An R and S-PLUS Companion to Multivariate Analysis

重阳河

+ B: G. \3 P6 h6 W. Y
4 Q6 _) H, g- z/ ?$ x4 X& j$ m7 S An R and S-PLUS Companion to Multivariate Analysis.pdf (2.18 MB, 下载次数: 17)

2011-9-21 09:00 上传

点击文件名下载附件
下载积分: 体力 -2 点

书的目录：
8 m3 i; ~; O  ]3 w1 j% f% h
2 f( y: n) |! O" K0 F& \1 Multivariate Data and Multivariate Analysis . . . . . . . . . . . . . . . . . . . . . . 1
, `* d+ e) w8 k1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
8 p9 s2 `9 W3 \! H4 W1.2 Types of Data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
; W, s$ F' k2 A1.3 Summary Statistics for Multivariate Data . . . . . . . . . . . . . . . . . . . . . . . 4
1.3.1 Means . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
" A( B7 F0 |" r. z1.3.2 Variances . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3.3 Covariances . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
, g  j: e. d2 g3 L4 m( v& M( G1.3.4 Correlations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.3.5 Distances . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.4 The Multivariate Normal Distribution . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.5 The Aims of Multivariate Analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
3 t/ E9 z/ a4 ?: q0 h1.6 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2 Looking at Multivariate Data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
- U, O+ e: |$ M( F  L6 r, \7 x2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
+ }: f/ \4 B9 e7 q8 O0 F2.2 Scatterplots and Beyond . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
0 y& b7 {# I+ b+ `$ `; A: M2.2.1 The Convex Hull of Bivariate Data . . . . . . . . . . . . . . . . . . . . . . 22
8 m/ W0 t0 R1 r0 S: @9 R2.2.2 The Chiplot . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.2.3 The Bivariate Boxplot . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.3 Estimating Bivariate Densities . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2.4 Representing Other Variables on a Scatterplot . . . . . . . . . . . . . . . . . . . 32
& ^' t. g3 L5 A- U: a( x8 j( d2.5 The Scatterplot Matrix . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
2.6 Three-Dimensional Plots . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
2.7 Conditioning Plots and Trellis Graphics . . . . . . . . . . . . . . . . . . . . . . . . 37
2.8 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
! I+ U; S: H2 U9 XExercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
2 u+ }# m" C: C# X) v& _1 s7 S3 Principal Components Analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
+ q/ r7 W, F7 f2 j" n  ~: ?( j3.2 Algebraic Basics of Principal Components . . . . . . . . . . . . . . . . . . . . . 42
" `, g/ h2 T+ z) K: L% ]  n6 V) Dxi
3 b$ B2 l0 Z& Z+ P# A6 t2 Kxii Contents
4 |! ?. E9 c- b1 _3.2.1 Rescaling Principal Components . . . . . . . . . . . . . . . . . . . . . . . . 45
3.2.2 Choosing the Number of Components . . . . . . . . . . . . . . . . . . . 46
# k5 {2 o/ x% n, E% y7 |7 j! `8 K3.2.3 Calculating Principal Component Scores . . . . . . . . . . . . . . . . . 47
) L+ Q* \* B9 v+ O& D3.2.4 Principal Components of Bivariate Data with Correlation
Coefficient r . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
3.3 An Example of Principal Components Analysis: Air Pollution in
6 W5 ]/ u$ |" T( F6 ^- n0 m7 pU.S. Cities . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
7 n& u9 Q" r; D9 c3.4 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
Exercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
6 G( c# S; i. A. b( T, \; h( L4 Exploratory Factor Analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
* }/ T7 v3 ?3 M! E4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
4.2 The Factor Analysis Model . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
4.2.1 Principal Factor Analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
1 f. G8 t  ?3 E( B5 \4.2.2 Maximum Likelihood Factor Analysis . . . . . . . . . . . . . . . . . . . 69
4 ]$ g* c6 M' n: M4.3 Estimating the Numbers of Factors . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
& V# ^8 Q, l( f$ H9 {% K# b4.4 A ** Example of Factor Analysis . . . . . . . . . . . . . . . . . . . . . . . . . 70
4.5 Factor Rotation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
4.6 Estimating Factor Scores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
4.7 Two Examples of Exploratory Factor Analysis . . . . . . . . . . . . . . . . . . 77
. b$ d( c- \! u% {( G* {( i4.7.1 Expectations of Life . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
$ s$ s5 @/ `, n) m4.7.2 Drug Usage by American College Students . . . . . . . . . . . . . . . 82
4.8 Comparison of Factor Analysis and Principal
! c. T9 t9 s' H1 f, AComponents Analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
' H0 F; e/ P( D. I, N4.9 Confirmatory Factor Analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
$ ]$ u7 M6 A  w7 h9 {8 _6 O" ^4.10 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
: t: d' o: A4 m6 nExercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
5 Multidimensional Scaling and Correspondence Analysis . . . . . . . . . . . . 91
5.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
5.2 Multidimensional Scaling (MDS) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
6 U9 Z3 \* @6 j" j& z( N- r) V5.2.1 Examples of Classical Multidimensional Scaling . . . . . . . . . . 96
4 U0 z6 a- t2 {$ A5.3 Correspondence Analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
5.3.1 Smoking and Motherhood . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
5.3.2 Hodgkin’s Disease . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
) t8 \) \3 K' O9 j$ ^+ n2 _5.4 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
0 m% W: O2 L! D" ^Exercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
) @2 a; V" n/ Z  f- v6 Cluster Analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
6.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
6.2 Agglomerative Hierarchical Clustering . . . . . . . . . . . . . . . . . . . . . . . . . 115
6.2.1 Measuring Intercluster Dissimilarity . . . . . . . . . . . . . . . . . . . . . 118
6.3 K-Means Clustering . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 122
5 ^! M% z& |% t# T6.4 Model-Based Clustering . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128
' B$ ~3 ?8 j0 W2 u" x# {0 q6.5 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134
Exercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135
, }. c$ _! L, {& ?$ W" \! j  Q- ]* FContents xiii
7 Grouped Multivariate Data: Multivariate Analysis of Variance and
; g" G: V2 G0 [7 ^1 xDiscriminant Function Analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
* h1 q2 i+ T) q7.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
! N- f! R+ {3 ^# F8 A9 G3 b9 }3 n7.2 Two Groups: Hotellings T 2 Test and Fisher’s Linear Discriminant
Function Analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
, s- N" h+ i3 b% D/ |" E4 ]7.2.1 Hotellings T 2 Test . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
' _# t$ N' R. y7.2.2 Fisher’s Linear Discriminant Function . . . . . . . . . . . . . . . . . . . 142
. ~' F3 W$ n, x8 L8 n9 T7.2.3 Assessing the Performance of a Discriminant Function . . . . . 146
7.3 More Than Two Groups: Multivariate Analysis of Variance
/ n/ r& Q+ G$ y' k6 q4 g. F(MANOVA) and Classification Functions . . . . . . . . . . . . . . . . . . . . . . 147
7.3.1 Multivariate Analysis of Variance . . . . . . . . . . . . . . . . . . . . . . . 147
7.3.2 Classification Functions and Canonical Variates . . . . . . . . . . . 149
7.4 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 155
; A4 f" t- d/ m. _Exercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156
* M' k: A' o, Z( ^4 a8 Multiple Regression and Canonical Correlation . . . . . . . . . . . . . . . . . . . . 157
: m' y" S+ C4 }7 f+ G8.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 157
8.2 Multiple Regression . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 157
8.3 Canonical Correlations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 160
8.4 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 167
Exercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 167
9 Analysis of Repeated Measures Data. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 171
- j8 Q" k( r! m5 P5 Z: ?9.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 171
9.2 Linear Mixed Effects Models for Repeated Measures Data . . . . . . . . 174
9.3 Dropouts in Longitudinal Data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 190
& B2 T6 F- X/ i  B- ]. V* L9.4 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 198
$ |8 N) q4 X$ |' x% |; K2 zExercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 198
Appendix: An Aide Memoir for R and S-PLUS® . . . . . . . . . . . . . . . . . . . . . 200
1. Elementary commands . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 200
! X7 l# x5 O4 @2. Vectors . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 201
3. Matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 204
4. Logical Expressions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 205
* A3 Z, m1 ?" O( J) ^1 l& b5. List Objects . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 207
; o7 ?5 }( X7 t3 a+ e6 j6. Data Frames . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 209

重阳河

我发的附件怎么不见了啊？

原来是没有粘上去，弄好了，可以下载了……
但愿对大家有用

fred_gavin

谢谢分享！！！！！

叶纯萱

谢谢楼主！！

蓝枫心叶

呵呵，英语水平有限，，收藏啦，，或许以后可以看懂

蓝枫心叶

不过还是要谢谢楼主分享的，，嗯哈。。

tucy

先分享看看

number_cruncher

很好的书。 多谢楼主！

鸣凤123

楼主的帖子很不错，我觉得很有用