《多元統(tǒng)計(jì)分析及R語(yǔ)言》第1章引論

多元統(tǒng)計(jì)分析2課程安排

1、在基本統(tǒng)計(jì)方法學(xué)習(xí)的基礎(chǔ)上，深入學(xué)習(xí)多元統(tǒng)計(jì)分析模型及模型實(shí)現(xiàn)、分析方法。

2、該門(mén)課程每周2.5課時(shí)，理論與上機(jī)結(jié)合。期末考核：

總成績(jī)=平時(shí)(20%)+上機(jī)(20%)+期末考試(60%)考試方式

平時(shí)(20)：課堂(40%)+出勤(60%)上機(jī)(20)：兩次實(shí)驗(yàn)報(bào)告，一次50%

期末考試：閉卷數(shù)據(jù)整理（完整性，標(biāo)準(zhǔn)化，指標(biāo)一致性（正向，逆向或適度））多元數(shù)據(jù)（2個(gè)或2個(gè)以上變量）相關(guān)性分析回歸分析普通回歸（數(shù)量數(shù)據(jù)）Logistic回歸（問(wèn)卷調(diào)查）特征分析判別分析聚類(lèi)分析主成份分析因子分析對(duì)應(yīng)分析典型分析多位標(biāo)度MDS分析分類(lèi)降維相關(guān)性第1章多元統(tǒng)計(jì)分析概述1.1統(tǒng)計(jì)分析歷史1.2統(tǒng)計(jì)分析用途1.3統(tǒng)計(jì)分析內(nèi)容1.4統(tǒng)計(jì)分析軟件多元統(tǒng)計(jì)分析研究多個(gè)隨機(jī)變量之間相互依賴(lài)關(guān)系及其內(nèi)在統(tǒng)計(jì)規(guī)律的一門(mén)學(xué)科。

1.1多元統(tǒng)計(jì)分析概念自變量和因變量截面數(shù)據(jù)X1X2X3X4X5X6X7X8X9X10廣州5749159.53976828.891.51714.9118.766113.1707187.396388.170793.7深圳6080146.61221775071004347.838.7913102.831274.062638.652296.8珠海4528443.537353668.587.9993.30418.563313.158542.4107196.540296.7汕頭1328442.219615068.572.34319.5954.76890.9379250.4039103.150596.6佛山4126636.42286654278.39205.9353.08784.5531560.6522210.138896.1韶關(guān)2112444.419520124.649.7651.321.10522.4253123.1507225.55480河源1715747.95417191.132.4723.360.71522.3752227.5387186.574984.8梅州1957936.085919983.741.6352.04941.11213.0253710.0846299.284371.5惠州2893034.09929234.755.018002.24454.6300345.1559249.410395.6汕尾1227836.06679040.2951.88464.4660.58242.5181941.032175.153961簡(jiǎn)單相關(guān)分析偏相關(guān)分析復(fù)相關(guān)分析典型相關(guān)分析分析多個(gè)或多組變量之間相依關(guān)系1.2多元統(tǒng)計(jì)分析用途、內(nèi)容聚類(lèi)分析判別分析將性質(zhì)相似的事物或現(xiàn)象歸為一類(lèi)，找出其內(nèi)在聯(lián)系和規(guī)律變量相依性構(gòu)造預(yù)測(cè)模型進(jìn)行預(yù)報(bào)控制進(jìn)行數(shù)值分類(lèi)構(gòu)造分類(lèi)模型簡(jiǎn)化系統(tǒng)結(jié)構(gòu)探討系統(tǒng)內(nèi)核主成份分析因子分析對(duì)應(yīng)分析多維標(biāo)度法在眾多因素中找出最佳子集合，構(gòu)建簡(jiǎn)化模型多元線(xiàn)性回歸逐步回歸廣義線(xiàn)性回歸非線(xiàn)性回歸綜合評(píng)價(jià)方法探索多元系統(tǒng)運(yùn)行的客觀(guān)規(guī)律及外部環(huán)境關(guān)系1. SAS軟件：使用最為廣泛的三大著名統(tǒng)計(jì)分析軟件（SAS,SPSS,S-PLUS）之一1.3統(tǒng)計(jì)分析軟件1976年推出，主要用于決策支持的大型集成信息系統(tǒng)，被譽(yù)為國(guó)際上標(biāo)準(zhǔn)軟件系統(tǒng)，堪稱(chēng)統(tǒng)計(jì)軟件界“巨無(wú)霸”，因其系統(tǒng)龐大，編程復(fù)雜且軟件價(jià)格昂貴不能被民間廣泛使用2. SPSS軟件：世界著名統(tǒng)計(jì)分析軟件之一，是非統(tǒng)計(jì)專(zhuān)業(yè)人士首選。操作簡(jiǎn)單，無(wú)需編程，功能強(qiáng)大，方便的數(shù)據(jù)接口和靈活的功能模塊組合,但內(nèi)容不全，編程麻煩，費(fèi)用較高3. S-PLUS軟件：世界最流行統(tǒng)計(jì)分析軟件之一，被統(tǒng)計(jì)專(zhuān)業(yè)人士喜愛(ài)。操作方便，圖形強(qiáng)大，是統(tǒng)計(jì)分析和統(tǒng)計(jì)制圖首選，但需要了解S語(yǔ)言編程特點(diǎn)，費(fèi)用較高4. Matlab軟件：應(yīng)用最廣泛的數(shù)值分析軟件之一，是數(shù)值計(jì)算和圖像處理首選。編程方便，矩陣運(yùn)算強(qiáng)大，但統(tǒng)計(jì)方法不多，需要一定編程經(jīng)驗(yàn)，費(fèi)用較高。5.R軟件：可以看成是S-PLUS的免費(fèi)軟件，是當(dāng)前較為流行的統(tǒng)計(jì)分析軟件。自由和開(kāi)源軟件，統(tǒng)計(jì)功能強(qiáng)大，但初學(xué)麻煩，需要一定編程經(jīng)驗(yàn)R-語(yǔ)言/軟件R軟件：免費(fèi)的,志愿者管理的軟件。其編程語(yǔ)言與S-plus所基于的S語(yǔ)言一樣，編程方便，語(yǔ)言靈活，圖形功能強(qiáng)大有不斷加入的各個(gè)方向統(tǒng)計(jì)學(xué)家編寫(xiě)的統(tǒng)計(jì)軟件包。也可以自己加入自己算法的軟件包.從網(wǎng)上可以不斷更新和增加有關(guān)的軟件包、數(shù)據(jù)和程序?？梢允褂闷渌浖幹频某绦??？梢酝ㄟ^(guò)網(wǎng)上服務(wù)把程序變成機(jī)器語(yǔ)言這是發(fā)展最快的軟件，受到世界上統(tǒng)計(jì)師生的歡迎。是用戶(hù)量增加最快的統(tǒng)計(jì)軟件。對(duì)于一般非統(tǒng)計(jì)工作者來(lái)說(shuō)，主要問(wèn)題是它沒(méi)有“傻瓜化”。在R官方網(wǎng)站/可以找到安裝程序和各種算法包及其使用手冊(cè)使用編程軟件容易嗎？以R軟件為例.非常好學(xué)，極易入門(mén)基本功能簡(jiǎn)單，和寫(xiě)公式一樣能在一個(gè)小時(shí)學(xué)會(huì)基本運(yùn)算語(yǔ)句在一天內(nèi)學(xué)會(huì)編寫(xiě)函數(shù)(子程序)和利用軟件包.往往困難的反而是統(tǒng)計(jì)內(nèi)容本身R免費(fèi)，資源公開(kāi)(不是黑盒子,也不是吝嗇鬼)R可以在UNIX,Windows和Macintosh運(yùn)行.R有優(yōu)秀的內(nèi)在幫助系統(tǒng)，有優(yōu)秀的畫(huà)圖功能學(xué)生能夠輕松地轉(zhuǎn)到商業(yè)支持的S-Plus程序(如果需要使用商業(yè)軟件)R語(yǔ)言有一個(gè)強(qiáng)大的,容易學(xué)習(xí)的語(yǔ)法,有許多內(nèi)在的統(tǒng)計(jì)函數(shù).通過(guò)用戶(hù)自編程序,R語(yǔ)言很容易延伸和擴(kuò)大.它就是這樣成長(zhǎng)的.R是計(jì)算機(jī)編程語(yǔ)言.類(lèi)似于UNIX語(yǔ)言,C語(yǔ)言,Pascal,Gauss語(yǔ)言等.對(duì)于熟練的編程者,它將覺(jué)得該語(yǔ)言比其他語(yǔ)言更熟悉而對(duì)計(jì)算機(jī)初學(xué)者,學(xué)習(xí)R語(yǔ)言使得學(xué)習(xí)下一步的其他編程不那么困難.那些傻瓜軟件(SAS,SPSS等)語(yǔ)言的語(yǔ)法則完全不同.R的缺點(diǎn):不如S-Plus在編輯輸出的畫(huà)圖那樣好沒(méi)有商業(yè)支持(但有網(wǎng)上支持)需要編程,不傻瓜.R里面有什么?Packages（每個(gè)都有大量數(shù)據(jù)和可以讀寫(xiě)修改的函數(shù)/程序）baseTheRbasepackagebootBootstrapR(S-Plus)Functions(Canty)classFunctionsforclassificationclusterFunctionsforclustering(byRousseeuwetal.)ctestClassicalTestsedaExploratoryDataAnalysisforeignReaddatastoredbyMinitab,SAS,SPSS,...gridTheGridGraphicsPackageKernSmoothFunctionsforkernelsmoothingforWand&Jones(1995)latticeLatticeGraphicslqsResistantRegressionandCovarianceEstimationMASSMainLibraryofVenablesandRipley'sMASSmethodsFormalMethodsandClassesmgcvMultiplesmoothingparameterestimationandGAMsbyGCVPackages(繼續(xù)）modregModernRegression:SmoothingandLocalMethodsmvaClassicalMultivariateAnalysisnlmeLinearandnonlinearmixedeffectsmodelsnlsNonlinearregressionnnetFeed-forwardneuralnetworksandmultinomiallog-linearmodelsrpartRecursivepartitioningspatialfunctionsforkrigingandpointpatternanalysissplinesRegressionSplineFunctionsandClassesstepfunStepFunctions,includingEmpiricalDistributionssurvivalSurvivalanalysis,includingpenalisedlikelihood.tcltkInterfacetoTcl/Tktools