对应用主成分法进行综合评价的探讨

本文针对用主成分法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后,然后再分别对各组变量进行主成分评价,既保证了主成分法的优点,也克服它在评价中的缺点,提高综合评价结果的合理性。并用该方法对实例进行了分析,取得了较好的效果。     

主成分分析法在高校学生质量综合评价中的应用

主成分分析法能够在保证原始数据信息损失最小的情况下,以少数的综合变量取代原有的多维变量,使数据结构大为简化,并且客观地确定变量权重,避免了主观随意性.应用主成分分析方法对高等学校学生质量进行了综合评价,根据综合得分给出了科学的排名,客观地反映了学生各方面的特征.     

河流水质综合评价之主成分分析方法

文章提出水质综合评价的主成分分析方法 ,并以该方法对湟水流域内典型断面的水质污染程度进行定量化评价 ,实证分析的结果表明 :主成分分析方法是一种切实可行的水质综合评价方法 ,对其它环境质量评价问题亦有一定参考价值     

基于主成分分析的水质评价方法

主成分分析法能够在保证原始数据信息损失最小的情况下,以少数的综合变量取代原有的多维变量,使数据结构大为简化,并且客观地确定变量权数,避免了主观随意性.应用主成分分析法对长春市地面水环境进行评价,且与其它评价方法相比较,结果显示主成分分析法更客观且指导性较强,是一种行之有效的水质评价方法.通过主成分分析进行水质评价,可为水资源规划、利用、开发和环境系统优化提供更为客观的参考依据.     

城市环境质量多元统计分析──永安市城市环境质量综合评价

本文针对永安市城市环境质量综合评价，采用主成分分析法［１］，以福建省十个城市为样本进行横向比较，从而揭示永安市环境质量状况及其改进环境质量的突破口．使环境质量现状分析具有评价和控制的双重功能。     

用主成分分析法作多指标综合评价应该注意的问题

主成分分析法是一种很好的多指标综合评价方法,但须注意其适用性,也要对评价结果恰当地使用.如果样本太少,或者各变量之间的相关性很小,则不适合使用;涉及到动态的价值型的指标评价问题必须作不变价在处理;如果仅仅是进行排序评价则只用一个主成分得分进行评价即可;若还要进行其他方面的分析,则在选取主成分个数时,只能选取特征根大于1所对应主成分;计算各样本的主成分得分一定要采取变权的方式进行;在对各主成分进行命名和特征概括时要首先考察各变量在不同主成分载荷的绝对值大小,在此基础上选择同一主成分上载荷较大的变量主成分命名和特征概括;如果要做倍比分析,则要把各样本的主成分得分映射到适当的正数区间,该区间的选择需要一定的经验,或者参照其他指标的倍比关系确定.     

高师院校学生综合素质评价指标的科学确定

通过对9个原变量进行主成分分析,得出一个用于评价高师院校学生综合素质的评价指标.     

对医院护理单元绩效考核指标的科学确定

通过对13个原变量进行相关分析和主成分分析,得出一个用于评价医院护理单元绩效的综合指标.     

我国上市公司资本结构影响因素实证分析

本文选取了可能影响企业资本结构的多个指标变量进行分析 ,利用主成分分析提供的方法将变量综合成彼此互不相关的少数几个主成分。再用主成分 (作为回归自变量 )对企业的 5种资本负债比 (作为回归因变量 )进行多元回归分析 ,得出了影响企业资本结构的主要因素 ,以及这些因素与企业资本结构之间的关系 ,为企业确定资本结构提供参考依据 ,为企业财务决策提供支持。     

基于主成分——BP神经网络的期货市场预测

结合主成分分析法和神经网络的优点,提出了基于主成分分析的神经网络方法来对期货市场进行预测.引入主成分分析法对原始输入变量进行预处理,选择输入变量的主成分作为网络输入,一方面减少了输入维度,消除了各输入变量的相关性;另一方面提高了网络的收敛性和稳定性,也简化了网络的结构.通过实例验证,基于主成分的神经网络比一般神经网络训练精度更高.     

具有遗传性疾病和性状的遗传位点分析

为便于进行数据分析,首先将数据中的位点信息由原来字母编码方式转换为数值编码的方式,根据位点的编码信息和患病信息,采用Logistic回归的方法,找出某种疾病最有可能的一个或几个致病位点,同时采用显著性检验进一步对建立的模型进行检验,证明了建立结果的合理性。此外,通过主成分分析,从原有的300个主成分中取出了225个主成分尽可能多地反映原来基因变量的信息,再通过主成分Logistic回归分析找出与疾病最有可能相关的一个或几个基因。最后,采用典型相关分析找出与相关性状有关联的基因位点。     

基于核主元分析的带可变惩罚因子最小二乘模糊支持向量机模型及其在信用分类中的应用

信用分类是信用风险管理中一个重要环节,其主要目的是根据信用申请客户提供的资料从申请客户中区分出可信客户和违约客户,以便为信用决策者提供决策依据.为了正确区分不同的信用客户,特别是违约客户,结合核主元分析和支持向量机算法构造基于核主元分析的带可变惩罚因子最小二乘模糊支持向量机模型对信用数据进行了分类处理.在基于核主元分析的带可变惩罚因子最小二乘模糊支持向量机模型中,首先对样本数据进行预处理,然后利用核主元分析以非线性方式降低数据的维数,最后利用带可变惩罚因子最小二乘模糊支持向量机模型对降维后数据进行分类分析.为了验证,选择两个公开的信用数据集来进行实证分析.实证结果表明：基于核主元分析的带可变惩罚因子最小二乘模糊支持向量机模型取得了较好的分类结果,可为信用决策者提供重要的决策参考依据.     

对使用主成分进行绩效指标值排名的讨论

对《基于数据的Goodgrant基金最优投资策略》一文使用主成分分析进行综合评价,对候选学校绩效指标值排名进行了探讨。首先,综合前人研究与本题实际,指出使用主成分分析进行综合评价存在的争议与不足;然后,分别建立TOPSIS模型和综合评价模型对候选学校的绩效指标值进行排名,并对不同方法得到的结果进行对比。结果表明,TOPSIS模型和综合评价模型得到的排名具有高度一致性,前50名重合率达98%,而与主成分分析综合评价的重合率仅有6%,说明使用TOPSIS等传统评价模型对候选学校绩效指标值进行排名更合适。     

海水富营养化评价的主成分-聚类分析方法

根据主成分分析和聚类分析理论 ,针对海水富营养化评价因子间的相关性 ,提出了海水富营养化的主成分 -聚类分析综合评价方法 .该方法能根据实测资料对海水富营养化状况客观地分类并计算出评价权值 ,避免了主观随意性 .将其应用于 2 0 0 0年 5月至 2 0 0 1年 5月柘林湾海水富营养化程度的分类与评价 ,结果与实际吻合 .     

主成分分析在中国上市公司综合评价中的作用

主要介绍了主成分分析在上市公司综合评价中的作用 .主成分分析作为一种客观赋权的方法 .权数是能随着宏观经济环境变化而变化的动态权数体系 ,因为主成分分析所应用的数据来源于上市公司年度报告所提供的财务指标 .它主要对所选择的 40只绩优股 ,进行横向的比较 ,并根据第一主成分得分进行排序 ,给广大的投资者提供参考 .