數(shù)據(jù)分析實驗指導(dǎo)書

-.z.目錄實驗一 描述性分析實驗二 正態(tài)總體的均值檢驗實驗三 非參數(shù)檢驗實驗四 方差分析實驗五 回歸分析實驗六 判別、聚類分析實驗七 主成分分析實驗八 因子分析實驗一 描述性分析【實驗?zāi)康摹空莆諗?shù)字特征的計算〔A〕；2. 掌握相關(guān)矩陣計算〔A〕?！緦嶒炘怼繑?shù)據(jù)分析是指用適當(dāng)?shù)慕y(tǒng)計方法對收集來的大量第一手資料和第二手資料進(jìn)展分析，以求最大化地開發(fā)數(shù)據(jù)資料的功能，發(fā)揮數(shù)據(jù)的作用；是為了提取有用信息和形成結(jié)論而對數(shù)據(jù)加以詳細(xì)研究和概括總結(jié)的過程。要對數(shù)據(jù)進(jìn)展分析，當(dāng)然要分析數(shù)據(jù)中包含的主要信息，即要分析數(shù)據(jù)的主要特征，也就是說，要研究數(shù)據(jù)的數(shù)字特征。對于數(shù)據(jù)的數(shù)字特征，要分析數(shù)據(jù)的集中位置、分散程度。數(shù)據(jù)的分布是正態(tài)的還是偏態(tài)等。對于多元數(shù)據(jù)，還要分析多元數(shù)據(jù)的各個分量之間的相關(guān)性等?！緦嶒灩こ淘O(shè)計】給定一組單變量數(shù)據(jù)，分組計算均值、方差、Q1、Q3、偏度、峰度。給定一組多變量數(shù)據(jù)，計算相關(guān)矩陣?！緦嶒炄荨恳?、單樣本的數(shù)字特征計算(習(xí)題1.4)從*商店的營業(yè)日中隨機(jī)抽取12天,得日營業(yè)額數(shù)據(jù)為〔單位：萬元〕：12.5,17.2,9.1,25.4,31.2,20,18.9,22.8,21.1,17.8,25.1,27.7試求樣本均值、樣本方差、樣本變異系數(shù)、樣本中位數(shù)、上樣本四分位數(shù)、下樣本四分位數(shù)、樣本四分位數(shù)間距和極差。1. 建數(shù)據(jù)集Datad4;Input*;Cards;12.517.29.125.431.22018.922.821.117.825.127.7;Run;2. 使用"SAS/分析家〞菜單翻開"分析家〞界面。選擇SAS界面的級聯(lián)菜單："解決方案〞"分析〞"分析家〞。調(diào)出數(shù)據(jù)文件Work.D4。在界面的空白處，右鍵彈出菜單，選擇級聯(lián)菜單："文件〞"按SAS名稱翻開〞。依次選擇邏輯庫和文件對象，分別為"Work〞、"D4〞，單擊"確定〞按鈕。確定分析方法。選擇界面上的級聯(lián)菜單："統(tǒng)計〞"描述性統(tǒng)計〞"分布〞輸送變量。首先選中變量"*〞，然后單擊"Analyst〞按鈕。即完成變量的輸送，確定變量"*〞作為分析變量。單擊"OK〞。得到輸出結(jié)果上述使用"分析家〞的調(diào)用過程等價于程序調(diào)用univariate過程：procunivariatedata=d4;Var*;Run;3. 解答樣本均值mean= 樣本方差Variance=樣本變異系數(shù)CoeffVariation=樣本上四分位數(shù)75%Q3=樣本中位數(shù)Median=樣本下四分位數(shù)25%Q1=極差Range=樣本四分位數(shù)間距InterquartileRange=二、相關(guān)矩陣計算(例3.2.3)今對31個人進(jìn)展人體測試，考察或測試的七個指標(biāo)是：年齡(*1)、體重(*2)、肺活量(*3)、1.5英里跑的時間(*4)、休息時的脈搏(*5)、跑步時的脈搏(*6)和跑步時記錄的最大脈搏(*7)。數(shù)據(jù)列于表3.2.1?，F(xiàn)欲對這些指標(biāo)作一些相關(guān)分析。1. 對于給定E*CEL數(shù)據(jù)文件，導(dǎo)入數(shù)據(jù)建數(shù)據(jù)集e323.sas7bdat2. 使用SAS/INSIGHT菜單3. 輸出實驗二 正態(tài)總體的均值檢驗【實驗?zāi)康摹空莆諉握龖B(tài)總體樣本的均值檢驗〔B〕；掌握兩獨立組樣本(服從正態(tài)總體)進(jìn)展均值比較〔A〕；掌握兩對照組樣本(服從正態(tài)總體)進(jìn)展均值比較〔A〕；了解兩組樣本均值差的置信區(qū)間計算〔C〕?！緦嶒炘怼繂螛颖究傮w均值的t檢驗兩獨立組樣本總體的方差比較【實驗工程設(shè)計】單個正態(tài)總體的均值檢驗；兩獨立組樣本(服從正態(tài)總體)進(jìn)展均值比較檢驗；兩對照組樣本(服從正態(tài)總體)進(jìn)展均值比較檢驗。【實驗容】一、單個正態(tài)總體的均值檢驗(習(xí)題1.4)從*商店的營業(yè)日中隨機(jī)抽取12天,得日營業(yè)額數(shù)據(jù)為〔單位：萬元〕：12.5,17.2,9.1,25.4,31.2,20,18.9,22.8,21.1,17.8,25.1,27.7試檢驗：μ0=10。1. 建數(shù)據(jù)集Datad4;Input*;Cards;12.517.29.125.431.22018.922.821.117.825.127.7;Run;2. 使用"SAS/分析家〞菜單翻開"分析家〞界面。調(diào)出數(shù)據(jù)文件Work.D4。確定分析方法。選擇界面上的級聯(lián)菜單："統(tǒng)計〞"假設(shè)檢驗〞"均值的單樣本T檢驗〞輸送變量。確定變量"*〞為分析變量。得到輸出結(jié)果3. 解答H0:μ0=10H1:μ0≠10檢驗方法：t檢驗統(tǒng)計量取值: t=____檢驗p值=_______結(jié)論：拒絕/承受H0.兩獨立組樣本(服從正態(tài)總體)進(jìn)展均值比較(習(xí)題1.22)為比較甲、乙兩種安眠藥的療效，將20名患者分成兩組，每組10人，假定服藥后延長的睡眠時間都近似服從正態(tài)分布且方差相等，測得其數(shù)據(jù)如下：1.9,0.8,1.1,0.1,-0.1,4.4,5.5,1.6,4.6,3.40.7,-1.6,-0.2,-1.2,-0.1,3.4,3.7,0.8,0,2試問在顯著性水平a=0.05下檢驗兩種安眠藥的療效有無顯著性差異，p值是多少.1. 建數(shù)據(jù)集前面的"分析家〞界面不要關(guān)閉，切換到程序編輯窗口，輸入程序。Datad22;Input*y;Cards;1.90.70.8-1.61.1-0.20.1-1.2-0.1-0.14.43.45.53.71.60.84.603.42;Run;2. 使用"SAS/分析家〞菜單回到"分析家〞界面，調(diào)出數(shù)據(jù)文件work.d22確定分析方法。選擇級聯(lián)菜單："統(tǒng)計〞"假設(shè)檢驗〞"均值的雙樣本T檢驗〞設(shè)置數(shù)據(jù)集work.d22中，各樣本分組數(shù)據(jù)對應(yīng)的變量個數(shù)："Twovariables〞。輸送變量。將變量"*〞輸送給"group1”，"y〞輸送輸出結(jié)果如下涉及到兩獨立組的方差，繼續(xù)檢驗兩組方差是否相等?；氐?分析家〞界面上，選擇級聯(lián)菜單"統(tǒng)計〞"假設(shè)檢驗〞"方差的雙樣本T檢驗〞輸送變量。將變量"*〞輸送給"group1”，"y〞輸送給"group2〞，單擊"OK〞輸出結(jié)果如下3. 解答H0:σ1=σ2H1:σ1≠σ2檢驗方法：F檢驗統(tǒng)計量取值:F=____檢驗p值=_______結(jié)論：拒絕/承受H0.兩獨立組的方差是/否相等。H0:μ1=μ2H1:μ1≠μ2檢驗方法：t檢驗統(tǒng)計量取值:t=____檢驗p值=_______結(jié)論：拒絕/承受H0.兩種安眠藥的療效有/無顯著性差異三、兩對照組樣本(服從正態(tài)總體)進(jìn)展均值比較〔習(xí)題1.24〕甲、乙兩種稻種分別播種在10塊試驗田中，每塊試驗田甲、乙稻種各種一半。假設(shè)同一塊田中兩種作物的產(chǎn)量之差服從正態(tài)分布?，F(xiàn)獲10塊田的成對產(chǎn)量如下表所示〔單位：公斤〕，試問兩種稻種產(chǎn)量有無顯著性差異〔a=0.05〕，p值是多少.12345678910甲種140137136140145148140135144141乙種1351251401281311301401311251. 建數(shù)據(jù)集Datad24;Input*y;Cards;140 135137 136 125140 140145 128148 131140 130135 140144 131141 125;Run;2. 使用"SAS/分析家〞菜單回到"分析家〞界面，調(diào)出數(shù)據(jù)文件work.d24確定分析方法。選擇級聯(lián)菜單："統(tǒng)計〞"假設(shè)檢驗〞"均值的雙樣本成對T檢驗〞輸送變量。設(shè)置各分組數(shù)據(jù)對應(yīng)的變量個數(shù)："Twovariables〞，并輸送變量"*〞"y〞，單擊"OK〞，得到輸出結(jié)果如下：3. 解答H0:μ1=μ2H1:μ1≠μ2檢驗方法：t檢驗統(tǒng)計量取值:t=____檢驗p值=_______結(jié)論：拒絕/承受H0，兩種稻種產(chǎn)量有/無顯著性差異.實驗三 非參數(shù)檢驗【實驗?zāi)康摹空莆湛ǚ綑z驗〔A〕；熟悉符合檢驗、符號秩和檢驗、秩和檢驗?！緦嶒炘怼糠菂?shù)統(tǒng)計是統(tǒng)計分析的重要組成局部?？墒桥c之很不相稱的是它的理論開展遠(yuǎn)遠(yuǎn)不及參數(shù)檢驗完善，因而比較完善的可供使用的方法也不多。在SAS中，非參數(shù)統(tǒng)計主要由UNIVARIATE過程、MEANS過程和NPAR1WAY過程來實現(xiàn)，使用SAS的"分析家〞系統(tǒng)可以方便地進(jìn)展界面操作。【實驗工程設(shè)計】對列聯(lián)表，檢驗行變量與列變量的關(guān)聯(lián)性；給定一組未知總體的樣本數(shù)據(jù)，檢驗μ=μ0；給定兩組未知總體的樣本數(shù)據(jù)，檢驗μ1=μ2。【實驗容】一、對列聯(lián)表，檢驗行變量與列變量的關(guān)聯(lián)性(習(xí)題4.7)下表為*藥治療感冒效果的3*3列表。療效\年齡 兒童 成年 老年 合計顯著 58 38 32 128一般 28 44 45 117較差 23 18 14 55合計 109 100 91 300試問：療效與年齡是否關(guān)聯(lián)〔a=0.05〕.1. 建數(shù)據(jù)集Datad0407;Doeffect='顯著','一般','較差';Doage='兒童','成年','老年';inputnum;output;end;end;Cards;58 38 32 28 44 45 23 18 14 ;Run;2. 使用"SAS/分析家〞菜單翻開"分析家〞界面。調(diào)出數(shù)據(jù)文件Work.D0407。確定分析方法。選擇界面上的級聯(lián)菜單："統(tǒng)計〞"表分析〞得到列聯(lián)表的空白界面。輸送變量。選中變量"effect〞，單擊"Row〞按鈕；選中變量"age〞，單擊"Column〞按鈕；選中變量"num〞，單擊"CellCounts〞按鈕。完成變量輸送。顯示如下。選擇附加的統(tǒng)計方法。在列聯(lián)表分析〔TableAnalysis〕界面的右邊下角，點擊"statistics〞按鈕，翻開選項設(shè)置頁。勾選"chi-squarestatistics〞。如下列圖。單擊"OK〞按鈕。值得一提的是，卡方檢驗?zāi)J(rèn)使用近似計算，目的是為了節(jié)省時間。當(dāng)然也可以勾選中間的"E*acttest〞選項卡，來指定準(zhǔn)確檢驗，只是*些時候的運行時間無法控制。得到輸出結(jié)果3. 解答H0：療效與年齡獨立。檢驗統(tǒng)計量及其分布：統(tǒng)計量=檢驗p值=結(jié)論：二、對未知總體的一組樣本數(shù)據(jù)，進(jìn)展均值的非參數(shù)檢驗〔H0：μ=μ0〕(習(xí)題4.9)從*企業(yè)中隨機(jī)抽取12名職工，調(diào)查他們的年抽入，數(shù)據(jù)如下〔單位：萬元〕：5.42 5.65 5.64 5.13 4.69 5.13 4.81 4.37 5.82 6.31 4.78 5.52試用符號檢驗對該企業(yè)職工年收入的中位數(shù)是否顯著超過了5萬元進(jìn)展符號檢驗〔a=0.05〕。建數(shù)據(jù)集前面的"分析家〞界面不要關(guān)閉，切換到程序窗口，運行以下程序。Datad0409;inputine;d=ine-5;cards;5.42 5.65 5.64 5.13 4.69 5.13 4.81 4.37 5.82 6.31 4.78 5.52;run;2. 使用"SAS/分析家〞菜單在未關(guān)閉的"分析家〞界面中，調(diào)出數(shù)據(jù)文件Work.D0409。翻開對應(yīng)于univariate程序功能的菜單分析界面。選擇界面上的級聯(lián)菜單："統(tǒng)計〞"描述性統(tǒng)計〞"分布〞輸送差值變量"d〞。選中差值變量"d〞，單擊Analysis框。單擊"OK〞。得到輸出結(jié)果。3. 解答H0：m=5H1：m>5①符號檢驗檢驗統(tǒng)計量及其分布：統(tǒng)計量s+=2+E(S+)=8檢驗p值=0.3877/2=0.194〔單邊檢驗，故概率除以2〕結(jié)論：承受H0。②符號秩檢驗〔前提：假定總體的分布式對稱的〕檢驗統(tǒng)計量代表差值變量d中取值為正的數(shù)據(jù)項秩總和。統(tǒng)計量T+=19+E(T+)=19+12(12+1)/4=19+39=58,檢驗p值=0.1455/2=0.〔單邊檢驗，故概率除以2〕結(jié)論：承受H0。三、兩組未知總體的樣本數(shù)據(jù)，非參數(shù)檢驗總體均值〔習(xí)題4.12〕在甲、乙兩臺同型梳棉機(jī)上，進(jìn)展纖維轉(zhuǎn)移率試驗，除機(jī)臺外其他工藝條件都一樣，經(jīng)試驗得兩個容量不同的纖維轉(zhuǎn)移率樣本數(shù)據(jù)如下表：甲8.6359.9.2318.7979.8710.325乙7.3427.4368.038.9469.1316.8238.9658.6968.345試用秩和檢驗，對纖維轉(zhuǎn)移率而言，這兩臺機(jī)器是否存在顯著的機(jī)臺差異〔a=0.05〕.建數(shù)據(jù)集前面的"分析家〞界面不要關(guān)閉，切換到程序窗口，運行以下程序。datad04012;input* class$;cards;8.635 甲9. 甲9.231 甲8.797 甲9.87 甲10.325 甲7.342 乙7.436 乙8.03 乙8.946 乙9.131 乙6.823 乙8.965 乙8.696 乙8.345 乙;run;運行npar1way過程propar1waydata=d04012wilco*on;classc;var*;run;3.得到輸出結(jié)果4.解答H0：兩臺機(jī)器沒有顯著的差異〔即μ1=μ2〕H1：兩臺機(jī)器存在顯著的差異(即μ1≠μ2)T=67，(統(tǒng)計量T代表甲臺機(jī)器的樣本數(shù)據(jù)在混合數(shù)據(jù)中的秩和)，檢驗p值=0.0292〔雙邊檢驗，應(yīng)選用z檢驗的"Two–sidedPr>|Z|〞〕,拒絕H0，認(rèn)為兩臺機(jī)器存在顯著差異?！舅伎碱}】問題1說出非參數(shù)檢驗和參數(shù)檢驗的區(qū)別。問題2說出非參數(shù)檢驗中，都有哪幾類問題有需要以引入差值變量d。實驗四 方差分析【實驗?zāi)康摹空莆諉我蛩胤讲罘治?、多重比較〔A〕；掌握兩因素方差分析算〔A〕?！緦嶒炘怼糠讲罘治?analysisofvariance，簡稱ANOVA)是用來對多個總體的均值作比較檢驗的統(tǒng)計方法。在進(jìn)展單因素方差分析時，如果檢驗拒絕了原假設(shè)，則我們有時還需進(jìn)一步檢驗到底哪些均值之間存在差異，把同時比較任意兩個水平下的總體均值有無顯著差異的問題稱為多重比較問題。常用的有費希爾LSD法和邦弗倫尼法?！緦嶒灩こ淘O(shè)計】進(jìn)展單變量方差分析；考慮交互作用進(jìn)展雙因素方差分析；不考慮交互作用進(jìn)展雙因素方差分析?！緦嶒炄荨恳弧我蛩胤讲罘治?多重比較〔例5.1.1〕為檢驗甲、乙、丙三種型號的機(jī)器混合一批原料所需平均時間是否一樣，*管理人員得到了混合原料所需時間的如表5.1.1所示的數(shù)據(jù)。機(jī)器 所 需 時 間甲 21 25 22 26 23 22乙 27 23 25 24 27 26丙 19 22 21 25 21 20(例5.2.1)在例5.1.1中，k=3,n1=n2=n3=6,n=18，并假定在三個水平下的總體分布皆為正態(tài)，且方差相等。試給出方差分析表〔參考教材124頁〕并進(jìn)展多重比較。1. 建數(shù)據(jù)集/*引入組別變量a和數(shù)值變量*，建數(shù)據(jù)集c0501*/Datac0501;input*;if_n_<7thena=’甲’;elseif_n_<13thena=’乙’;elsea=’丙’;cards;21 25 22 26 23 2227 23 25 24 27 2619 22 21 25 21 20;run;2. 使用"SAS/分析家〞菜單翻開"分析家〞界面，調(diào)出數(shù)據(jù)文件Work.C0501。翻開單因素方差分析界面。/*SAS\ANALYST菜單："統(tǒng)計〞"方差分析(A)〞"單向方差分析(O)〞*/輸送變量。得到輸出結(jié)果。驗證：SST=SSA+SSE3. 進(jìn)展多重比較翻開單因素方差分析界面/*SAS\ANALYST菜單："統(tǒng)計〞"方差分析(A)〞"單向方差分析(O)〞*/單擊界面上的"Means〞按鈕單擊選項卡"parisonMethod〞右側(cè)的黑色下箭頭，彈出的列表中選擇適宜的方法。使用Fisher’sLSD法的多重比較結(jié)果〔參考教材126頁〕使用邦弗倫尼法的多重比較結(jié)果〔參考教材127頁〕二、考慮交互作用的雙因素方差分析〔例5.3.1〕 為研究影響合成纖維抗斷強(qiáng)度的因素，表5.3.1記錄了三位操作員用同一批產(chǎn)品的纖維在四臺生產(chǎn)機(jī)器上試驗的數(shù)據(jù)。機(jī)器 甲 乙 丙 丁操作員1 109，110 110，115 108，109 110，1082 110，112 110，111 111，109 114，1123 116，114 112，115 114，119 120，117〔例5.3.1. 建數(shù)據(jù)集/*引入因素變量A、B和數(shù)值變量*，建數(shù)據(jù)集c0502*/Datac0502;DoA='p1','p2','p3';DoB='甲','乙','丙','丁';Dor=1,2;Input*;Output;End;end;end;cards;109110 110115 108109 110108110112 110111 111109 114112116114 112115 114119 120117;Run;2. 使用"SAS/分析家〞菜單翻開"分析家〞界面，調(diào)出數(shù)據(jù)文件Work.C0502。翻開雙因素方差分析界面。/*SAS\ANALYST菜單："統(tǒng)計〞"方差分析(A)〞"因子方差分析(O)〞*/輸送雙因素變量A、B和數(shù)值變量*。保存窗口。輸送交互因素A×B。單擊Model按鈕，彈出如下頁面。同時選中左側(cè)變量A、B，單擊cross按鈕，完成交互因素的添加。單擊"OK〞按鈕。得到輸出結(jié)果。三、不考慮交互作用的雙因素方差分析〔例5.3.3〕為了考察壓強(qiáng)與溫度對*種粘合劑抗剪強(qiáng)度的影響，選定壓強(qiáng)(單位：10?5牛頓/毫米2)的四個水平和溫度(單位：℃)的三個水平作試驗，每個水平組合下作一次試驗，結(jié)果見表5.3.6。假定這兩個因素?zé)o交互作用，且在各水平組合下粘合劑的抗剪強(qiáng)度均服從方差一樣的正態(tài)分布，試檢驗兩個因素的效應(yīng)是否顯著(α=0.05)。

溫度(B)130140150yi?壓強(qiáng)(A)

609.6011.289.0029.88659.6910.109.5729.36708.4311.019.0328.47759.9810.449.8030.22y?j37.742.8337.4y??=117.93試給出方差分析表〔參考教材136頁〕1. 建數(shù)據(jù)集/*引入因素變量A、B和數(shù)值變量*，建數(shù)據(jù)集c0503*/Datac0503;DoA=60,65,70,75;DoB=130,140,150;Input*;Output;End;end;cards;9.60 11.28 9.009.69 10.10 9.578.43 11.01 9.039.98 10.44 9.80;Run;2. 使用"SAS/分析家〞菜單同上，只是省去添加交互因素這一步驟。實驗五 回歸分析【實驗?zāi)康摹空莆斩嘣€性回歸方程的擬合、檢驗〔A〕?！緦嶒炘怼靠陀^世界中事物之間的關(guān)系是各種各樣的。從定量的角度看，主要有兩種：一是確定性關(guān)系，如重力加速度，即自由落體的距離與時間：S=0.5gt2；另一類是不確定性關(guān)系，即相關(guān)關(guān)系。由于事物的變化常常受多種因素的影響，導(dǎo)致了事物變化的不確定性。人們常用相關(guān)系數(shù)來描述事物之間的這種不確定性程度。但對于如何通過一個事物的值去估計和預(yù)測另一個事物的開展變化，相關(guān)系數(shù)卻無能為力。但是，通過大量的實際調(diào)查，可以總結(jié)出它們之間的關(guān)系，回歸分析即是對這種關(guān)系的描述。"回歸〞一詞最早由英國統(tǒng)計學(xué)家高爾頓〔FrancisGalton〕在19世紀(jì)末期研究孩子的身高和他們父母身高關(guān)系時提出。研究發(fā)現(xiàn)，孩子的身高總是趨于他們父母身高的平均值。孩子的身高，比身材矮的父母要高，比身材高的父母要矮，這種趨于中間值的趨勢稱作"回歸效應(yīng)〞，而他提出的這種研究兩個數(shù)值變量關(guān)系的方法稱作回歸分析?；貧w分析是借助數(shù)學(xué)模型對客觀世界所存在的事物間的不確定關(guān)系的一種數(shù)量化描寫，即通過一個或幾個變量的變化去解釋另一變量的變化。目的在于對相關(guān)隨機(jī)變量進(jìn)展估計、預(yù)測和控制，確定變這些量之間數(shù)量關(guān)系的可能形式，并用一個數(shù)學(xué)模型來表示。回歸分析中，自變量(independentvariable)也稱為解釋變量，給定的或可以控制的、用來解釋、預(yù)測因變量的變量；因變量(dependentvariable)也稱為響應(yīng)變量，由自變量來解釋其變化的變量。只有一個自變量的線性回歸叫一元線性回歸，也叫簡單回歸。與方差分析不同，在回歸分析中，"元〞是指自變量，而不是指因變量。【實驗工程設(shè)計】給定樣本數(shù)據(jù)，進(jìn)展一元線性回歸擬合、檢驗；給定樣本數(shù)據(jù)，進(jìn)展多元線性回歸擬合、檢驗。帶虛擬變量〔啞元變量〕的線性回歸。【實驗容】一、一元回歸分析〔習(xí)題5.2〕關(guān)于汽車輪胎的等級和承載能力的一個樣本統(tǒng)計資料如下：序號123456789承載能力y85310471135120112351356138914332039輪胎等級*7582858788919293105(1)用汽車輪胎的等級作自變量，畫出這些數(shù)據(jù)的散點圖；(2)利用最小二乘法，求出估計回歸函數(shù)；1. 建數(shù)據(jù)集Datad0604;Inputy*1;Cards;補(bǔ)充;Run;2. 使用"SAS/分析家〞菜單翻開"分析家〞界面。調(diào)出數(shù)據(jù)文件Work.D0602。繪制散點圖。單擊工具欄"散點圖〞圖標(biāo)彈出散點圖頁面：〔2.1〕輸送變量?！?.2〕設(shè)置星號為散點顯示符號。單擊"display〞按鈕，彈出頁面如下，單擊黑色下箭頭，彈出列表中單擊"star〞。單擊"OK〞返回。擬合回歸函數(shù)。步驟同實驗容二。略。二、多元回歸分析〔習(xí)題6.4〕關(guān)下表是30家計算機(jī)硬件設(shè)備公司的每股價格(y)、每股賬面價值(*1)和每股資本收益率(*2)的統(tǒng)計資料：y*1*2y*1*212.314.94-49.728.756.3515.121.759.46-71.830.53.7811.8114.9517.227.1912.599.83.254.335.116.313.6428.365.59.5820.811.883.56435.948.4613.33310.0316.582.062.3374.528.1910.643.3157.35-11.927.449.12-4.34322.4-12.915.136.1516.114.254.1118.855.522.3811.116.256.8310.7486.426.212.889.13934.249.498.739.136.0728.838.9410.2514.361.514.1418.711.310.681.6101.3820.1229.914.633.4824.3試求估計回歸函數(shù)；檢驗H0:0=1=0〔a=0.05〕；試求復(fù)判定系數(shù)R2；試求0和1的95%置信區(qū)間；對于一家每股賬面價值*1=9.48和每股資本收益率*2=17.5的計算機(jī)，硬件設(shè)備公司，試對它的平均每股價格作出點估計并對其每股價格作出點預(yù)測；在(5)中，試求平均每股價格的95%置信區(qū)間和每股價格的0.95置信區(qū)間.1. 建數(shù)據(jù)集Datad0604;Inputy*1*2;Cards;12.31 4.94 -49.7 28.75 6.35 15.121.75 9.46 -71.8 30.5 3.78 11.811 4.95 17.2 27.19 12.59 9.83.25 4.33 5.1 16.31 3.64 28.365.5 9.58 20.8 11.88 3.56 435.94 8.46 13.3 33 10.03 16.582.06 2.33 74.5 28.19 10.64 3.315 7.35 -11.9 27.44 9.12 -4.343 22.4 -12.9 15.13 6.15 16.114.25 4.11 18.8 55.5 22.38 11.116.25 6.83 10.7 48 6.4 26.212.88 9.13 9 34.24 9.49 8.739.13 6.07 28.8 38.94 10.25 14.361.5 14.14 18.7 11.31 0.68 1.6101.38 20.12 29.9 14.63 3.48 24.3;Run;2. 使用"SAS/分析家〞菜單翻開"分析家〞界面。調(diào)出數(shù)據(jù)文件Work.D0604。翻開〔多元〕線性回歸界面。單擊工具欄"(多元)線性回歸〞圖標(biāo)：設(shè)置〔多元〕線性回歸界面，如圖?！?.1〕輸送變量?！泊瞬襟E操作必選，余下步驟可選〕輸送y為Dependent變量；同時選中*1、*2設(shè)置為E*planatory變量?！?.2〕求回歸系數(shù)求0和1的95%置信區(qū)間。單擊Statistics按鈕，彈出頁面：在Parameterestimates選項框中，勾選前兩項。如圖。即設(shè)置輸出標(biāo)準(zhǔn)回歸系數(shù)和參數(shù)估計置信區(qū)間?！?.3〕新采樣點的點預(yù)測。依據(jù)題目為例：*1=9.48，*2=17.5。對平均每股價格作出點估計并對其每股價格作出點預(yù)測。切換到程序編輯窗口，建立待預(yù)測數(shù)據(jù)集temp并運行程序。Datatemp;*1=9.48;*2=17.5;y=.;run;切換到多元線性回歸界面，單擊Predictions按鈕，彈出頁面：在〞預(yù)測輸入〞選項框中，勾選"Predictadditionaldata〞，單擊實黑色右箭頭，將彈出"選擇成員〞頁面，選擇新建的待預(yù)測數(shù)據(jù)集work.temp。然后，在"預(yù)測輸出〞選項框中，勾選"Listpredictions〞，將顯示預(yù)測結(jié)果列表。單擊"OK〞返回。多元線性回歸界面，單擊Savedata按鈕，彈出頁面：勾選"Createandsavediagnosticsdata〞選項。按住鍵盤shift按鈕，依次單擊Predicted、L95M、U95M、L95、U95〔含義分別是：預(yù)測值，平均y值的95%置信下限、上限，預(yù)測y值的95%置信下限、上限〕，單擊界面"Add〞按鈕，完成預(yù)測統(tǒng)計量的添加。單擊OK返回?！?.4〕完成多元線性回歸界面設(shè)置，單擊OK按鈕。得到輸出結(jié)果。保存數(shù)據(jù)的查看。在SAS資源管理器中，雙擊新出現(xiàn)的文件夾_proj_,雙擊Score，即可查看預(yù)測輸出保存數(shù)據(jù)。3. 解答略。帶虛擬變量的多元回歸分析(習(xí)題6.4)一位經(jīng)濟(jì)學(xué)家想研究采取*項改革措施所需時間〔y〕對保險公司規(guī)?！?1，單位：百萬美元〕和保險公司類型〔互助公司和股份公司〕的關(guān)系。因變量的計量是第一個公司采納這項革新和給定公司采納這項革新在時間上先后間隔的月數(shù)。令虛擬變量*2=1互助公司；*2=0股份公司。考慮回歸模型：Yi=0+1*i1+2*i2+i10個互助公司和10個股份公司的有關(guān)調(diào)查數(shù)據(jù)見下表：公司y*1公司類型公司Y*1公司類型117151互助1128164股份22692互助1215272股份321175互助1311295股份43031互助143868股份522104互助153185股份60277互助1621224股份712210互助1720166股份819120互助1813305股份94290互助1930124股份1016238互助2014246股份試求估計回歸函數(shù)，并寫出對每一公司類型的估計回歸函數(shù)；解釋回歸系數(shù)的含義；檢驗H0:1=2=0〔a=0.05〕；檢驗驗H0:1=0和H0:2=0〔a=0.05〕；試求1和2的95%置信區(qū)間。實驗步驟同上。略。實驗六(1) 判別分析【實驗?zāi)康摹空莆沾袠悠返木嚯x判別法和貝葉斯判別法〔A〕?！緦嶒炘怼颗袆e分析要解決的問題是，在歷史上用*些方法已把研究對象分成假設(shè)干組的情況下，來判定新的觀測樣品應(yīng)歸屬的組別。三種常用的判別分析方法分別是距離判別、貝葉斯〔Bayes〕判別和費希爾〔Fisher〕判別。對組的事先劃分有時也可以通過聚類分析得到?！緦嶒灩こ淘O(shè)計】距離判別;貝葉斯判別?！緦嶒炄荨俊擦?xí)題8.4〕 根據(jù)經(jīng)歷，今天和昨天的濕度差*1及今天的壓溫差〔氣壓與溫度之差〕*2是預(yù)報明天是否下雨的兩個重要因素?，F(xiàn)收集到一批樣本數(shù)據(jù)列于下表。1〔雨天〕2〔非雨天〕*1〔濕度差〕*2〔壓溫差〕*1〔濕度差〕*2〔壓溫差〕-1.93.20.26.2-6.910.4-0.17.55.220.414.652.52.78.37.302.10.86.812.7-4.64.30.9-15.4-1.710.9-12.5-2.5-2.613.11.51.32.612.83.86.8-2.810今測得*1=0.6，*2=3.0，假定兩組的協(xié)方差陣相等。試用距離判別法預(yù)報明天是否下雨，用〔8.2.7〕式即回判法來估計誤判概率；解答：明天下雨/不下雨_明天下雨_。誤判率的回判法估計：0.2,0.1。假定兩組的均服從二元正態(tài)分布，且根據(jù)其他信息及經(jīng)歷給出先驗概率p1=0.3，p2=0.7，試用貝葉斯判別法預(yù)報明天是否下雨；解答：明天下雨/不下雨_____不下雨______。假設(shè)你現(xiàn)考慮是否為明天安排一項活動，該活動在時間上有緊迫性，但又不太適合在雨天進(jìn)展，并認(rèn)為C(2|1)=3C(1|2)，則你今天是否應(yīng)該安排項這活動呢.判別規(guī)則為：,解答：安排/不安排__不安排_________。8.4 程序附錄：Datad0804;Inputgroup*1*2;Cards;1 -1.9 3.2 2 0.2 6.21 -6.9 10.4 2 -0.1 7.51 5.2 2 2 0.4 14.61 5 2.5 2 2.7 8.31 7.3 0 2 2.1 0.81 6.8 12.7 2 -4.6 4.31 0.9 -15.4 2 -1.7 10.91 -12.5 -2.5 2 -2.6 13.11 1.5 1.3 2 2.6 12.81 3.8 6.8 2 -2.8 10;Run;Datat_d;*1=0.6;*2=3.0;group=.;run;Procdiscrimdata=d0804testdata=t_dpool=yeslisttestlistlisterr;Classgroup;Var*1*2;run;Procdiscrimdata=d0804testdata=t_dpool=yestestlist;Classgroup;Var*1*2;Priors'1'=0.3'2'=0.7;run;-.z.(習(xí)題8.5)對28名一級和25名健將級標(biāo)槍運發(fā)動測試了6個影響標(biāo)槍成績的訓(xùn)練項目，這些訓(xùn)練工程〔成績〕為：30米跑〔*1〕，投擲小球〔*2〕，挺舉重量〔*3〕，拋實心球〔*4〕，前拋鉛球〔*5〕，五級跳〔*6〕，全部數(shù)據(jù)列于下表。編號*1*2*3*4*5*6組別13.64.382.3709018.52123.34.187.488010018.48133.34.2287.748511518.56143.214.0588.67510019.1153.14.3889.989512020.14163.24.989.18510519.44173.34.289758519.17183.54.584.28010018.8193.74.682.1708517.681103.44.490.187510019.141113.64.382.1709018.11123.64.582557017.41133.64.282.2709018.121143.44.285.48510018.661153.34.390.18010019.861163.124.28985100201173.14.290.28511520.81183.64.281.96658017.21193.74.4818095171203.34.3908011019.81213.84.0980608016.891223.74.383.98510018.761233.54.285.48510018.71243.44.186.78511018.51253.34.188.1758518.961263.74.184.1709518.71273.64.382709018.41283.24.289.28511519.881293.441039511024.82303.34.51189012025.72313.14.51058511025.12323.84.1104.538010024.9823334.21129512525.352343.93.798.2859021.82353.54.198.79012022.782363.13.998.2609021.982373.33.910910012025.32383.13.9598.49511525.22393.143.995.39011021.422403.64.393.6758520.842413.123.995.88010521.824233.993.8859021.082433.43.9196.311012021.982443.633.7898.568512022.362453.33.9897.48510022.342463.34.41127511025.12473.54.1107.787.511025.12483.44.292.18012022.162493.64.199.488512023.12503.14.41167511025.32513.124102.78011024.682523.64.11158511523.72533.54.397.87510024.12另有14名未定級的運發(fā)動也測試了同樣6個工程，數(shù)據(jù)列表如下。編號*1*2*3*4*5*613.54.185.37510518.6523.44.485.4759518.633.64.385.36759018.643.64.183.77510518.653.24.189.35759520.2863.44.1586.286077.518.973.64.284.18010018.783.14.1989513022.3934.112210011527.1103.24.392.688010520.68113.14.291.768510022.2123.34.298.46510022.86133.34.6928019523.07143.44.397.367511022.12假定兩組數(shù)據(jù)均來自于電影正態(tài)總體，且C(2|1)=C(1|2)。對14名未定級的運發(fā)動，假設(shè)p1=p2，試在和的兩組情形下分別都他們歸屬何組作出貝葉斯判別；①判入一級的運發(fā)動{1,3,5,6,7,9,11,12,13}判入二級的運發(fā)動{2,4,8,10,14}②判入一級的運發(fā)動{1,3,5,6,7,9,11,13 }判入二級的運發(fā)動{2,4,8,10,12,14 }試按〔8.2.7〕和〔8.2.8〕兩式分別對(1)的誤判概率作出估計；①回判法的誤判率：0,0。刀切法的誤判率：0,0。②回判法的誤判率：0,0.08。刀切法的誤判率：0,0。假設(shè)，p1=0.8，p2=0.2，試對14名未定級的運發(fā)動的歸屬作出貝葉斯判別。判入一級的運發(fā)動{1,2,3,5,6,7,9,11,12,13}判入一級的運發(fā)動{4,8,10,14}.z.8.5程序附錄：Datad0805;Inputno*1-*6group;Cards;13.64.382.3709018.521293.441039511024.8223.34.187.488010018.481303.34.51189012025.7233.34.2287.748511518.561313.14.51058511025.1243.214.0588.67510019.11323.84.1104.538010024.98253.14.3889.989512021.1413334.21129512525.35263.24.989.18510519.441343.93.798.2859021.8273.34.289758519.171353.54.198.79012022.78283.54.584.28010018.81363.13.998.2609021.98293.74.682.1708517.681373.33.910910012025.32103.44.490.187510019.141383.13.9598.49511525.22113.64.382.1709018.11393.143.995.39011021.422123.64.582557017.41403.64.393.6758520.842133.64.282.2709018.121413.123.995.88010521.82143.44.285.48510018.6614233.993.8859021.082153.34.390.18010019.861433.43.9196.311012021.982163.124.28985100202143.633.7898.568512022.362173.14.290.28511520.81453.33.9897.48510022.342183.64.281.96658017.21463.34.41127511025.12193.74.4818095171473.54.1107.787.511025.12203.34.3908011019.81483.44.292.18012022.162213.84.0980608016.891493.64.199.488512023.12223.74.383.98510018.761503.14.41167511025.32233.54.285.48510018.71513.124102.78011024.682243.44.186.78511018.51523.64.11158511523.72253.34.188.1758518.961533.54.397.87510024.12263.74.184.1709518.71273.64.382709018.41283.24.289.28511519.881 ;Run;Datat_d;Inputno*1-*6;group=.;Cards;13.54.185.37510518.6583.14.1989513022.323.44.485.4759518.6934.112210011527.133.64.385.36759018.6103.24.392.688010520.6843.64.183.77510518.6113.14.291.768510022.253.24.189.35759520.28123.34.298.46510022.8663.44.1586.286077.518.9133.34.6928019523.0773.64.284.18010018.7143.44.397.367511022.12;run;Procdiscrimdata=d0805testdata=t_dpool=yeslistcrosslistlisterrtestlistout01testout02;Classgroup;Var*1-*6;priors'1'=0.5'2'=0.5;run;Procdiscrimdata=d0805testdata=t_dpool=nolistcrosslistlisterrtestlisttestout03;Classgroup;Var*1-*6;priors'1'=0.5'2'=0.5;run;Procdiscrimdata=d0805testdata=t_dpool=yeslistcrosslistlisterrtestlisttestout04;Classgroup;Var*1-*6;priors'1'=0.8'2'=0.2;run;實驗六(2) 聚類分析【實驗?zāi)康摹空莆諏ξ粗诸悩悠愤M(jìn)展系統(tǒng)聚類。【實驗原理】判別分析和聚類分析是兩種不同目的的分類方法，它們所起的作用是不同的。聚類分析：將未分類對象分成假設(shè)干類，相似的歸為同一類，不相似的歸為不同的類。聚類分析分為Q型〔分類對象為樣品〕和R型〔分類對象為變量〕兩種。Q型聚類分析較多常見?！緦嶒灩こ淘O(shè)計】教學(xué)實驗學(xué)生實驗學(xué)生實驗參考解答【實驗容】一、教學(xué)實驗例9.3.1〔257頁〕設(shè)有五個樣品，只測量了一個指標(biāo)，分別是1，2，6，8，11，。例9.3.2〔260頁〕對305名中學(xué)生測量8個指標(biāo)： *1：身高 *5：體重 *2：手臂長 *6：頸圍 *3：上肢長 *7：胸圍 *4：下肢長 *8：胸寬例9.3.3〔261頁〕表9.3.14列出了1999年全國31個省、直轄市和自治區(qū)的城鎮(zhèn)居民家庭平均每人全年消費性支出的八個主要變量數(shù)據(jù)。這八個變量是 *1：食品 *5：交通和通訊 *2：衣著 *6：娛樂教育文化效勞 *3：家庭設(shè)備用品及效勞 *7：居住 *4：醫(yī)療保健 *8：雜項商品和效勞作聚類分析。為同等地對待每一變量，在作聚類前，先對各變量作標(biāo)準(zhǔn)化變換。程序附錄1：例9.3.1系統(tǒng)聚類法procclusterdata=e0901method=single|plete|centroid|average|ward stdouttree=treedata1;var*;/*用*作為計算距離的變量 */id*;/*用*作為樣品的標(biāo)識變量*/run;proctreedata=treedata1horizontal;id*;/*用*作為樣品的標(biāo)識變量，顯示在譜系聚類圖中 */run;程序附錄2：例9.3.2變量的距離聚類datae0902(type=distance);array*(8)*1-*8;inputvarname$*1-*8;doi=1to8;*(i)=1-*(i);end;dropi;cards;*11.000.......*2.8461.000......*3.805.8811.000.....*4.859.826.8011.000....*5.473.376.380.4361.000...*6.398.326.319.329.7621.000..*7.301.277.237.327.730.5831.000.*8.382.415.345.365.629.577.5391.000;run;procclusterdata=e0902method=;var*1-*8;idvarname;proctreehorizontal;idvarname;run;程序附錄3：例9.3.3大樣品的k均值法快速聚類—Fastclus過程大樣本快速聚類〔n＝100～100，000〕輸出類指標(biāo)均值，比較類間差異沒有原始數(shù)據(jù)標(biāo)準(zhǔn)化功能需要指定類別數(shù)或初始凝聚點間最小距離不能輸出作樹狀圖的聚類信息procstandanddata=e0903mean=0std=1out=stddata;var*1-*8;/*指定進(jìn)展標(biāo)準(zhǔn)化的變量*/run;procfastclusdata=stddatama*c=5driftlist;var*1-*8;idregion;run;說明：data=sas數(shù)據(jù)集，ma*c|ma*cluster=選項：指定允許的最大分類個數(shù)。drift選項：初始凝聚點選好后，每當(dāng)一個觀測歸入最靠近的凝聚點所在的類后，該類的凝聚點都要被類中現(xiàn)有觀測的均值替代。list選項：列表顯示所有的樣本點、它的id值、它歸為哪一個cluster、它到自己的cluster的凝聚點的距離。二、學(xué)生實驗對例9.3.3,不進(jìn)展標(biāo)準(zhǔn)化變換，使用系統(tǒng)聚類法；寫出程序和聚類結(jié)果。使用k均值快速聚類法分為5類；寫出程序和聚類結(jié)果。學(xué)生實驗參考解答使用系統(tǒng)聚類法；寫出程序和聚類結(jié)果程序procstandanddata=e0903mean=0std=1out=stddata;var*1-*8;run;procclusterdata=e0903method=warstdouttree=treedata1;var*1-*8;idregion;run;proctreedata=treedata1horizontaln=3out=clsdata;idregion;run;procsort;bycluster;run;procprintdata=clsdata;run;聚類結(jié)果G1={，，，，，**，，，，，，，，，，，，，**，}G2={，，，**，，，}G3={，， }使用k均值快速聚類法分為5類；寫出程序和聚類結(jié)果。程序procstandanddata=e0903mean=0std=1out=stddata;var*1-*8;run;procfastclusdata=stddatama*c=5driftlist;var*1-*8;idregion;run;聚類結(jié)果G1={，， }G2={}G3={**，，，，，**，，，}G4={，，，，，，，，，，，，，，，**}G5={}實驗七 主成分分析【實驗?zāi)康摹空莆諒亩嘧兞恐刑崛≈鞒煞值囊?guī)則、方法〔A〕【實驗原理】主成分分析〔或稱主分量分析，principalponentanalysis〕由皮爾遜〔Pearson,1901〕首先引入，后來被霍特林〔Hotelling,1933〕開展了。主成分分析是一種通過降維技術(shù)把多個變量化為少數(shù)幾個主成分〔即綜合變量〕的統(tǒng)計分析方法。這些主成分能夠反映原始變量的絕大局部信息，它們通常表示為原始變量的*種線性組合。主成分分析的一般目的是：a〕變量的降維；b〕主成分的解釋?！緦嶒灩こ淘O(shè)計】給定假設(shè)干組多變量數(shù)據(jù)，進(jìn)展主成分提??；依據(jù)前兩個主成分得分繪制散點圖；對主成分進(jìn)展合理解釋?！緦嶒炄荨?習(xí)題10.5)表中給出的是美國50個州每100000個人中七種犯罪的比率數(shù)據(jù)，試做主成份分析。數(shù)據(jù)下載即可。實驗要求：寫出主成分的表達(dá)式；畫出前兩個主成分的散點圖，并貼圖。1參考程序procprintdata=tmp1.c1005;run;procprinpdata=c1005out=prin;var*1-*7;run;procplot;plotprin2*prin1$state='*';run;2解答容變量的個數(shù)p=；選取的主成分個數(shù)m=。主成分和原始變量的相關(guān)系數(shù)矩陣〔貼圖〕?？偡讲?。對選取的m個主成分：(3.1)對方差的累計奉獻(xiàn)率=；(3.2)對原始變量的奉獻(xiàn)率變量*1*2*3*4*2*3*72主成分的表達(dá)式。Y1=；Y2=；畫出前兩個主成分的散點圖，并貼圖。(習(xí)題10.6)下表是紐約股票交易所的5只股票從75年·月到76年12月期間的周回報。周回報率定義為：試做主成分分析。數(shù)據(jù)下載即可。實驗要求：寫出主成分的表達(dá)式；并依據(jù)個人理解進(jìn)展解釋。1參考程序procprinpdata=tmp1.c1006;var*1-*5;run;2主成分的表達(dá)式及解釋Y1=；解釋：；Y2=；解釋：；參考答案：10.5表中給出的是美國50個州沒100000個人中七種犯罪的比率數(shù)據(jù)，試做主成份分析。數(shù)據(jù)下載即可。實驗要求：寫出主成分的表達(dá)式；畫出前兩個主成分的散點圖，并貼圖。1參考程序procprintdata=tmp1.c1005;run;procprinpdata=c1005out=prin;var*1-*7;run;procplot;plotprin2*prin1$state='*';run;2解答容〔1〕變量的個數(shù)p=7；選取的主成分個數(shù)m=3?！?〕主成分和原始變量的相關(guān)系數(shù)矩陣〔貼圖〕。0.6091-0.70030.1519-0.13060.27330.12210.09430.8758-0.1886-0.2080.0.0957-0.3644-0.10440.80510.0470.4224-0.3139-0.2641-0.0539-0.00140.8046-0.3823-0.05920.3543-0.25730.08120.06750.89290.2263-0.1788-0.03240.05130.2526-0.22830.72490.4478-0.4594-0.13210.01530.01860.21190.59880.55920.48420.23580.1878-0.0270.0518〔3〕總方差=7。對選取的m個主成分：3.1對方差的累計奉獻(xiàn)率=86.85%；3.2對原始變量的奉獻(xiàn)率變量*1*2*3*4*5*6*720.88440.84590.828820.79710.88040.9370530.9057〔4〕主成分的表達(dá)式。Y1=0.3003**1+0.4318**2+0.3969**3+0.3967**4+0.4402**5+0.3574**6+0.2952**7；Y2=-0.6292**1-0.1694**2+0.0422**3-0.3435**4+0.2033**5+0.4023**6+0.5024**7；〔5〕畫出前兩個主成分的散點圖，并貼圖。10.6下表是紐約股票交易所的5只股票從75年·月到76年12月期間的周回報。周回報率定義為：試做主成份分析。數(shù)據(jù)下載即可。實驗要求：寫出主成分的表達(dá)式；并依據(jù)個人理解進(jìn)展解釋。1參考程序procprinpdata=tmp1.c1006;var*1-*5;run;2主成分的表達(dá)式及解釋Y1=0.4635**1+0.4571**2+0.4700**3+0.4217**4+0.4213**4；解釋：第一主成分Y1對所有(標(biāo)準(zhǔn)化)原始變量都有近似相等的正載荷，在的Y1值意味著各變量都傾向于有大的值，即表示各股票的市場萬分大，小的Y1值意味著各變量都傾向于有較小的值，即表示市場股分小。；Y2=-0.2409**1-0.5091**2-0.2606**3+0.5253**3+0.5822**4；解釋：第二主成分Y2在*3,*4上有中等程度的正載荷，而在*1，*2，*3上有中等程度的負(fù)載荷，大的Y2值意味著變量*3,*4傾向于有大的值，而變量*1，*2，*3有傾向于小的值。因此第二主成分為行業(yè)成分。實驗八 因子分析【實驗?zāi)康摹渴煜ひ蜃臃治龅姆治鲞^程〔B〕?！緦嶒炘怼恳蜃臃治銎鹪从?0世紀(jì)初，K.皮爾遜(Pearson)和C.斯皮爾曼(Spearman)等學(xué)者為定義和測定智力所作的努力，主要是由對心理測量學(xué)有興趣的科學(xué)家們培育和開展了因子分析。因子分析的用途與主成分分析類似，它也是一種降維方法。因子分析降維的方式是試圖用少數(shù)幾個潛在的、不可觀測的隨機(jī)變量來描述原始變量間的協(xié)方差關(guān)系。由于因子往往比主成分更易得到解釋，故因子分析比主成分分析更容易成功，從而有更廣泛的應(yīng)用?！緦嶒灩こ淘O(shè)計】依據(jù)相關(guān)矩陣進(jìn)展變量因子分析；給定一組多變量數(shù)據(jù)，進(jìn)展變量公共因子提取和解釋。參考解答【實驗容】一、依據(jù)相關(guān)矩陣進(jìn)展變量因子分析〔習(xí)題11.1〕在例11.1.1中，十項全能運動得分的樣本相關(guān)矩陣為R=[10.5910.350.4210.340.510.3810.630.490.190.2910.40.520.360.460.3410.280.310.730.270.170.3210.20.360.240.390.230.330.2410.110.210.440.170.130.180.340.241-0.070.09-0.080.180.390-0.020.17-01]寫出因子分析的實驗程序。databe*ec11c1(type=corr);input*1-*10;cards;1.000.590.350.340.630.400.280.200.11-0.07.1.000.420.510.490.520.310.360.210.09..1.000.380.190.360.730.240.44-0.08...1.000.290.460.270.390.170.18....1.000.340.170.230.130.39.....1.000.320.330.180.00..