众文网1.请问谁有关于统计的论文,具体要求是使用多元统计分析方法分析数
1. 因子分析模型 因子分析法是从研究变量内部相关的依赖关系出发，把一些具有错综复杂关系的变量归结为少数几个综合因子的一种多变量统计分析方法。
它的基本思想是将观测变量进行分类，将相关性较高，即联系比较紧密的分在同一类中，而不同类变量之间的相关性则较低，那么每一类变量实际上就代表了一个基本结构，即公共因子。对于所研究的问题就是试图用最少个数的不可测的所谓公共因子的线性函数与特殊因子之和来描述原来观测的每一分量。
因子分析的基本思想： 把每个研究变量分解为几个影响因素变量，将每个原始变量分解成两部分因素，一部分是由所有变量共同具有的少数几个公共因子组成的，另一部分是每个变量独自具有的因素，即特殊因子因子分析模型描述如下： （1）X = (x1,x2，…，xp)￠是可观测随机向量，均值向量E(X)=0，协方差阵Cov(X)=∑，且协方差阵∑与相关矩阵R相等（只要将变量标准化即可实现）。 （2）F = (F1,F2，…，Fm)￠ （m应用因子分析模型去评价每个样品在整个模型中的地位，即进行综合评价。
例如地区经济发展的因子分析模型建立后，我们希望知道每个地区经济发展的情况，把区域经济划分归类，哪些地区发展较快，哪些中等发达，哪些较慢等。这时需要将公共因子用变量的线性组合来表示，也即由地区经济的各项指标值来估计它的因子得分。
设公共因子F由变量x表示的线性组合为： Fj = uj1 xj1+ uj2 xj2+…+ujpxjp j=1,2，…，m 该式称为因子得分函数，由它来计算每个样品的公共因子得分。若取m=2，则将每个样品的p个变量代入上式即可算出每个样品的因子得分F1和F2，并将其在平面上做因子得分散点图，进而对样品进行分类或对原始数据进行更深入的研究。
但因子得分函数中方程的个数m小于。
2.谁可以给篇多元统计分析的论文关于经济类的
多元统计分析在宏观经济分析中的应用摘要：研究多元统计分析的理论，利用主成分分析和聚类分析的方法对区域经济指标体系进行分析和综合，找出实质体的数量特征和内在统计规律性。
通过实际的历史数据进行演算，证实与当时的客观实际情况相吻合，为决策部门衡量本地区的经济发展，制定科学决策提供了有利的支持。关键词：多元统计分析；主成分分析；聚类分析统计方法是科学研究的一种重要工具，其应用颇为广泛。
在工业、农业、经济、生物和医学等领域的实际问题中，常常需要处理多个变量的观测数据。因此，对多个变量进行综合处理的多元统计分析方法显得尤为重要。
随着电子计算机技术的普及，以及社会、经济和科学技术的发展，过去被认为具有数学难度的多元统计分析方法，已越来越广泛地应用于实际工作中。主成分分析[1]是一种常用的多元统计分析方法，相对于其他统计学方法，更强调用数据本身来指导分析过程，而不是依赖事先给定的某些假设。
主要目的是希望用较少的变量解释原始资料中的大部份变异，期望能将许多相关性很高的变量转化成彼此互相独立的变量，从中选取较原始变量个数少且能解释大部份资料中变异的几个新变量（降低原始变量的维数），也就是所谓的主成分，而这几个主成分也就成为用来解释资料的综合性指标。聚类分析[2]是研究事物分类的一种方法，是认识和探索事物内在联系的一种手段。
聚类分析源于许多研究领域，包括数据挖掘、统计学、机器学习和模式识别等，并作为一个独立的工具来获得数据分布的情况，概括出每个簇的特点，或者集中注意力对特定的某些簇进行分析。聚类就是将数据对象分组成为多个类或簇，划分的原则是在同一个簇中的对象之间有高度的相似度，而不同簇中的对象差别较大。
聚类分析通常被用作最初的分析工具，可以使数据挖掘具备识别群这一功能，它的流程通常是首先对数据进行图形描述，再用量化方法来描述数据的特征。1设计思想1.1主成分分析主成分分析主要应用于简化观测系统，将原始因子变换为新因子，把多个单项指标转化为最少数量的综合指标。
其设计思想[3]是通过对每个变量的实际观测值的协方差矩阵进行计算，依次提取方差贡献最大的各个主成分，以达到选择、浓缩和提炼变量的目的。主成分分析中的因子分析所涉及的计算与此类似，是研究一组样品之间的相关关系的一种统计方法，即对于一组具有复杂的相关关系的样品，可以通过研究其相关矩阵的内部结构，找出若干个对这组样品起着支配作用的独立的新因子（实际上是原始变量在通常的、或者是最小二乘意义上的线性组合），用这些独立的新因子（称为公因子或主因子的数目往往比原始变量的数目要少）来表达所有观测数据，既极少损失总的关于原始变量的相关信息，又合理解释了包含在原始变量（样品）的相关性，简化了观测系统，抓住了影响所有观测数据的主要矛盾。
传统的一些综合评价方法在选择权数时有很大的主观随意性，而用主成份方法综合评价经济效益、既避免了信息量的重复，又克服权数选择的人为性。可以方便地得到全面、客观的评价结果。
此方法已被我国许多统计工作者应用到实际工作中，正在产生积极的效果。1.2聚类分析聚类分析的思想来自于方差分析，是由Ward于1936年提出，1967年经Orloci等人发展建立起来的一种系统聚类方法[4-5]。
具体做法是在一批样品的多个观测指标中找出能度量样品（或指标）之间相似程度的统计量，构成一个对称的相似性矩阵，在此基础上进一步找寻各样品（或指标）之间或样品组合之间的相似程度，按相似程度的大小把样品（或指标）逐一归类，进行比较。具体做法就是先将N个样品各自视为一类，然后计算确定样本之间、类与类之间的距离，选择距离最小的一对样本合并成一个新类，计算包括新类在内的其余各类的距离，再将距离最近的两类合并，这样每次减少一类，直至所有的样品都成为一类为止。
在宏观经济的分析研究中根据经济指标体系的多个指标值，找出一些能够度量样品相似程度的指标，以这些指标为划分类型的依据，使一些相似程度较大的区域聚合为一类，再将另一些彼此之间相似程度较大的聚合为另一类，直到把所有区域都聚合完毕，形成一个由小到大的分类系统，最后将整个分类系统绘成一张聚类图，并结合因子分析的评价结果和实际情况具体分类。2数学模型及算法实现2.1主成分分析选择所确立的宏观经济指标作为样品的原始数据组成矩阵，设有N个地区，并各观测P个指标变量，其 （2）若2个样品中有1个在某组中出现过，另一个就加入该组。
（3）若2个样品都在同一组中，这对样品不再分组。（4）若2个样品都已在不同组中出现过，则把2组连接在一起。
通过选用28个地区的实际数据，并利用此方法进行聚类分析，得出了对总体规模指标和综合效益指标进行综合后的聚类谱系图，如图2所示。本文是通过主成分分析和聚类分析对我国区域经济发展进行比较分析的一个应用实例，采用了上世纪 80年代的历史数据进行了比较分析，从结果中可以看出完全符合当时我国区域宏观经济的发展状况。
总之，应用主成分分析和。
3.“浅谈统计在生活中的应用”论文
统计学的生命力就在于应用，应用为统计学的发展赋予活力。
“十五”期间异方差性时间序列问题研究、离散多元统计分析研究、数据挖掘理论研究、异常数据诊断的研究、非参数理论与方法的研究、抽样与非抽样误差理论的研究等将是统计理论研究的热点。知识经济、新经济对统计理论与方法提出更高要求，如何适应电子商务时代统计数据的收集，空间遥感技术的运用等都为统计理论提出新挑战，统计工作者必须创新出适合各种复杂类型数据的统计方法才能适应实践的需求。
2.开展空间统计学理论与应用的研究 空间统计学是近几年统计学发展的一个新领域，主要指运用遥感技术进行国土资源的测定，农业和林业、海洋生物、环境生态的观测。这种观测数据通常表现为网络形式，而且这些数据受到大气效应、观测工具等诸多因素的影响。
空间统计学的应用在于，针对这种特殊的数据，研究误差控制、数据处理、模型建立、统计推断。这将是统计学研究的新领域。
计算机技术的发展对统计学发展影响的研究 3.生命科学与生物技术中统计方法的应用研究 21世纪是生命科学的世纪，人类不久将完全揭示人类基因排序。19世纪中叶基因学说的创立，就是依赖于统计推断技术，21世纪生命科学中将有大量的相关研究要借助统计方法与技术，这个领域的学者将大有作为。
21世纪医学领域的科技创新，将使许多不治之症得到解决，生物制药将在医学领域大放异彩，统计学方法在生物制药技术中的广泛应用将是不争的事实。美国辉瑞制药公司每年投入50亿美金用于研究发展，在美的生物统计人员极易找到高薪的工作就足以说明这一领域的广阔前景。
4.国家经济安全与金融、保险领域的应用研究 国家的经济安全及其金融危机的防范问题是中国改革开放中必须高度重视的问题。国家经济安全、金融危机的预警系统的研究是与统计学方法紧密联系的研究热点，投资项目的风险管理研究也将依赖统计学者去研究解决。
保险产品的精算理论与实践在“九五”期间得到一定的进展，为这一领域的深入发展奠定了基础，如何将发达国家保险精算的理论与中国保险业实际相结合值得深入研究，尤其是保险精算方法向社会保障领域延伸的研究是中国国情赋予给这个领域的迫切任务。 5.政府统计数据质量的进一步研究 政府统计数据的质量在“九五”期间得到国人的普遍关注。
不仅国家哲学社科基金设立重点研究课题，几乎各地方政府也设专项研究，发表的论文已有近百篇。然而这方面的研究还有待深入，不仅从制度上约束、控制数据的可靠性，从检测、验证的方法上还需进一步探讨。
有的重点课题已在检验方法上有所突破，但如何具体与中国政府实际数据紧密结合，实施这些方法还须加大力度进行研究和实践。 6.统计学在社会、人口、教育、环境等领域的应用研究 社会的发展、人口的控制、教育结构的调整与发展、环境的保护等领域存在着大量急待研究的问题，统计学方法是定性与定量研究的有力工具。
统计学方法在这些领域将会有广阔的应用前景。
4.2 应用多元统计分析主要包括哪些分析方法
控制图，用来对过程状态进行监控，并可度量、诊断和改进过程状态。
直方图，是以一组无间隔的直条图表现频数分布特征的统计图，能够直观地显示出数据的分布情况。
排列图，又叫帕累托图，它是将各个项目产生的影响从最主要到最次要的顺序进行排列的一种工具。可用其区分影响产品质量的主要、次要、一般问题，找出影响产品质量的主要因素，识别进行质量改进的机会。
散布图，以点的分布反映变量之间相关情况，是用来发现和显示两组数据之间相关关系的类型和程度，或确认其预期关系的一种示图工具。
过程能力指数（Cpk），分析工序能力满足质量标准、工艺规范的程度。
频数分析，形成观测量中变量不同水平的分布情况表。
描述统计量分析，如平均值、最大值、最小值、范围、方差等，了解过程的一些总体特征。
相关分析，研究变量之间关系的密切程度，并且假设变量都是随机变动的，不分主次，处于同等地位。
回归分析，分析变量之间的相互关系。
当然，在质量管理中，还有很多常用的统计分析方法，在此不一一列举。
（盈飞无限）
5.多元统计分析的简介
multivariate statistical analysis研究客观事物中多个变量（或多个因素）之间相互依赖的统计规律性。
它的重要基础之一是多元正态分析。又称多元分析 。
如果每个个体有多个观测数据，或者从数学上说， 如果个体的观测数据能表为 P维欧几里得空间的点，那么这样的数据叫做多元数据，而分析多元数据的统计方法就叫做多元统计分析 。 它是数理统计学中的一个重要的分支学科。
20世纪30年代，R.A.费希尔，H.霍特林，许宝碌以及S.N.罗伊等人作出了一系列奠基性的工作，使多元统计分析在理论上得到迅速发展。50年代中期，随着电子计算机的发展和普及 ，多元统计分析在地质 、气象、生物、医学、图像处理、经济分析等许多领域得到了广泛的应用 ，同时也促进了理论的发展。
各种统计软件包如SAS,SPSS等，使实际工作者利用多元统计分析方法解决实际问题更简单方便。重要的多元统计分析方法有：多重回归分析（简称回归分析）、判别分析、聚类分析、主成分分析、对应分析、因子分析、典型相关分析、多元方差分析等。
早在19世纪就出现了处理二维正态总体（见正态分布）的一些方法，但系统地处理多维概率分布总体的统计分析问题，则开始于20世纪。人们常把1928年维夏特分布的导出作为多元分析成为一个独立学科的标志。
20世纪30年代，R.A.费希尔、H.霍特林、许宝禄以及S.N.罗伊等人作出了一系列奠基性的工作，使多元统计分析在理论上得到了迅速的进展。40年代，多元分析在心理、教育、生物等方面获得了一些应用。
由于应用时常需要大量的计算，加上第二次世界大战的影响，使其发展停滞了相当长的时间。50年代中期，随着电子计算机的发展和普及，它在地质、气象、标准化、生物、图像处理、经济分析等许多领域得到了广泛的应用，也促进了理论的发展。
多元分析发展的初期，主要讨论如何把一元正态总体的统计理论和方法推广到多元正态总体。多元正态总体的分布由两组参数，即均值向量μ（见数学期望）和协方差矩阵（简称协差阵）∑ （见矩）所决定，记为Np（μ，∑）（p为分布的维数，故又称p维正态分布或p 维正态总体）。
设X1,X2，…，Xn为来自正态总体Np（μ，∑）的样本，则μ和∑的无偏估计（见点估计）分别是和分别称之为样本均值向量和样本协差阵，它们是在各种多元分析问题中常用的统计量。样本相关阵R 也是一个重要的统计量，它的元素为其中υij为样本协差阵S的元素。
S的分布是维夏特分布，它是一元统计中的Ⅹ2分布的推广。另一典型问题是：假定两个多维正态分布协差阵相同，检验其均值向量是否相同。
设样本X1,X2，…，Xn抽自正态总体Np（μ1，∑），而Y1,Y2，…，Ym抽自Np（μ2，∑），要检验假设H 0：μ1=μ2（见假设检验）。在一元统计中使用t统计量（见统计量）作检验；在多元分析中则用T2统计量，，其中，，·，T2的分布称为T2分布。
这是H.霍特林在1936年提出来的。在上述问题中的多元与一元相应的统计量是类似的，但并非都是如此。
例如，要检验k个正态总体的均值是否相等，在一元统计中是导致F统计量，但在多元分析中可导出许多统计量，最著名的有威尔克斯Λ统计量和最大相对特征根统计量。研究这些统计量的精确分布和优良性是近几十年来多元统计分析的重要理论课题。
多元统计分析有狭义与广义之分，当假定总体分布是多元正态分布时，称为狭义的，否则称为广义的。近年来，狭义多元分析的许多内容已被推广到更广的分布之中，特别是推广到一种称为椭球等高分布族之中。
按多元分析所处理的实际问题的性质分类，重要的有如下几种。 简称回归分析。
其特点是同时处理多个因变量。回归系数和常数的计算公式与通常的情况相仿，只是由于因变量不止一个，原来的每个回归系数在此都成为一个向量。
因此，关于回归系数的检验要用T2统计量；对回归方程的显著性检验要用Λ统计量。回归分析在地质勘探的应用中发展了一种特殊的形式，称为趋势面分析，它以各种元素的含量作为因变量，把它们对地理坐标进行回归（选用一次、二次或高次的多项式），回归方程称为趋势面，反映了含量的趋势。
残差分析是趋势面分析的重点，找出正的残差异常大的点，在这些点附近，元素的含量特别高，这就有可能形成可采的矿位。这一方法在其他领域也有应用。
由 k个不同总体的样本来构造判别函数，利用它来决定新的未知类别的样品属于哪一类，这是判别分析所处理的问题。它在医疗诊断、天气预报、图像识别等方面有广泛的应用。
例如，为了判断某人是否有心脏病，从健康的人和有心脏病的人这两个总体中分别抽取样本，对每人各测两个指标X1和X2，点绘如图 。可用直线A将平面分成g1和g2两部分，落在g1的绝大部分为健康者，落在g2的绝大部分为心脏病人，利用A的垂线方向l=(l1,l2)来建立判别函数y=l1X1+l2X2，可以求得一常数с，使 y<с 等价于（X1,X2）落在g1,y>с等价于（X1,X2）落在g2。
由此得判别规则：若，l1X1+l2X2