多元分析的用途有哪些?
2.多元分析的用途
针对不同的目的，多元分析提供了不同的方法来解决问题。这些方法主要包括: ①简化数据结构。可以采用主成分分析、非线性映射(如多维转换)等方法来简化数据 结构。②分类。有两种分类方法可用。其中，一种是有模式可循的判别分析，另一种是 按照样本在高维变量空间的相接近程度进行聚类分析。③变量之间的相互依赖性分析。 包括不区分自、因变量的有相关分析(如Pearson相关、Spearman秩相关、典型相关、 列联表分析)和区分自、因变量的有单元回归与多元回归。④数据内在结构的揭示。例 如，用因子分析可以产生新的公共因子，以建立与原有各变量的联系。⑤重要影响因素 的确定。多元逐步回归可以实现对变量的自动筛选，保留对因变量有重要影响的自变量, 从而达到选择自变量“最佳”子集的目的。⑥构筑模型预测预报。回归模型可用于定量 的预测预报，判别分析可用于定性的分类识别