主成分分析

迈克尔·格林纳克,帕特里克·J·F·格罗恩,黑斯蒂,阿方索·伊奥迪斯·德恩扎,安吉洛斯·马科斯和埃琳娜·图日利娜

经济学工作论文从蓬佩法布拉大学经济与商业系

摘要：主成分分析是一种通用的统计方法，用于将按变量分类的案例数据表简化为其基本特征，称为主成分。主成分是原始变量的几个线性组合，最大限度地解释了所有变量的方差。在此过程中，该方法仅使用这几个主要组件来提供原始数据表的近似值。在这篇综述中，我们全面回顾了该方法的定义和几何学，以及其数值和图形结果的解释。主要图形结果通常以双点图的形式出现，使用主要组件映射案例，并添加原始变量以支持案例位置的距离解释。该方法的变体也被处理，例如分组数据的分析以及分类数据的分析，称为对应分析。我们还描述和说明了主成分分析的最新创新应用：它用于估计大数据矩阵中的缺失值，稀疏成分估计，以及图像、形状和函数的分析。补充材料包括R环境中的视频动画和计算机脚本。

JEL代码： 第19号 C88号（在EconPapers中搜索类似项目）
日期：2023-01
参考文献： 查看EconPapers中的参考 从CitEc查看完整的参考列表
引文： 查看EconPapers中的引文(1)

下载内容：（外部链接）
https://eco-papers.upf.edu/papers/1856.pdf全文（application/pdf）

相关工作：
该项目可在EconPapers的其他地方获得：搜索对于具有相同标题的项目。

导出参考： BibTeX公司 里斯（尾注、ProCite、RefMan）HTML/文本

永久链接： https://EconPapers.repec.org/repec:upf:upfgen:1856

访问统计信息用于本文

更多论文在经济学工作论文中蓬佩法布拉大学经济与商业系
由维护的系列书目数据(此电子邮件地址不正确，请联系)。