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
& D( N+ Q1 s3 G0 Z
3 T) h  T1 O! j# c) s4 ?8 x An R and S-PLUS Companion to Multivariate Analysis.pdf (2.18 MB, 下载次数: 17) * X9 k% J0 F& {$ s' r0 b

* m' {$ e1 C0 p2 |; D: r书的目录：
* w  q1 H! K8 G( V3 v0 Z0 @6 `+ m
1 Multivariate Data and Multivariate Analysis . . . . . . . . . . . . . . . . . . . . . . 1
6 \3 u2 m' p: |2 a2 y1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
" V: P% B% e. M& |. r3 a1.2 Types of Data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
7 E# I2 G" @# P1 z, s: c+ ?, c' f1.3 Summary Statistics for Multivariate Data . . . . . . . . . . . . . . . . . . . . . . . 49 H: b! {# r: G! ^& T4 K, }2 C, w$ `4 Y
1.3.1 Means . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
- x7 D, D- c( o; e. |5 E! E' k% [( ~1.3.2 Variances . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50 s( Z! r1 p% |; S$ K9 H& d# Q. k  U  o
1.3.3 Covariances . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5# Z# k- m1 P, h6 `
1.3.4 Correlations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66 H# d" B) ]' t" n6 r* \( K
1.3.5 Distances . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77 v6 Z- p2 H$ e, s
1.4 The Multivariate Normal Distribution . . . . . . . . . . . . . . . . . . . . . . . . . . 9
. s* z. l! l' f2 |& M* y1.5 The Aims of Multivariate Analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
% v3 ?7 e/ a$ R) ~% _9 x' J( O- a' U1.6 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15$ T5 i2 }- S. f* D% y
2 Looking at Multivariate Data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
/ G& Z4 y4 X4 }5 s- `2 H2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
* \9 A: _. E) C( T2.2 Scatterplots and Beyond . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
, m# D2 |# M3 M5 U% D2.2.1 The Convex Hull of Bivariate Data . . . . . . . . . . . . . . . . . . . . . . 22
, ^3 j# ?+ W8 U6 T- q% |2.2.2 The Chiplot . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23* b* g# S( e! i+ n- L6 |9 x
2.2.3 The Bivariate Boxplot . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
6 P: Y4 w7 x2 n7 ?; z! h9 m2.3 Estimating Bivariate Densities . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 298 I" ]- ^3 ~! T3 F
2.4 Representing Other Variables on a Scatterplot . . . . . . . . . . . . . . . . . . . 32
, b' R( T6 v# E- {2 p: D2.5 The Scatterplot Matrix . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
3 p5 g% L& u6 M7 ^/ p& p2.6 Three-Dimensional Plots . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35! Z# ?4 w( f1 N" d' @5 ~  \' A
2.7 Conditioning Plots and Trellis Graphics . . . . . . . . . . . . . . . . . . . . . . . . 37
# ^( K1 ^- [7 ?2.8 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
& W3 z. X8 C! m# i7 I- @Exercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
. k' M- r, `7 p2 z# S3 Principal Components Analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41& ~* u2 f9 h) G6 `' m: ~
3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 413 G# u4 e. l- F$ Y. f  J
3.2 Algebraic Basics of Principal Components . . . . . . . . . . . . . . . . . . . . . 423 e6 u2 l) `2 Q  C5 G
xi
; y/ E1 M4 a; c- |  [" U  hxii Contents
6 `' c4 q9 @. J' u& T3.2.1 Rescaling Principal Components . . . . . . . . . . . . . . . . . . . . . . . . 45! o! [2 U$ h6 R6 ]5 h
3.2.2 Choosing the Number of Components . . . . . . . . . . . . . . . . . . . 467 A- N8 M1 i" @0 y  x
3.2.3 Calculating Principal Component Scores . . . . . . . . . . . . . . . . . 47
- H) N2 U3 B2 U3 `3.2.4 Principal Components of Bivariate Data with Correlation" B" v; m, `1 m; w; e
Coefficient r . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
% _4 d& P- J7 E1 F$ }% F3.3 An Example of Principal Components Analysis: Air Pollution in' y, y& q- D  p; G
U.S. Cities . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
- ^( {& y5 f3 {% j3.4 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 614 L% \8 O) z9 S8 ]; b- }! \
Exercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
6 e( Z' f! O5 E4 Exploratory Factor Analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65. u# ~0 X/ z; U; V; _$ s
4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65$ V8 L3 W5 b) H) ~( [4 O8 {
4.2 The Factor Analysis Model . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65/ g, G# N( W& y. `, }6 r
4.2.1 Principal Factor Analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 682 U! a7 ]% \# r' c4 [% E
4.2.2 Maximum Likelihood Factor Analysis . . . . . . . . . . . . . . . . . . . 69
0 }! f/ U0 d' F% ?$ x6 {6 r0 R: N4.3 Estimating the Numbers of Factors . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69( D# B, {1 ?. r; c( {3 g! v4 r
4.4 A ** Example of Factor Analysis . . . . . . . . . . . . . . . . . . . . . . . . . 70
& j! k6 _7 Y% x6 E& T  M- X& T7 H4.5 Factor Rotation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 713 `, {5 [5 a& V
4.6 Estimating Factor Scores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 762 G* L; K9 K- I& w- M" J* x; V& m1 ~
4.7 Two Examples of Exploratory Factor Analysis . . . . . . . . . . . . . . . . . . 77
& V% |" }' {# f8 O4.7.1 Expectations of Life . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
7 M+ s- g+ s' H4.7.2 Drug Usage by American College Students . . . . . . . . . . . . . . . 82
- @7 _) j# U0 G5 e4.8 Comparison of Factor Analysis and Principal
( d3 x. i3 C  d$ m: U$ y3 m. nComponents Analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85/ s1 G5 f, p# N$ m$ `
4.9 Confirmatory Factor Analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
+ l7 X3 y$ R7 q8 v! X4.10 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 884 m- x$ N! g& g) v
Exercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89! N" T9 C* O% R. K4 d0 F5 T0 l
5 Multidimensional Scaling and Correspondence Analysis . . . . . . . . . . . . 91; r+ ]' M. |! P5 X
5.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
+ a5 V% ^# }# ~. p$ U0 |  G& g5.2 Multidimensional Scaling (MDS) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
9 U1 R' M% b/ z) _' ]  y6 B3 Z& m) q5.2.1 Examples of Classical Multidimensional Scaling . . . . . . . . . . 96. r: A  n5 t' o; L2 W) \+ e: h
5.3 Correspondence Analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104# p6 |  g: A/ b% }- f
5.3.1 Smoking and Motherhood . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
3 k3 b; Q# |. d; Q8 H8 C5.3.2 Hodgkin’s Disease . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
. p$ O; D; f6 p1 ~5.4 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112; L( D% v( j& Q9 r
Exercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112* m9 M6 Y( @) T, P/ O$ F
6 Cluster Analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
1 c4 @3 k6 Z' d* u6.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115* y% W! ?5 E- b* ^) V# W
6.2 Agglomerative Hierarchical Clustering . . . . . . . . . . . . . . . . . . . . . . . . . 115* B' E$ Q- a$ e. d
6.2.1 Measuring Intercluster Dissimilarity . . . . . . . . . . . . . . . . . . . . . 1185 C' y& g9 h+ Q; k. ~* e+ ]9 ?* }
6.3 K-Means Clustering . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 122- |8 A+ L' o# f3 D
6.4 Model-Based Clustering . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1288 c1 _) g7 m  _) x8 p- P0 e! D, b
6.5 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134/ Y; y2 u  M* n& D0 h, g
Exercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135& u5 v: C! ^; D) s0 E1 e* _/ p
Contents xiii, W' p7 G" f2 ?, ?6 G
7 Grouped Multivariate Data: Multivariate Analysis of Variance and
- C. n  f( Z/ m; EDiscriminant Function Analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137$ d6 ^  C4 [0 ?. N( Y9 k+ y
7.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
7 ~* s% ^* z& T2 _- ?; j0 V4 C7.2 Two Groups: Hotellings T 2 Test and Fisher’s Linear Discriminant
) D3 o5 j$ c. u, \3 YFunction Analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137/ Q+ x. l9 X4 r# Y
7.2.1 Hotellings T 2 Test . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137, ^. D6 ?/ M2 h+ n
7.2.2 Fisher’s Linear Discriminant Function . . . . . . . . . . . . . . . . . . . 1429 o) B2 S/ N/ m1 V
7.2.3 Assessing the Performance of a Discriminant Function . . . . . 146
* _! w# F/ h( h: K% g7.3 More Than Two Groups: Multivariate Analysis of Variance
5 R$ u1 ~% U8 }6 P% t, f) t. {(MANOVA) and Classification Functions . . . . . . . . . . . . . . . . . . . . . . 147
& _3 x/ y( d8 j4 k/ c7.3.1 Multivariate Analysis of Variance . . . . . . . . . . . . . . . . . . . . . . . 147# j8 t0 p) z; b0 }- [" j# s( l$ v
7.3.2 Classification Functions and Canonical Variates . . . . . . . . . . . 149# M* H$ |, B2 _. p$ M+ h7 l
7.4 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 155
- `1 r( X" F6 I' P. a" U8 K' EExercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156
) M5 u2 P2 C( g  ~8 Multiple Regression and Canonical Correlation . . . . . . . . . . . . . . . . . . . . 157
8 V& v7 \$ o7 I& g1 \8.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 157
  R% H6 Y* Q7 k% V: J8.2 Multiple Regression . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 157
* r" X/ X3 ?, L! e6 c8.3 Canonical Correlations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1600 i' A, B; ^0 n- D; v
8.4 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 167& s  d: V: B4 n' |8 l4 n
Exercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 167. A. ~) Q; y: a$ v
9 Analysis of Repeated Measures Data. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 171
! H2 U, n3 r3 G& r! i/ v7 U9.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 171
8 v5 H9 K" p- I  ]* F* e% j( K; [9.2 Linear Mixed Effects Models for Repeated Measures Data . . . . . . . . 174
, Y5 Y  p$ O  u9.3 Dropouts in Longitudinal Data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 190" g3 W5 B/ L- B0 S
9.4 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 198
& V3 b. {& U1 J; T! A4 lExercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 198
) l: A- ^4 m* _3 VAppendix: An Aide Memoir for R and S-PLUS® . . . . . . . . . . . . . . . . . . . . . 2003 x2 ^/ Y- C8 w9 U# U1 x3 e
1. Elementary commands . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 200
0 @0 W3 R" O7 R7 ^2. Vectors . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 201
( s# B* D# Z& H0 L% B- g8 C3. Matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 204$ N* |4 n$ L& m- R" d# o
4. Logical Expressions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 205( z0 L, C. V6 V
5. List Objects . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 207
# B) P4 s0 s! r  b2 l4 B% }5 X6. 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
% E/ [6 R7 E; I1 ?# b
2 E7 P/ j* x& e% o我发的附件怎么不见了啊？6 H' x- `$ d: @0 N& a  l
+ D! z, c0 b. B* N; t
原来是没有粘上去，弄好了，可以下载了……1 ?/ {6 g; b7 w0 s1 u' t/ t6 d' 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$ s. H% M+ c6 K) b




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