.0400040.083339

1.7697987380.1001210.123970.0411210.0434290.0313280.078919

1.8835300370.105360.1169520.0450640.0437350.0385080.095256

1.8011494940.09650.1434980.0375660.0521110.0262670.072829

1.5268294470.0478520.0952380.0479450.0221340.0185190.096844

1.5624707040.061680.1166770.0484710.0335290.0174390.072043

1.3788557980.0563620.0732620.0443880.0163660.015720.057261

1.4735570190.0580430.0883160.03810.0397940.0151670.067999

1.5016976690.0885080.0968990.0381910.0392750.0192430.033801

;

procfactordata=soceconM=prinpriors=one

p=0.8simplecorr;

varx1-x7;

run;

procfactordata=soceconR=nn=2scoreout=O951;

varx1-x7;

run;

procprintdata=O951;

varfactor1-factor2;

run;

DATACCC;

INPUT_name_$factor1factor2;

CARDS;

10.101300.86974

20.749640.22954

30.90845-0.16511

41.261530.87319

51.20450-0.98537

6-0.920591.41766

7-0.455320.50597

8-1.66099-0.00796

9-0.73608-0.91226

10-0.45244-1.82541

x10.968880.21503

x20.78905-0.09590

x30.84300-0.09502

x4-0.216420.88243

x50.87170-0.38437

x60.823010.16667

x70.408390.82347

;

run;

procprinqualdata=soceconout=recmdprefrep;

transformidentity(x1-x7);

run;

procsortdata=ccc;

by_name_;

run;

procsortdata=rec;

by_name_;

run;

datad;

mergerecccc;

by_name_;

run;

datae;

setd;

prin1=factor1;

prin2=factor2;

run;

%plotit(data=e,datatype=mdpref21,href=0,vref=0)

DATACCC;

INPUT_name_$factor1factor2;

CARDS;

10.101300.86974

20.749640.22954

30.90845-0.16511

41.261530.87319

51.20450-0.98537

6-0.920591.41766

7-0.455320.50597

8-1.66099-0.00796

9-0.73608-0.91226

10-0.45244-1.82541

x10.968880.21503

x20.78905-0.09590

x30.84300-0.09502

x4-0.216420.88243

x50.87170-0.38437

x60.823010.16667

x70.408390.82347

;

run;

procprinqualdata=sout=recmdprefrep;

transformidentity(x1-x7);

idno;

run;

procsortdata=ccc;

by_name_;

run;

procsortdata=rec;

by_name_;

run;

datad;

mergerecccc;

by_name_;

run;

datae;

setd;

prin1=factor1;

prin2=factor2;

run;

%plotit(data=e,datatype=mdpref21,href=0,vref=0)

(1)变量的正向化。

附表1中,X1、X2、X5、X6是正变量,X3是负变量,X4是逆变量。

X3按公式x3=100-X3、X4按公式x4=100/X4进行正向化,正向化后意义成为:

x3-报名者落选率,x4-师生比(%),与原变量反映的实际意义相同,X1、X2、x3、x4、X5、X6角标不变依次记为x1、x2、x3、x4、x5、x6见表1。

变量量纲不一致,对表1变量进行标准化,仍然记为x=(x1,…,x6)′。

(1)变量的正向化。

附表1中,X2~X7是正变量,X1是负变量。

X1按公式x1=100/X1进行正向化,正向化后意义成为:

x1-全部支出是食品支出的倍数,与原变量反映的实际意义相同,x1、X2~X7角标不变依次记为x1~x7见表1。

变量量纲不一致,对表1变量进行标准化,仍然记为x=(x1,…,x7)′。

(2)选取简单结构的旋转后因子载荷阵。

主成分法下,简单结构的初始因子载荷阵为L02(见表2),对L02、L03、…、L07都进行差最大化的正交旋转,由表3的第2~6列,简单结构的旋转后因子载荷阵为L02Г(见表2)。

 

展开阅读全文
相关资源
猜你喜欢
相关搜索
资源标签

当前位置:首页 > 解决方案 > 学习计划

copyright@ 2008-2023 冰点文库 网站版权所有

经营许可证编号:鄂ICP备19020893号-2