- 博客(6)
- 收藏
- 关注
RSS订阅原创 单因素 ANOVA 分析-实战笔记记录
摘要：本研究以2011-2020年碳排放数据为基础，运用SPSS进行统计分析。经Shapiro-Wilk检验（p=0.32>0.05）确认数据符合正态分布。方差齐性检验显示十二五与十三五期间碳排放量方差齐性（p=0.257>0.05）。独立样本t检验（t=-5.036,p=0.001<0.05）和单因素方差分析均表明两阶段碳排放量存在显著差异。研究结果表明我国在"十二五"到"十三五"期间碳排放政策效果显著，期间碳排放量发生明显变化。
2025-08-16 17:42:29
271
原创 主成分分析法-实战笔记记录
本文基于2013年华为杯数学建模D题数据，采用计量经济学方法分析PM2.5的影响因素。研究首先对PM2.5（Y）与五种污染物（X1-X5）进行对数变换和差分处理，使用Eviews13进行ADF检验。通过SPSS进行主成分分析，建立综合主成分F与各变量的线性关系。协整检验表明LNY与F存在长期均衡关系，回归分析得出方程：lnY=-0.496+0.831F，判定系数0.731，参数估计显著有效。结果表明主成分F对PM2.5浓度具有显著解释力，模型拟合效果良好。
2025-08-16 12:56:33
115
原创 [机器学习]笔记1.主成分分析PCA
摘要：主成分分析(PCA)是一种数据降维方法，通过寻找数据分布最分散的方向（方差最大）作为主成分来实现降维。其核心步骤包括：1)数据去中心化；2)计算协方差矩阵；3)求特征向量确定新坐标系。PCA能有效减少数据维度，同时最小化信息损失。文中通过二维和三维数据示例演示了PCA过程，包括特征向量可视化、数据投影和重构，并比较了手动实现与sklearn库的结果。PCA在保留主要数据特征的同时显著降低数据复杂度，适用于大数据分析和可视化。
2025-07-19 17:22:26
407
2
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人