java程序库 关于主成分分析的stata操作步骤？

关于主成分分析的stata操作步骤？

首先，规范化变量：Egen Z1=STD（x1）

主成分分析（PCA）优于主成分分析（PCA）

主成分分析的主要步骤？

主成分分析是将一组可能具有相关性的变量转换为一组线性不相关的变量。转换后的变量称为主成分。

主成分分析步骤：1。规范原始数据。计算相关系数。计算特征值。确定主成分。综合主成分。

主成分分析的原理是尝试将原始变量重新组合成一组新的独立综合变量。同时，根据实际需要，可以少取几个总变量，尽可能地反映原始变量的信息。这种统计方法称为主成分分析或主成分分析，也是一种降维的数学方法。

左转|右转

展开数据

主成分分析的主要作用

1。主成分分析可以降低所研究数据空间的维数。

2. 有时我们可以通过因子负荷AIJ的结论找出x变量之间的一些关系。

主成分分析法有什么缺点？

在主成分分析中，首先要保证提取的前几个主成分的累积贡献率达到较高水平（即变量降维后的信息量必须保持在较高水平）。其次，我们必须能够给出符合实际背景和意义的解释，因为这些提取的主成分（否则，主成分将被忽略）没有实际意义。

2. 主成分的解释不如原始变量那样清晰、准确，这是变量降维过程中必须付出的代价。因此，提取的主成分m的个数应明显小于原始变量p的个数（除非p本身较小），否则降维的“优点”可能抵消不了主成分含义不如原始变量清晰的“缺点”。

java程序库 java建立数据库连接 java常用库

版权声明：本文内容由互联网用户自发贡献，本站不承担相关法律责任.如有侵权/违法内容,本站将立刻删除。