主成分分析Stata命令
3页1、Stata 命令1主成分估计Stata可以通过变量进行主成分分析,也可以直接通过相关系数矩阵或协方差矩阵进行。(1)sysuse auto,clearpca trunk weight length headroompca trunk weight length headroom, comp(2) covariance(2)webuse bg2,clearpca bg2cost*, vce(normal)2 Estatestat给出了几个非常有用的工具,包括KMO、SMC等指标。Kaiser-Meyer-Olkin(KMO),是用于测量变量之间相关关系的强弱的重要指标,是通过比较两个变量的相关系数与偏相关系数得到的。KMO介于0于1之间。KMO越高,表明变量的共性越强。如果偏相关系数相对于相关系数比较高,则KMO比较低,主成分分析不能起到很好的数据约化效果。根据Kaiser(1974),一般的判断标准如下:0.00-0.49,不能接受(unacceptable);0.50-0.59,非常差(miserable);0.60-0.69,勉强接受(mediocre);0.70-0.79,可以接
2、受(middling);0.80-0.89,比较好(meritorious);0.90-1.00,非常好(marvelous)。SMC即一个变量与其他所有变量的复相关系数的平方,也就是复回归方程的可决系数。SMC比较高表明变量的线性关系越强,共性越强,主成分分析就越合适。根据KMO越高,表明变量的共性越强和SMC比较高表明变量的线性关系越强,共性越强,主成分分析就越合适。webuse bg2,clearpca bg2cost*, vce(normal)estat antiestat kmoestat loadingsestat residualsestat smcestat summarize3 预测Stata可以通过predict预测变量得分、拟合值和残差等。webuse bg2,clearpca bg2cost*, vce(normal)predict score fit residual q (备注:q代表残差的平方和)4 碎石图碎石图是判断保留多少个主成分的重要方法。命令为screeplot。webuse bg2,clearpca bg2cost*, vce(normal)screeplot5 得分图、载荷图得分图即不同主成分得分的散点图。命令为scoreplot。webuse bg2,clearpca bg2cost*, vce(normal)scoreplot载荷图即不同主成分载荷的散点图。命令为loadingplot。webuse bg2,clearpca bg2cost*, vce(normal)loadingplot
《主成分分析Stata命令》由会员新**分享,可在线阅读,更多相关《主成分分析Stata命令》请在金锄头文库上搜索。
高中英语美语初级口语自学单词1200个第97课素材
广西关于成立新型电力系统建设公司策划方案
《雾都孤儿》读后感300字(通用11篇)
同底数幂乘法教学反思
案场项目进场筹备
初中生寒假日记范文
二年级语文上册期末试卷及答案
均衡器的调整方法(专业音响师必修)
环境保护调查汇报_27
文物局考古遗址及墓群文物保护项目开发新建项目建设可行性研究报告
发动机试验台架方案DOC
天然气管道阴极保护专项建筑施工组织设计及对策
江苏省下半年基金从业资格基金管理公司治理结构模拟试题
地理科学毕业论文设计
一创双优暨贯彻实施方案
科技园人事管理规章制度
(多篇汇编)2023季度工作总结范文9篇
实用的转正工作总结范文集锦6篇
原阳县第四批财政涉农整合项目
开卷未必有益作文800字
2023-12-27 70页
2024-03-01 2页
2023-10-08 9页
2022-11-21 6页
2023-05-03 19页
2023-06-18 3页
2022-11-09 5页
2022-08-04 2页
2024-02-15 5页
2023-02-25 9页