数学建模社区-数学中国

标题: An R and S-PLUS Companion to Multivariate Analysis [打印本页]
作者: 重阳河    时间: 2011-9-21 09:06
标题: An R and S-PLUS Companion to Multivariate Analysis
本帖最后由 重阳河 于 2011-9-21 09:12 编辑 ; e+ r' b& ]1 P' ]* {
* w, a1 `) b+ y+ Q+ v; ^" k
An R and S-PLUS Companion to Multivariate Analysis.pdf (2.18 MB, 下载次数: 17)
! C3 J  ^' f1 s- n! c1 H  r% R" E# j
: ]: D$ l- A! i/ V% e书的目录：$ P- x# D5 t3 T( E5 W7 }: O
* A( k9 V% h+ f5 z  U
1 Multivariate Data and Multivariate Analysis . . . . . . . . . . . . . . . . . . . . . . 11 W  H, m" c; p9 x+ p' R0 z
1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1* @& b, Y8 j; G
1.2 Types of Data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15 D6 _$ M- z; M) Y& i3 F9 R9 `* I
1.3 Summary Statistics for Multivariate Data . . . . . . . . . . . . . . . . . . . . . . . 4
; {3 w) r' s, ]- e% z1.3.1 Means . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4' E  w" o2 _- S3 b9 S+ V
1.3.2 Variances . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
) B2 w4 Q9 a7 W1.3.3 Covariances . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
6 o$ y( V  ?* m! r6 c! z6 v1.3.4 Correlations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6/ w: A  w* M9 G- a5 Q) i# u5 i
1.3.5 Distances . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
9 ^* B  ?8 `; S9 J6 Y) y9 D1.4 The Multivariate Normal Distribution . . . . . . . . . . . . . . . . . . . . . . . . . . 99 q' K1 [; L! y" k: w
1.5 The Aims of Multivariate Analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13% `3 w, [. l* l
1.6 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 154 F% [" N5 X/ D% ]" T
2 Looking at Multivariate Data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 167 {0 T# q' g" {) Y; n: w! \* @% R
2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 160 H' P- c% |0 R# H0 N
2.2 Scatterplots and Beyond . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
7 ?' {" a% D5 `! _( F" x- x2.2.1 The Convex Hull of Bivariate Data . . . . . . . . . . . . . . . . . . . . . . 22
0 i( N+ S2 P- x; e: b: H% `* w2.2.2 The Chiplot . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23& @8 i% Q& ^  m& g- C
2.2.3 The Bivariate Boxplot . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25" x# m0 w4 b* o* u
2.3 Estimating Bivariate Densities . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
' j; b- L6 z. q6 X# m# j% G2.4 Representing Other Variables on a Scatterplot . . . . . . . . . . . . . . . . . . . 32
! a: m) a# @: N9 U2.5 The Scatterplot Matrix . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33  Z) g6 c9 R! ?2 m) I# w
2.6 Three-Dimensional Plots . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
* E; W1 A- b/ h- Z2.7 Conditioning Plots and Trellis Graphics . . . . . . . . . . . . . . . . . . . . . . . . 37% d! A* Z9 E+ W
2.8 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
, Q2 U5 X0 e6 K$ u; j" SExercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
/ _! W4 J# k& C9 _  S- {, \; Y4 P( s3 Principal Components Analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41! L! f8 d( [  u1 `5 E1 F  \/ m
3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
% A" p) n3 u3 p8 w( [+ g4 t! P3.2 Algebraic Basics of Principal Components . . . . . . . . . . . . . . . . . . . . . 42
6 M* m" B$ }2 N' Rxi/ C2 n$ r6 }4 f4 J/ N+ W, j; z
xii Contents, j1 ]- `2 y$ G* ?. [
3.2.1 Rescaling Principal Components . . . . . . . . . . . . . . . . . . . . . . . . 450 [( E' A; o; S" @: h( L1 {
3.2.2 Choosing the Number of Components . . . . . . . . . . . . . . . . . . . 46
6 O' \6 r3 h% m# L3.2.3 Calculating Principal Component Scores . . . . . . . . . . . . . . . . . 47
9 L$ Y2 q* j$ k: e, y9 h! H7 |. B3.2.4 Principal Components of Bivariate Data with Correlation
+ f2 V# H5 M0 j1 R5 G$ XCoefficient r . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48( @- q8 ?7 T2 e  x2 S1 k# j
3.3 An Example of Principal Components Analysis: Air Pollution in2 N8 p0 Y% |0 p) `: e( k$ {
U.S. Cities . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49. h' R) H( N4 O
3.4 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 616 p3 j0 W6 p( G
Exercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
7 J8 u3 w5 y+ [, j! U( m4 Exploratory Factor Analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65' ^8 G# {! S3 c+ y
4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
, R9 Q9 o) R1 z8 l; K# d- n1 ^, @4.2 The Factor Analysis Model . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65' ~" j6 p1 |" z
4.2.1 Principal Factor Analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 683 E: l7 N) V* k1 C+ z) l" F8 c
4.2.2 Maximum Likelihood Factor Analysis . . . . . . . . . . . . . . . . . . . 694 r  q# V" m; o9 _
4.3 Estimating the Numbers of Factors . . . . . . . . . . . . . . . . . . . . . . . . . . . . 691 t. `- r& l, P' q5 R# ~  f
4.4 A ** Example of Factor Analysis . . . . . . . . . . . . . . . . . . . . . . . . . 70
" E$ Z6 {% G0 s6 p$ Q0 c4.5 Factor Rotation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71, A) ]) _! A4 K8 Z
4.6 Estimating Factor Scores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76( V" V9 `$ G! s* P7 p; I8 a( Y: m0 u
4.7 Two Examples of Exploratory Factor Analysis . . . . . . . . . . . . . . . . . . 77
/ W/ r% l6 S7 [! q2 Z4.7.1 Expectations of Life . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
5 C( \9 d6 g. Q* y4.7.2 Drug Usage by American College Students . . . . . . . . . . . . . . . 82
( v8 A( h$ r9 V  M$ ?( }4.8 Comparison of Factor Analysis and Principal
( a& B, j# R: E1 o! c" v) ~Components Analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85+ @9 u& U9 t9 Q) m! @. ]6 q' v
4.9 Confirmatory Factor Analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
  v0 R& m! _! O( u5 W' `3 J1 f# T4.10 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88* R" h7 K! z+ ~# e& D
Exercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
5 b. B9 `  i" [3 Z; P' M5 Multidimensional Scaling and Correspondence Analysis . . . . . . . . . . . . 91
! o/ b) @8 S% P3 j% y1 V& g; W8 ~5.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
) b: p5 C% O; R9 E5.2 Multidimensional Scaling (MDS) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
4 I% l0 T6 M' r0 Y  L8 Z. l, B5.2.1 Examples of Classical Multidimensional Scaling . . . . . . . . . . 96
5 Z( ^' i1 b) G5.3 Correspondence Analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104( s4 \7 {. I: M1 M7 x) n0 J4 {
5.3.1 Smoking and Motherhood . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
: ~: n7 A5 H1 H- F( a7 Z2 Z: l5.3.2 Hodgkin’s Disease . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
0 M4 ?' m* C4 X& U0 I( |9 L- b) I' h( b5.4 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112# f; m6 i: ]5 u; V: Y/ h5 q; d
Exercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
1 ^0 b" _% S! [' B- D- _6 Cluster Analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1158 q& D( v, n( N
6.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
' y+ E+ M, f+ l$ L" d6.2 Agglomerative Hierarchical Clustering . . . . . . . . . . . . . . . . . . . . . . . . . 115
, {- S" q! d* r1 o6.2.1 Measuring Intercluster Dissimilarity . . . . . . . . . . . . . . . . . . . . . 118
, e+ V9 c: ~$ x8 _. j6.3 K-Means Clustering . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 122
/ W5 s( G5 e/ X3 p# v6.4 Model-Based Clustering . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128/ u  s6 J- S  o2 o4 r6 K  G# k
6.5 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134+ ~5 |  Z% _  u. I
Exercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135; V" ?0 F$ o0 Y1 f$ |/ c/ E( E* E
Contents xiii
6 `. q0 T, ^& z8 T& x2 l3 p7 Grouped Multivariate Data: Multivariate Analysis of Variance and" |) T+ T) E- i5 K( M
Discriminant Function Analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
2 g: a' q2 S6 z3 U3 g- M7 S3 @) u7.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
. w, I/ o' o( p4 }7.2 Two Groups: Hotellings T 2 Test and Fisher’s Linear Discriminant
1 x$ B2 s4 n' Y  jFunction Analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
% e# y$ a+ f+ a$ x& x/ [4 S- Z7.2.1 Hotellings T 2 Test . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
8 W5 D" q( c. e7 x" b. J4 N; `9 C7.2.2 Fisher’s Linear Discriminant Function . . . . . . . . . . . . . . . . . . . 142
2 W5 l5 t1 a  a+ D3 g. z9 R7.2.3 Assessing the Performance of a Discriminant Function . . . . . 146
) F* g6 ^5 h7 ]" s. L+ u4 A7.3 More Than Two Groups: Multivariate Analysis of Variance
" r+ f0 q$ o% l. g(MANOVA) and Classification Functions . . . . . . . . . . . . . . . . . . . . . . 147
% l3 O7 F# P! q1 T8 ~7 p2 `1 a7.3.1 Multivariate Analysis of Variance . . . . . . . . . . . . . . . . . . . . . . . 1471 U& N* r* }, o: [" N
7.3.2 Classification Functions and Canonical Variates . . . . . . . . . . . 149) D0 Z. U3 A& c5 j. A% h1 {3 J0 |' }& l2 l
7.4 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 155- Y$ K* K3 K! ?/ A  v
Exercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156% D  b0 E2 s8 U% ?
8 Multiple Regression and Canonical Correlation . . . . . . . . . . . . . . . . . . . . 157
! y8 v/ b- r0 o$ z' v# u8.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 157/ q. f/ j& n% n6 q0 X. T9 k7 P. D# K
8.2 Multiple Regression . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1577 ?( t! P2 `8 }8 C2 B0 V
8.3 Canonical Correlations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1602 ?7 f, _+ e" f& ~( G) ~
8.4 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1675 C6 Y+ h; O& t) T9 y( E* N- H
Exercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 167
) @& {- R  {; ]5 y) `# |6 B* F, e9 Analysis of Repeated Measures Data. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 171
/ Y6 X& H# q  G9.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 171
5 N% ?0 z! |7 U( @9.2 Linear Mixed Effects Models for Repeated Measures Data . . . . . . . . 174
4 d' m! K. t- r9.3 Dropouts in Longitudinal Data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 190
7 B" h. ]- Y9 q' t) G3 ~. X5 h9.4 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 198
7 ^5 X0 @; h+ s( E4 y7 lExercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 198
+ P( ]! d1 T3 _9 @" ]& @Appendix: An Aide Memoir for R and S-PLUS® . . . . . . . . . . . . . . . . . . . . . 200
$ @0 q  z' L: W- j: X5 g0 ?$ U" F1. Elementary commands . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 200
8 V3 x. U& [# L  ^2. Vectors . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 201" a6 d) P  u* u* g
3. Matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2040 n6 G: f1 r; ^8 p8 o
4. Logical Expressions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 205
& _) E% c* F% p+ |5. List Objects . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2073 b( u& [  v& W
6. Data Frames . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 209

An R and S-PLUS Companion to Multivariate Analysis.pdf

2.18 MB, 下载次数: 15, 下载积分: 体力 -2 点
作者: 重阳河    时间: 2011-9-21 09:10
本帖最后由 重阳河 于 2011-9-21 09:14 编辑
4 w0 z1 x+ N$ U8 c
8 h1 w! |4 `  b7 e0 |# C" \我发的附件怎么不见了啊？; |# f" V& q+ T7 y
# \8 `( ~( G  V5 D! v6 i9 \4 L0 h
原来是没有粘上去，弄好了，可以下载了……) P+ y# T1 R" |/ |  _
但愿对大家有用
作者: fred_gavin    时间: 2012-4-10 22:48
谢谢分享！！！！！
作者: 叶纯萱    时间: 2012-4-14 16:31
谢谢楼主！！
作者: 蓝枫心叶    时间: 2012-9-2 20:41
呵呵，英语水平有限，，收藏啦，，或许以后可以看懂
作者: 蓝枫心叶    时间: 2012-9-2 20:43
不过还是要谢谢楼主分享的，，嗯哈。。
作者: tucy    时间: 2013-4-13 12:13
先分享看看
作者: number_cruncher    时间: 2013-4-22 11:05
很好的书。 多谢楼主！
作者: 鸣凤123    时间: 2015-8-14 12:41
楼主的帖子很不错，我觉得很有用
6 o7 X3 ]* k3 ]' m/ G



欢迎光临 数学建模社区-数学中国 (http://www.madio.net/) Powered by Discuz! X2.5