主成分分析:修订间差异

来自决策链云智库
无编辑摘要
(没有差异)

2022年10月10日 (一) 16:26的版本

一 主成分分析的概念(英语:Principal components analysis,简称PCA)

模板:右侧信息框是一种统计分析、简化数据集的方法。它利用正交变换来对一系列可能相关的变量的观测值进行线性变换,从而投影为一系列线性不相关变量的值,这些不相关变量称为主成分(Principal Components)。具体地,主成分可以看做一个线性方程,其包含一系列线性系数来指示投影方向。PCA对原始数据的正则化或预处理敏感(相对缩放)。

1.1 基本思想:

二 在统计猿(Statsape)中的操作指南

2.1 网页端版本

1)点击数据分析板块

2) 分析方法中:

  • 所属模块选择: 正态性检验
  • 直接选择或搜索选择:方差分析

3)变量选择界面:

  • 变量选择:Y (连续型,选择多个变量可做多个方差分析);
  • 分组变量选择:A (连续型/离散型,选择一个做one-way);
  • 分层变量选择:B(连续型/离散型,选择一个做two-way; 留空则做one-way)

4)提交分析,生成结果压缩包或PDF。

2.2 PC版本

开发中

三 使用建议

建议前往统计员BBS论坛的专题页面获取更多的使用经验。 点此链接