精选用软件进行方差分析讲义.pptVIP

5) 单击“Save Data”按钮，打开“Principal Components：Save Data”对话框，在该对话框中可选择存储数据。 选中“Create and save scores data”，如图6-11所示。单击“OK”返回； 本文档共188页；当前第125页；编辑于星期六\14点26分 6) 单击“Plots”按钮，打开“Principal Components：Plots”对话框，可以设置图形输出。 ● 在“Scree Plot (碎石图)”选项卡中（图左），选中“Create scree plot(建立碎石图)”复选框。 ● 在“Component Plot (成分图)”选项卡中（图右），选中“Create component Plot(建立成分图)”复选框。 本文档共188页；当前第126页；编辑于星期六\14点26分 2. 主成分的结果分析 输出的数字分析结果包括4个部分：简单统计量、相关系数矩阵、相关系数矩阵的特征值以及相关系数矩阵的特征向量。 1) 图6-13给出变量的简单统计量，图中显示5项指标中品格、能力和附带担保品是最为重要的，其标准差高出其他变量。 本文档共188页；当前第127页；编辑于星期六\14点26分 2) 图6-14给出各变量之间的相关系数矩阵。可以看出，能力与资本、附带担保品有着较强的相关性，表明客户的偿还能力与其财务实力、财务状况和抵押资产有着重要的关系。 本文档共188页；当前第128页；编辑于星期六\14点26分 3) 图6-15给出相关系数矩阵的特征值（Eigenvalues）、上下特征值之差（Difference）、各主成分的方差贡献率（proportion）以及累积贡献率（Cumulative）。 相关系数矩阵的特征值即各主成分的方差，可以看出，第一主成分的方差贡献率为84.22%，第二主成分的方差贡献率为7.67%，第三主成分的方差贡献率为5.95%。说明第一主成分已经具有足够多的方差贡献率，可以很好地概括这组数据。 本文档共188页；当前第129页；编辑于星期六\14点26分 在“分析家”左边的管理窗口中双击“Scree plot”项，打开的“Scree plot”对话框显示前4个特征值的“碎石图”，很直观地看到第一主成分远远大于其它特征值，说明第一主成分已经代表了绝大部分信息。 本文档共188页；当前第130页；编辑于星期六\14点26分 4) 图6-16给出相关系数矩阵的特征向量，由最大特征值所对应的特征向量可以写出第一主成分的表达式。 Prin1 = 0.4135x1* + 0.4729x2* + 0.4656x3* + 0.4547x4* + 0.4265x5* 利用特征向量各分量的值可以对主成分进行解释，对于第一主成分而言，各变量所占比重大致相等，且均为正数，说明第一主成份是对所有指标的一个综合测度，作为综合的信用等级指标，可以用来排序。 本文档共188页；当前第131页；编辑于星期六\14点26分 5) 在“分析家”窗口中，双击左边项目管理中的“Scores Table”项，打开“Scores Table”对话框； 选择菜单“File”?“Save as By SAS Name”，将其保存为数据表Scores；然后，在VIEWTABLE中打开该表；选择菜单“Data”?“Sort”，按主成分Prin1排序，结果如表6-3所示。 表6-3 客户的信用等级 在正确评估了顾客的信用等级后，就能正确制定出对其的信用期、收账政策等，这对于加强应收账款的管理大有帮助。 客户编号 1 2 3 4 5 6 7 8 9 10 第一主成分得分 3.17 -9.01 25.09 -4.36 -6.41 13.62 35.88 -10.34 -33.80 -13.83 名次 4 7 2 5 6 3 1 8 10 9 本文档共188页；当前第132页；编辑于星期六\14点26分 2. 对于多因素方差分析的均值比较 下面介绍在“分析家”中对例5-3合成纤维的试验数据作均值比较。 (1) 分析设置 1) 在“分析家”中，打开数据集Mylib.xwtx； 2) 选择菜单“Statistics（统计）”→“ANOVA（方差分析）”→“Factorial ANOVA（因素方差分析）”，打开“Factorial ANOVA”对话框； 3) 选中变量a、b，单击“Independent（自变量）”按钮，将其移到“Independent”框中；选中变量y，单击按钮“Dependent（因变量）”，将其移到“D