主成分分析方法在候选基因关联检验中的优效性

对候选基因的关联检验,多标记单倍型方法往往要比单标记方法表达出更多的信息,但是单倍型的数量往往会随着所标记的SNP的数目增多而急剧的增加,这又会大大增加检验统计量的自由度,通过使用统计学中的主成分分析法来降低单倍型空间的维数来检验一个数量性状与多个单倍型的关联情况,并与传统的方法做对比,模拟结果显示,此检验方法有较好的第一类错误率及功效.     

基于灰色关联分析和主成分分析组合权重的确定方法研究

为了提高综合评价模型中权重的准确性和客观性,以主成分分析法和灰色关联分析法为基础,建立了组合权重模型,从而修正了灰色关联分析法和主成分分析法在确定权重过程中的缺陷,为综合评价体系中权重的确定提出一种新的思路.     

对台湾工农业产品产量的主成分分析

主成分析分析法是一种将多个指标化为少数几个不相关的综合指标 (即主成分 )的多元统计分析方法 .本文通过运用主成分方法对我国台湾地区 1 989 1 996工农业主要指标的原始数据的处理分析 ,表明主成分分析确是在实用中很可行的一种常用的统计方法 .     

基于主成分分析的水质评价方法

主成分分析法能够在保证原始数据信息损失最小的情况下,以少数的综合变量取代原有的多维变量,使数据结构大为简化,并且客观地确定变量权数,避免了主观随意性.应用主成分分析法对长春市地面水环境进行评价,且与其它评价方法相比较,结果显示主成分分析法更客观且指导性较强,是一种行之有效的水质评价方法.通过主成分分析进行水质评价,可为水资源规划、利用、开发和环境系统优化提供更为客观的参考依据.     

基于MCD的稳健主成分算法及其实证分析

主成分分析方法是在经济管理中经常使用的多元统计分析方法,在变量降维方面扮演着很重要的角色,是进行多变量综合评价的有力工具。但传统的主成分分析对于异常值十分敏感,计算结果很容易受到异常值影响,而实际数据常包含异常情况,通常分析很少考虑它们的作用。本文基于MCD估计提出一种稳健的主成分分析方法,模拟和实证分析结果表明,该方法对于抵抗异常值有很好的效果。     

独立成分分析与主成分分析在股票市场上的运用

展示了分析及认识金融市场结构的一种新方法.将这种方法实例应用在了股票指数CAC40的一篮子股票中,对股票价格走势进行分析,并将独立成分分析（ICA）方法与传统的主成分分析（PCA）方法进行了比较.     

基于主成分分析的需水量预测模型研究

用水是整个水资源系统中的一个重要环节,需水预测是制定水资源规划、管理以及国民经济计划的基础和依据.提出了基于主成分分析法分析的需水量预测模型,试图能探讨需水定额与经济社会各影响关系响应,以郑州市为例对2010年、2020年和2030年的工业、农业和生活的需水量进行了预测,并与郑州市水资源规划的预测结果进行了比较,分析及比较结果表明:该模型预测结果比规划结果偏低,2010年、2020年和2030年平水年分别需水162295×104m3、179966×104m3和194696×104m3,需水结构的变化基本反映了郑州市产业结构调整和社会经济良性发展的趋势.     

成分数据主成分分析及其应用

本文分析了传统主成分分析在成分数据分析中的不适应性，介绍了艾奇逊的中心化对数比变换和成分数据主成分分析，并以农民消费结构为例，重点讨论了成分数据主成分分析的实施步骤     

基于主成分分析的投资决策

本文首先运用多元统计分析中的主成分分析法对上市公司投资价值的多项指标进行了综合聚集，其次在理想点的基础上建立了综合优化决策模型，并对通讯行业上市公司进行了投资分析，从而为管理者和决策者提供了一种科学而合理的决策依据和决策方法。     

基于主成分分析的湖南竞争力评价研究

介绍了主成分分析方法,提出了运用主成分评价模型必须满足的条件。并且借鉴中国科学院可持续发展研究组构建的可持续发展指标体系,运用主成分分析构建了区域竞争力的综合评价指标,将湖南的经济发展与其他地区比较,并提出相应的策略。     

基于主成分分析法的综合评价方法的改进

针对用主成分分析法做综合评价存在的问题,提出了改进的方法即当第一主成分的综合评价值和熵值法得到的综合评价值具有一致性时,将两种评价结果进行集成综合评价,若两种评价结果不具有一致性时则采用主成分聚类法进行综合评价.     

基于主成分分析的单变量时间序列聚类方法

针对时间序列数据的高维特性,在进行理论分析的基础上,利用主成分分析法提出了一种单变量时间序列数据降维的新方法,进而提出了基于主成分分析的单变量时间序列聚类方法。其主要思想是在线性空间中的同一组基下,用系数之间的相似性来刻画对应时间序列之间相似性,在理论分析过程中,首先对单变量时间序列数据集进行主成分分析,其次分析了单变量时间序列数据集、样本协方差矩阵的特征向量与主成分之间的关系,并证明了由主成分构成的向量组线性无关。为了进一步验证理论分析结果的正确性和所提算法的有效性,分别利用仿真数据和真实的股票数据进行了数值实验。     

主成份分析在证券市场个股评析中的应用

本文利用主成份分析方法 ,对证券市场上 31种股票进行综合评价 ,通过使用统计软件SAS进行计算和分析 ,提出用第一主成份作为个股业绩的度量 ,得到了这些股票 1997年上半年财务状况的排列次序     

基于层次分析的主成分分析法及其应用

在分析了传统的层次分析法和主成分分析法的优缺点的基础上,扬长避短的将两种方法结合在一起,讨论了基于层次分析的主成分分析法.与新兴的决策评估方法相比,例如直觉模糊层次分析法,基于层次分析的主成分分析法更具有简洁性和直观性.最后,将方法应用于登陆作战的目标选择,得到了与实战结果相同的结论,验证了方法的可行性.     

基于主成分分析与Fourier变换的动态投资组合

提出了一种将主成分分析与Fourier变换组合的资产投资组合方法.对于N个资产,首先利用主成分分析中第一主成分确定各资产的组合权重并建立投资组合,利用Fourier变换获得该组合残差的复合周期趋势,最后利用ARMA模型对趋势残差进行区间预测.为使资产保值,当组合股价达到最低点时,各资产以第一主成分对应权重进行组合建仓;当组合股价反向上升达到最高点时,则以第N主成分对应权重进行组合并调仓.在实证模拟方面,选取2016年1月4日-2018年6月8日全球股票主要指数的收盘价数据进行实证分析.模拟结果表明:基于主成分分析的投资组合在收益及资产保值方面表现更佳.     

基于误差理论的区间主成分分析及其应用

针对区间数样本,传统的主成分分析需进行拓展。首先讨论了区间样本数据的两种主要来源,即观测误差和符号数据分析。然后将区间数看作一个由中点和半径构成的具有一定误差的数,从误差理论出发,研究基于误差传递公式的区间主成分分析方法,并获得以区间数为表达形式的主成分。最后,结合我国2005年第四季度股票市场的数据进行了实证分析。结果表明,面对海量数据,区间PCA较传统PCA更容易从总体上把握样本的属性。