环境质量评价中的主成分分析与全局主成分分析方法

给出在环境质量评价中对即时性平面数据的主成分分析方法与对多维动态数据系统的全局主成分分析方法,着重介绍了对时序立体数据表进行立体式的综合与简化,并应用于具体的实例,得到很好的结果.这两种方法对环境质量的评价和治理工作都有积极的指导作用与重要的应用价值.     

主成分分析在企业经济效益评价中的应用

主成分的概念首先是由Karl parson在1901年引入,后又由Hotelling于1933年将这个概念推广到随机向量,主成分分析是一种将多个指标化为少数互相无关的综合指标的多元统计方法。运用多元统计分析中的主成分分析法,设法将原来众多的具有一定相关性的指标,重新组合成一组新的相互无关的综合指标来代替原来指标。通常数学上的处理是将原来指标作线性组合,从中选取方差最大的作为第一主成分,并结合北京某机械厂几年来生产中经济效益变化状况的相应指标,进行了综合分析,给出了相关的评价。     

主成分分析和因子分析在评价体系中的应用

在构建有众多指标的评价体系时,为了不人为、主观地去掉或保留那些具有相关关系的指标,需要使用科学、客观的办法加以处理。本文使用主成分分析和因子分析法来筛选综合优化指标体系,并通过SPSS统计软件应用于优化某校教学质量评价体系,发现了该校教学质量评价体系的不当并据此提出新的建议。     

主成分分析在科技期刊评价中的应用

介绍了主成分分析在科技期刊评价中的应用。主成分分析在简化数据结构,消除变量之间的相关性以及选择变量子集合等方面具有重要作用。     

主成分分析在棉田质量评价中的应用

运用主成分分析法对农七师125团棉田进行质量评价。随机选取50块耕地共10个变量(评价项目)，对各变量进行数据标准化处理，再进行主成分分析。分析结果表明，第Ⅰ～Ⅲ主成分代表了评价指标的87.91％信息。根据主成分的综合得分划分棉田等级，分析结果与其它评价方法得出的结论一致。     

分组主成分评价法及其应用

针对应用主成分法或因子分析进行综合评价时存在的缺点,提出了分组主成分评价法．即先用因子分析法对变量进行分组,然后再分别对各组变量进行主成分评价,既保持了主成分法的优点,又克服了它评价中的缺点,使综合评价结果更趋合理,并用该方法对实例进行了分析．     

区域经济动态发展水平的全局主成分分析方法

时序立体数据表全局主成分分析方法能够为动态评价区域经济发展水平提供一种高效科学的量化工具,是一种多指标综合评价分析方法.运用该方法从地理空间和时间变化的角度动态描述区域经济差异,并对内蒙古各盟市区域经济发展水平的现状进行分析评价,得到了与实际情况非常一致的结果.     

主成分分析法在电信企业绩效评价中的应用

采用理论分析与实证分析相结合的研究方法,建立了电信企业KPI绩效管理指标体系模型.将多元统计中的主成分分析法运用于电信企业绩效评价体系中,并针对实例进行了分析和评价.该评价指标体系简单、实用性强、运行成本低、准确率高,为我国电信企业绩效评价提供了一种新的有效方法.采用主成分分析法提取了3个主成分指标构成数学评价模型,对各部门的综合实力进行了排序,同时分析了各部门之间差异的特点及形成原因.结果表明,该评价模型更能科学、合理地反映出实际评价结果.     

压缩主成分估计的方差最优性质

结合压缩估计与主成分估计的思想方法,提出了压缩主成分估计.讨论了它在降维估计中的方差最优性质,推广了文献[1]的主要结果.     

广义岭型压缩主分量估计及其优良性

对线性回归模型回归系数β,当设计阵X为病态时,提出一种新估计:广义岭型压缩主分量估计,它在MSE和GMSE准则下优于最小二乘估计,在均方误差准则下优于岭型压缩主成分估计,最后对它的可容许性进行了讨论。     

主成分分析在线性模型与非线性模型的应用研究

为了解主成分分析在线性模型与非线性模型预报中的应用效果,在2001—2011年热带气旋历史观测资料基础上,采用主成分分析方法,结合线性回归模型和神经网络模型,开展西北太平洋热带气旋的强度预报技术研究试验．根据提取的主要影响因子构造线性回归模型与BP神经网络的输入样本进行不同样本的台风强度预测．计算结果表明,主成分分析通过降低线性回归模型和BP神经网络模型的维数,减少自变量之间的复共线性,减小模型的预报平均绝对误差．     

主成分分析法在高校地理教学评价中的应用

借助主成分分析方法，对初选的52项地理教学评价指标，根据初始量表中学生做出的重要性选择进行筛选，应用SPSS统计软件归纳出5个一级指标，制定评价量表，利用该量表在成果检验中发现试评结果具有很好的信度和效度，证明了量表有较高质量，可以应用于高校地理教学评价，为教学管理提供科学依据，使教学评价更好地起到促进教学质量提高的作用．     

灰主成分分析研究及其应用

针对主成分分析方法对于具有时间序列数据的处理存在的不足,根据灰系统中数据具有时间序列的特性,将灰色系统思想与经典主成分分析相结合,提出一种新的模型,即灰主成分分析。时间序列分析不仅可以从数量上揭示某一现象的发展变化规律,还可从动态的角度刻画某一现象与其他现象之间的内在数量关系及其变化规律。灰色系统理论通过序列的生成和开发,致力于现实规律的探讨,而数理统计则致力于统计历史规律的研究。将两种方法的优点结合到一起,用于解决时间序列问题,并利用面向对象程序设计的方法进行了系统实现。将该方法应用到我国国债风险指标的综合评价中,突出了新的时间序列数据对整个数据的影响性,分析结果能够为决策者提供有价值的决策依据。实验结果表明,采用灰主成分分析的效果更优越,能较真实地反映出时间对于样本数据的影响。     

主分量逐步回归在气温预测中的应用

以广东省冬季气温场为预报场,前一年的北太平洋海温场和北半球500 hPa高度场为因子场,分别对它们作标准化处理,然后进行主分量分析,得到主分量矩阵。通过相关分析和逐步回归,求得预报场的主分量与因子场的主分量之间的关系,对预报场的标准化主分量进行反算,得到原始场的拟合和预报。结果显示,广东省冬季气温场前4个主分量(对总方差的累积贡献达到97.5%)的预报方程都通过显著性检验,其方程复相关系数基本在0.9以上。对广东省48个代表站2001-2003年冬季气温进行预测检验,大部分预测结果的残余标准差比同期的样本标准差低,同时回归方程的预报误差略低于实际业务预报误差,因而回归方程对实际天气预报业务工作有一定的参考意义。     

主成分回归分析在收入分配中的应用

采用主成分回归分析的方法,对贵州省城乡居民收入差距作实证分析。依据1979～2008年的数据,选取贵州省城乡居民的收入、消费、人口、教育、农业等几大方面的相关指标。实证结果显示,不论是从定性角度还是从定量角度分析,贵州省城乡居民收入差距都呈现增长趋势。     

主成分分析法在大气环境质量评价中的应用

利用主成分分析法对福州市大气环境质量进行了综合评价,并将结果与其他方法进行了比较,证明了其在大气环境质量评价中的可行性,从而为环境质量监测、污染控制、探索污染源等方面提供一定的科学参考依据.