應(yīng)用多元統(tǒng)計(jì)分析學(xué)習(xí)報(bào)告在現(xiàn)如今高科技信息時(shí)代，各行各業(yè)都面臨著大量數(shù)據(jù)處理分析工作，為此對(duì)于研究多變量間相互關(guān)系及其內(nèi)在規(guī)律的學(xué)科—多元統(tǒng)計(jì)分析，其需求在各行各業(yè)都很重要。本文通過對(duì)這段時(shí)間對(duì)應(yīng)用多元統(tǒng)計(jì)分析的學(xué)習(xí)做一個(gè)總結(jié)。從學(xué)習(xí)中，我學(xué)會(huì)了用多元統(tǒng)計(jì)進(jìn)行分析數(shù)據(jù)，比如人口分，我從學(xué)到的集中分析法簡(jiǎn)單闡述一下一、主成分分析主成分分析是由卡爾。皮爾森在1901年提出的，源于對(duì)非隨機(jī)變量的討論，而到了1933年，Hotelling將其推廣開來，隨機(jī)變量也利用這種方法進(jìn)行統(tǒng)計(jì)，主成分分析的基本思路由此確立?？偟脕碚f，主成分分析即是利用幾個(gè)較少且不相關(guān)的新變量替換原始變量，而新變量也是由原始的多個(gè)變量進(jìn)行的現(xiàn)行組合，在這個(gè)過程中要求原始變量的離散信息損失在替換中要達(dá)到最小，即被替換后的變量要能夠?qū)⒃甲兞康碾x散信息進(jìn)行充分得反映。主成分分析在使用中被用以實(shí)現(xiàn)降維的目的，正交變化是實(shí)現(xiàn)這一轉(zhuǎn)變的數(shù)學(xué)方法，能夠?qū)⒃械南嚓P(guān)變量轉(zhuǎn)變?yōu)椴幌腙P(guān)的全新的變量。被替換后的不想關(guān)的變量就是得到的主成分。在主成分分析中，兩個(gè)主成分之間是相互獨(dú)立的關(guān)系。在進(jìn)行主成分分析的過程中，前提是知曉數(shù)據(jù)的總體協(xié)方差陣，如果實(shí)際操作中條件達(dá)不到理想狀態(tài)，則可以利用協(xié)方差陣的估計(jì)值代替，主成分分析還要注意消除量綱所產(chǎn)生的影響，一旦數(shù)據(jù)產(chǎn)生了較大的數(shù)量級(jí)差距，要對(duì)已有數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。在進(jìn)行主成分分析的過程中，可以利用碎石圖進(jìn)行初步闡釋分析，平行分析也可以幫助判斷整體數(shù)據(jù)需要提取的因子數(shù)量。利用主成分分析能夠?qū)⑽覈丝诎l(fā)展過程中的各項(xiàng)標(biāo)準(zhǔn)進(jìn)行分類，并能夠按照人均消費(fèi)額、人均受教育程度等數(shù)據(jù)對(duì)我國各省市的人口數(shù)據(jù)信息進(jìn)行主成分分析，進(jìn)行分類，分出不同的階梯，對(duì)于我國從整體上把握各省市的人口發(fā)展?fàn)顩r提供借鑒，同時(shí)能夠?yàn)榻?jīng)濟(jì)和社會(huì)的發(fā)展提供更加科學(xué)的依據(jù)。二、因子分析因子分析的概念源于卡爾。皮爾森和查爾斯。斯皮爾曼等人的研究，他們針對(duì)智力的測(cè)試方法和定義提出了這種分析方法，但是因?yàn)檫@種方法對(duì)數(shù)據(jù)的數(shù)量要求非常高，需要大量的數(shù)據(jù)，直到20世紀(jì)的后期才由后來的學(xué)者不斷進(jìn)行豐富和完善，而形成了因子分析的完善的思想并得到了廣泛的運(yùn)用，現(xiàn)在的心理學(xué)、社會(huì)學(xué)以及教育學(xué)、經(jīng)濟(jì)學(xué)領(lǐng)域都在廣泛地利用因子分析進(jìn)行科學(xué)研究。因子分析的研究思路是將研究變量進(jìn)行分解，將其變成少數(shù)幾個(gè)影響因素作為變量。原始的變量每個(gè)都將被分解成兩部分，一部分為每個(gè)變量單獨(dú)具有的特征因素，被稱為特殊因子，另一部分則是所有變量都共同具備的公共因子。經(jīng)過多年的發(fā)展，因子分析的方法已經(jīng)較為成熟。因子分析和主成分分析具有某種程度的相似性，可以認(rèn)為其是主成分分析的深入。而因子分析也可以用來作為降維處理的方法，可以研究多個(gè)樣本之間的多重屬性變量是否在內(nèi)部存在依存關(guān)系，作為一種探索性的手段看數(shù)據(jù)內(nèi)部是否存在隱藏關(guān)系?？偠灾?，因子分析可以將原始變量轉(zhuǎn)化為公共因子和特殊因子兩部分。在因子分析中通常采用反映像相關(guān)矩陣（Anti-imagecorrelationmatrix）檢驗(yàn)、Bartlett球形檢驗(yàn)以及KMO（Kaiser-Meyer-Olkin）檢驗(yàn)等，后兩種較為常見。利用因子分析進(jìn)行降維處理也必然會(huì)引起離散信息的損失，在進(jìn)行分析時(shí)要盡可能保留絕大部分的離散信息。同時(shí)，在因子載荷矩陣進(jìn)行旋轉(zhuǎn)以后，會(huì)產(chǎn)生分類，需要對(duì)這些分類進(jìn)行命名，因子命名要盡量涵蓋分類中的原始信息，同時(shí)要注重對(duì)于因子載荷的分析，在表面原因的背后要探索深層的影響因素是什么，才能更好地達(dá)到研究的目的。三、聚類分析聚類分析也是多元統(tǒng)計(jì)分析中常用的手段之一，聚類分析指的是對(duì)數(shù)據(jù)樣本進(jìn)行分類，可以應(yīng)用于大量樣本的分析，并要求按照數(shù)據(jù)的特性進(jìn)行合理的推測(cè)分類。這種方法起源于分類學(xué)，最初用于物種的識(shí)別、物種名稱的鑒定、物種的演化進(jìn)程等，由于社會(huì)的發(fā)展導(dǎo)致樣本不斷增多，按照經(jīng)驗(yàn)進(jìn)行分類無法保證科學(xué)性，數(shù)學(xué)方法即被引入分類學(xué)，并且逐步發(fā)展為聚類分析方法并從數(shù)值學(xué)中剝離開來，形成了獨(dú)立的分析方法。在聚類分析中，數(shù)據(jù)通常被要求是未知的，再將數(shù)據(jù)分類到不同類別的過程，同類樣本的相似性要達(dá)到要求，不同類樣本的差異性也要非常明顯。聚類分析是把大量數(shù)據(jù)進(jìn)行分類，子類中的數(shù)據(jù)性質(zhì)大多相同，這樣能夠更好地了解數(shù)據(jù)在整體上的分布，這種方法在圖像識(shí)別、模式識(shí)別等多個(gè)量與都有廣泛應(yīng)用，利用聚類分析能夠在市場(chǎng)分析中將用戶劃分為群體特性明顯的群體，在信息管理領(lǐng)域能夠?qū)eb文檔進(jìn)行分類，檢索的效率能夠得到進(jìn)一步提升。聚類分析的方法有很多種，系統(tǒng)聚類是目前應(yīng)用較多的一種聚類分析方法。在人口分析中，可以利用聚類分析將各個(gè)地區(qū)的人口消費(fèi)水平、人口教育水平、人口老齡化程度、人口醫(yī)療水平等等區(qū)分開來，從而將我國的各個(gè)地區(qū)人口狀況進(jìn)行分類，更好地從整體上顯現(xiàn)我國各地區(qū)人口的現(xiàn)狀，并能夠在后續(xù)的工作中進(jìn)行有針對(duì)性的解決。四、典型相關(guān)分析典型相關(guān)分析也是Hotelling最早提出的，并且經(jīng)過了長(zhǎng)期的發(fā)展完善，成為了目前較為常用的數(shù)據(jù)分析方法。事物的發(fā)展總是處于不斷地變化中，也與其他事物有著千絲萬縷的關(guān)系，這些聯(lián)系有些很明顯，有些則需要有深厚的專業(yè)知識(shí)支撐，通過歸納、總結(jié)才能發(fā)現(xiàn)，這也是大數(shù)據(jù)分析的效用所在。典型相關(guān)分析在大數(shù)據(jù)分析的進(jìn)程中有著重要的作用。典型相關(guān)分析通常用來分析兩組隨機(jī)變量之間是否具有相關(guān)性，相關(guān)性程度如何。這種方法能夠用線性關(guān)系表達(dá)兩組隨機(jī)變量之間是否有依賴關(guān)系。這種分析方法要求數(shù)據(jù)的分布滿足正太分布，在分析的過程中要對(duì)第一典型相關(guān)系數(shù)、第二典型相關(guān)系數(shù)進(jìn)行識(shí)別分辨，這能夠最大程度解釋數(shù)據(jù)的相關(guān)性。同時(shí)，在對(duì)樣本進(jìn)行典型相關(guān)分析時(shí)還要分析相關(guān)變量的個(gè)數(shù)，通過典型相關(guān)分析可以對(duì)人口研究中的很多問題進(jìn)行分析，例如可以分析人口老齡化與人口教育程度、人口消費(fèi)水平、醫(yī)療保健等多個(gè)方面的相關(guān)性，以此揭示人口老齡化帶來的深度問題，分析這一個(gè)問題所帶來的蝴蝶效應(yīng)，并根據(jù)事物之間的聯(lián)系找到更好地解決問題的方式?？偨Y(jié)通過學(xué)習(xí)，老師的講課，我學(xué)會(huì)了主成分分析法，又稱主分量分析法是指相關(guān)的經(jīng)濟(jì)變量間通常存在著起主導(dǎo)作用的決定性因素，通過對(duì)原始變量的相關(guān)矩陣內(nèi)部結(jié)構(gòu)進(jìn)行分析，找出幾個(gè)不相關(guān)的綜合指標(biāo)來線性表示原來的變量，主成分之間既互不相關(guān)，又盡可能多的包含了原指標(biāo)集合。因子分析法是指從被評(píng)對(duì)象的觀察變量的相關(guān)度出發(fā)，利用降維的思想，把繁雜的變量盡可能歸納為幾個(gè)綜合因子進(jìn)行分析的的一種多變量統(tǒng)計(jì)分析方法。其基本思想是：將觀察變量按相關(guān)度的高低或聯(lián)系的緊密程度進(jìn)行分類，類別內(nèi)部變量相關(guān)性高，聯(lián)系緊密，而類別之間的變量則相關(guān)度較低，聯(lián)系稀疏，每一類變量則代表一個(gè)公共因子。信息的大小通常用離差平方和或方差來衡量。主成分分析可設(shè)法將原來變量重新組合成一組新的互相無關(guān)的幾個(gè)綜合變量，同時(shí)根據(jù)實(shí)際需要從中取出幾個(gè)較少的綜合變量盡可能多地反映原來變量的信息，是數(shù)學(xué)上處理降維的一種方法。主成分分析是多元統(tǒng)計(jì)中的重要內(nèi)容，是當(dāng)前許多研究的主題，其原則是將多個(gè)相關(guān)指標(biāo)簡(jiǎn)化為少數(shù)不相關(guān)指標(biāo)，它能夠在不損失過多遺傳信息的基礎(chǔ)上進(jìn)行多性狀的方向性選擇，同時(shí)提高選擇效果。近年來，該方法已被廣泛應(yīng)用于牛、羊、豬等家畜性狀的選育工作中。因子分析（ｆａｃｔｏｒａｎａｌｙｓｉｓ）是研究從變量群中提取共性因子的統(tǒng)計(jì)技術(shù)。由于這種研究收到較好的效果，因而引起科學(xué)界的注意。數(shù)十年來許多統(tǒng)計(jì)學(xué)家以及其他科學(xué)工作者在因子分析的理論、方法和實(shí)際應(yīng)用等方面做大量的工作，使因子分析不斷得到充實(shí)并成為多元統(tǒng)計(jì)學(xué)的重要組成部分。與此同時(shí)因子分析的應(yīng)用也逐漸推廣到心理學(xué)以外的其他學(xué)科，如經(jīng)濟(jì)學(xué)、生物學(xué)、植物學(xué)、地質(zhì)學(xué)、化學(xué)等。主要解決共線性問題，評(píng)價(jià)問卷的結(jié)構(gòu)效度，尋找變量間潛在的結(jié)構(gòu)，內(nèi)在結(jié)構(gòu)證實(shí)。在以后的學(xué)習(xí)中我會(huì)更加積極學(xué)習(xí)，降所學(xué)知識(shí)運(yùn)用到實(shí)踐中。參考文獻(xiàn)[1]徐再樓.基建項(xiàng)目管理的重點(diǎn)控制探討[J].工程經(jīng)濟(jì),2015,(08):79-82.[2]陳一昕.芻議小型基建項(xiàng)目實(shí)施過程管理[J].科技與企業(yè),2015,(15):80.[3]于寧,胡慶喜.基建項(xiàng)目投資全過程管理研究[J].建筑技術(shù)開發(fā),2014,41(12):49-51.[4]吳曉靜.基建項(xiàng)目投資管理策略研究[J].經(jīng)營管理者,2014,(19):298.[5]肖智強(qiáng).小型基建項(xiàng)目實(shí)施過程管