对应分析实验报告

1、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、理论和方法认识正确；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、方法和技能，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

2、方法。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个初始因子方差贡献解释，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F0nxk,对L0k、L0k+i、L0p都进行方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Lri(RotatedFactorPattern)见表2,前l个旋转后因子方差贡献吊(v,在SAS软件中RotatedFactorPattern),旋转后因子样品值矩阵

3、F2;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*=(Fi*,Fm*)'止向化后因子样品值矩阵为F*nxm,调用散点图过程命令输入变量点坐标L*、样品点坐标F*nxm的行数据给出因子坐标系Fi*,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、表的序号在左上方、图的序号在图的正下方、表的中英文名、表的上下线为粗线、表的内线为细线、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山西1.7

4、125926940.111480.0924730.0500730.0381930.0188030.079946内蒙古1.7205248290.0813150.112380.0423960.043280.0400040.083339辽宁1.7697987380.1001210.123970.0411210.0434290.0313280.078919吉林1.8835300370.105360.1169520.0450640.0437350.0385080.095256黑龙江1.8011494940.09650.1434980.0375660.0521110.0262670.072829海南1.5

5、268294470.0478520.0952380.0479450.0221340.0185190.096844四川1.5624707040.061680.1166770.0484710.0335290.0174390.0720431.3788557980.0563620.0732620.0443880.0163660.015720.0572611.4735570190.0580430.0883160.03810.0397940.0151670.067999青海1.5016976690.0885080.0968990.0381910.0392750.0192430.033801其中X1进行正向

6、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L%、L%+1、L0p都进行方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L：（l列）见表2;在L%、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）L02旋转后）FiF2_*Fi_*F2X10.968880.215030.954350.27236X20.78905-0

7、.095900.79336-0.04873X30.84300-0.095020.84717-0.04464X4-0.216420.88243-0.268600.86797X50.87170-0.384370.89305-0.33177X60.823010.166670.811620.21540X70.408390.823470.358620.84633（3）确定因子是否旋转：L°k、L°i比较，若L0i达到更好的简单结构，贝U用旋转后因子；若L0k达到更好的简单结构或L0iKL0k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

8、构的s列因子载荷阵是Ls,相应的因子方差贡献率表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L02L0212L03r3,L04l4L05150.9以上112330.80.9550120.70.8114100.60.7001120.50.600010合计77777根据临界值表中r（8）=0.631,在（L0212,人；/2U3,6/2U6）前2列有载荷绝对值大丁显著相关的临界值，2列后没有载荷绝对值大丁显著相关的临界值，故因子个数m=2。方差贡献率为0.8028。表4因子方差贡献因于贡献贡献比率%累计贡献率%i3.9256.0456.042i.7024.

9、2480.28(4)确定因子轴Fi*,成因子个数2):若(Ls,很es+i，犹2ep)(槌es+ifLep)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*=(Fi*,F2*)'，因子F2*的样品值矩阵记为F*10x2见表5,F-；为F*nxm的第j行；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F*一组，正向化是：如果归为因子fj一组变量及其中的对应的相关系数符号的综合影响

10、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内在关系对因子5*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*=(Fi*,Fm*)'止向化后因子F*的样品值矩阵仍记为F*nxm；(5) 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*nxm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i；分析与评价：根据因子分析图i,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*nxm)得出分类结果，从指标与

11、坐标轴Fi*、Fm*的方向上，样品所处的位置，给出指标对样品的影响及其影响方向，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-为；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b/Xj,当Xj>0时，1/（maxXj+Xj+1）,当Xj中有0或有负数时。适度指标（如产品销售率，速动比率）Xj正向化公式：1/（Xj-E+1）,E为理想值。这里Xj为第i个样品第j个指标的观测值datasocecon;inputx1-x7;cards;1.7125

12、926940.111480.0924730.0500730.0381930.0188030.0799461.7205248290.0813150.112380.0423960.043280.0400040.0833391.7697987380.1001210.123970.0411210.0434290.0313280.0789191.8835300370.105360.1169520.0450640.0437350.0385080.0952561.8011494940.09650.1434980.0375660.0521110.0262670.0728291.5268294470.04785

13、20.0952380.0479450.0221340.0185190.0968441.5624707040.061680.1166770.0484710.0335290.0174390.0720431.3788557980.0563620.0732620.0443880.0163660.015720.0572611.4735570190.0580430.0883160.03810.0397940.0151670.0679991.5016976690.0885080.0968990.0381910.0392750.0192430.0338011procfactordata=soceconM=pr

14、inpriors=onep=0.8simplecorr;varx1-x7;run;procfactordata=soceconR=nn=2scoreout=O951;varx1-x7;run;procprintdata=O951;varfactor1-factor2;run;DATACCC;INPUT_name_$factor1factor2;CARDS;10.101300.8697420.749640.2295430.90845-0.1651141.261530.8731951.20450-0.985376-0.920591.417667-0.455320.505978-1.66099-0.

15、007969-0.73608-0.9122610-0.45244-1.82541x10.968880.21503x20.78905-0.09590x30.84300-0.09502x4-0.216420.88243x50.87170-0.38437x60.823010.16667x70.408390.823471run;procprinqualdata=soceconout=recmdprefrep;transformidentity(x1-x7);|run;procsortdata=ccc;by_name_;run;procsortdata=rec;by_name_;run;datad;me

16、rgerecccc;by_name_;run;datae;setd;prin1=factor1;prin2=factor2;run;%plotit(data=e,datatype=mdpref21,href=0,vref=0)DATACCC;INPUT_name_$factor1factor2;CARDS;10.101300.8697420.749640.2295430.90845-0.1651141.261530.8731951.20450-0.985376-0.920591.417667-0.455320.505978-1.66099-0.007969-0.73608-0.9122610-

17、0.45244-1.82541x10.968880.21503x20.78905-0.09590x30.84300-0.09502x4-0.216420.88243x50.87170-0.38437x60.823010.16667x70.408390.823471run;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，Xi、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，Xi、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=(Xi,-,X6