Y=[y1, y2, y3, y4]; Y es una matriz de 14*4.
R=[r1, r2, r3, R4]'; La matriz aquí debe transponerse a una matriz 4*1.
p = Y * R;
Suplemento de pregunta: En términos generales, la suma de los coeficientes de peso es igual a 1, pero no es necesario que sea igual a 1 aquí porque y1 a y4 pertenecen a diferentes tipos. El peso innecesario reflejado en el PIB suma 1.
Pregunta 2: ¿Cuál es la diferencia entre coeficiente de correlación y covarianza? Representan el grado de variación entre variables. La covarianza es una estadística que se obtiene multiplicando la desviación de la media de la variable X por la desviación de la media de la variable Y y promediando. Aunque el grado de cambio de xey se puede expresar, las unidades de xey pueden ser diferentes, por lo que el resultado obtenido al multiplicar directamente la desviación del valor promedio de los dos puede tener una gran desviación. Entonces necesitamos unificar las unidades, es decir, eliminar las unidades de xey dándole a la covarianza una penalización separada.
Debido a que el coeficiente de correlación se obtiene dividiendo la covarianza por la desviación estándar de las dos variables, el coeficiente de correlación es una variable estandarizada, mientras que la covarianza es una variable no estandarizada.
Pregunta 3: ¿Qué significan los puntos delante del coeficiente de correlación en la matriz de coeficientes de correlación? Si el valor de KMO es 0,5, significa que el análisis factorial es efectivo y se puede realizar el análisis factorial. Además, si el P0.001 de la prueba de Bartley indica que la matriz de coeficientes de correlación de los factores no es la matriz unitaria, se pueden extraer los factores mínimos explicando la mayor parte de la varianza, lo que significa que la validez es aceptable.
Pregunta 4: ¿Cuál es la diferencia entre la matriz de coeficientes de correlación y la matriz de covarianza? Matriz de coeficientes de correlación: Matriz que representa la correlación entre variables y no tiene dimensiones.
Matriz de covarianza: Es una matriz que representa la correlación entre variables y no requiere eliminación de dimensiones.
Pregunta 5: El significado del coeficiente de correlación Existen varios tipos de coeficientes de correlación:
1. Coeficiente de correlación simple: también llamado coeficiente de correlación o coeficiente de correlación lineal. Generalmente representado por la letra r, se utiliza para medir la correlación lineal entre variables cuantitativas.
2. Coeficiente de correlación complejo: también llamado coeficiente de correlación múltiple. La correlación compleja se refiere a la correlación entre una variable dependiente y múltiples variables independientes. Por ejemplo, existe una correlación compleja entre la demanda de un determinado bien y su nivel de precios y los niveles de ingresos de los empleados.
3. Coeficiente de correlación parcial: también llamado coeficiente de correlación parcial. El coeficiente de correlación parcial refleja la correlación entre una variable y otra variable después de corregir otras variables. Se puede entender que el significado de la corrección supone que todas las demás variables toman la media. La prueba de hipótesis del coeficiente de correlación parcial es equivalente a la prueba T del coeficiente de regresión parcial. La prueba de hipótesis de coeficientes de correlación complejos equivale al análisis de varianza de ecuaciones de regresión.
4. Coeficiente de correlación típico: primero, realice un análisis de componentes principales en cada grupo de variables originales para obtener un nuevo índice integral linealmente independiente y luego use la correlación lineal del índice integral entre los dos grupos para estudiar. los dos grupos originales Correlación entre variables.
5. El coeficiente determinable es el cuadrado del coeficiente de correlación. Importancia: Cuanto mayor sea el coeficiente de determinación, mayor será el grado de explicación de la variable independiente sobre la variable dependiente y mayor será el porcentaje del cambio causado por la variable independiente en el cambio total. Los puntos de observación cercanos a la línea de regresión son más densos.
Pregunta 6: Introducción a la matriz de correlación La matriz de correlación también se denomina matriz de coeficientes de correlación y consta de los coeficientes de correlación entre las columnas de la matriz. En otras palabras, los elementos de la fila I y la columna J de la matriz de correlación son los coeficientes de correlación de la columna I y la columna J de la matriz original.