【多重回归】在回归分析中，如果对两个或两个以上的自变量对因变量影响现象进行分析，这就叫做多重回归。由于一种现象常常与多种其他现象相联系，用多个自变量的最优组合共同来预测（估计）因变量，比只用一个自变量进行预测（估计）更有效，更符合实际，多重回归可增强对因变量的分析估计的准确性。
【主成分分析】研究如何用少数的几个新变量来解释原来多个变量的内部结构的方法。利用降维的思想，在损失很少信息的前提下把多个指标转化为几个综合指标。通常把转化生成的综合指标称为主成分，这样在研究复杂问题时，就可以只考虑几个少数的主成分又不至于损失太多信息，从而更容易抓住主要矛盾，揭示事物内部变量之间的规律性，提高分析效率。
【因素分析】也是利用降维的思想，由研究原始变量相关矩阵内部出发，把一些具有错综复杂关系的变量归结为几个少数的综合因子；根据相关性把原始变量分组，使得同组内的变量之间相关性较高；不同组的变量间相关性较低，每组变量代表一个基本结构，这个基本结构就称为公因子。
【探索性因素分析】研究者事先对观察数据背后可以提取多少个因素并不确定，分析的目的在于探索因素的个数。
【验证性因素分析】研究者根据已有的理论模型对因素的个数，以及每个变量都在哪个因素上有载荷有明确的假设，分析的目的在于对假设进行验证。
用户评论