发帖
雷达卡
刘汉，吉林大学商学院数量经济系老师。
个人简介:
2002—2006年，吉林财经大学统计学(法学双学位)，本科 ；
2007—2009年，吉林大学商学院数量经济学专业，硕士；
2009—2013年，吉林大学商学院数量经济学专业，博士；
2010—2012年，美国休斯顿大学霍比公共政策研究中心，联合培养博士。
研究内容：
宏观计量分析、经济周期波动与预测、混频数据建模
问答汇总：
Q1:坛友江湖一键客：
我想知道怎么用周易建模经济学
A1:
感谢“江湖一键客”的提问，谢谢参与我的访谈。
你提的这个问题问我没有涉猎，但是我想周易里的一些思想可能有助于预测，我们目前做的一些研究应该能在其中找到某些依据。如果能从这些描述性的思想和问题中提出相关的研究问题和构建模型的要素，我想这对经济学建模和预测将有很大贡献，如果成功，这才是真正具有中国特色的经济学建模和预测。
祝学安！
Q2:坛友渴望尽头：
刘老师，您好！谢谢您百忙之中给我们答疑。在经济计量分析经常需要采用宏观经济数据，我的困惑是：
1、如何判断统计数据是否为计量分析可用数据？比如说剔除季节性趋势，是不是存在只知道用现成方法剔除却不知为何需要剔除的情况。等等很多在数据准备工作需要注意的问题，请您给我们讲讲您的宝贵经验。
2、在数据前期工作中为了更好的确保数据质量，针对不同的问题可能也存在很多种处理办法，您是否可以讲讲在具体处理数据过程中都需要注意些什么？我知道我提的问题并没有针对性，主要也是想请您根据您遇到的各种情况多多介绍您的经验。
再次感谢您！祝好！
A2:
感谢“渴望尽头”的提问，谢谢参与我的访谈。
你的提问非常好，也非常重要。这些问题虽然不会出现在发表的文章中，但是这确实我们在做研究中非常非常重要的问题，是开始研究的步，很多我们感兴趣的话题就是因为数据的问题，无法形成研究成果。针对你问的问题，我根据自己遇到的情况介绍点经验，仅供参考。
对于个问题：“如何判断统计数据是否为计量分析可用数据？”等其他的一些数据准备工作，我一般是这么做的，首先，找到相关的文献 (CNKI，Google学术关联搜索)，分析他人使用的是那些数据，又是如何处理的；其次，根据数学模型和研究目的来判断是否需要将数据引入到模型；再次，根据一些经验来判断 (可请教老师和学长)，如剔除季节趋势常常用于环比数据，这是为了保证模型在应用过程中不受季节因素的影响，而同比数据基本已经剔除了季节趋势；最后，画出图形，从图形中的变化发现数据中是否存在趋势、季节、异常值等问题。
对于第二个问题，我不知道你说的多种处理问题的办法指的是什么，但是我觉得在数据处理过程中需要注意两个问题：，尽可能不损失数据信息，如季度数据处理成年度数据等；第二，尽可能不人为构造数据，如插值等。当然对于模型需求，数据异常值等问题，还需要酌情进行取舍。
希望我的回答能对你有所帮助，祝学安！
Q3:坛友atree：
刘老师你好！
1 能否介绍一下宏观计量中：常见而重要的月度和季度变量，这些变量的数据的来源，样本量大小适合做计量分析吗？
2 请介绍一下月度数据、季度数据常用的去除趋势，季节调整的方法，进行宏观计量分析时，必须要去除趋势和季节调整吗？
3 在做经济波动或经济周期分析时，是否必须去除数据中的周期成分，如何做？
4 处理时间序列数据必须要做单整检验，协整分析吗？误差修正模型到底是为了做什么(应用)？仅仅是提高预测精度吗？
5 向量自回归VAR模型的主要用途除了预测，还有什么应用？
问题提的有点多，因为自己看东西时有很多困惑，希望刘老师能解惑！
谢谢！
A3:
感谢“atree”的提问，谢谢参与我的访谈。
你的提问很好，也很多，下面我一一进行解答。
1. 目前我国常见而重要的月度指标和季度指标很多，而且对于不同人的说每个指标重要性是不同，譬如：月度CPI、季度GDP对我来说就非常非常重要，而做货币政策的人，利率、货币供应量又非常重要。所以，变量的重要性依据研究的重点有所不同，我建议根据自己的研究偏好，搜索相关文献并阅读，就可以得到你自己觉得重要的文献。
这些数据主要来源于国家统计局《中国经济景气月报》、中国人民银行的《中国人民银行统计季报》、统计局和专业组织和机构发布的各种统计年鉴等，月度数据多数从1990年开始，而季度数据多数从1992年开始，因此样本大小相对于美国、英国等国家来说还是非常短的，做计量的效果也不如他们那么显著，但是已经适合做计量分析了，我国大量的计量经济学实证研究就是例证。
2. “去趋势和季节调整”在构建模型中根据需要进行调整，研究波动的模型中为了避免趋势和季节成分的影响经常作调整。“去趋势和季节调整”的方法有很多，我所知道的有状不可观测模型、HP滤波，BP滤波，X-11和X-12等，其中X-11和X-12专门用于剔除季节趋势，HP滤波、BP滤波，不可观测模型可以进行季节周期分解，其中前两个可以直接在EViews8中实现，不可观测模型可以直接在OxMetrics 6.0中实现。
3. 做经济波动时，一般都剔除了数据中的周期成分；而在经济周期分析中需要根据具体问题进行具体研究，如果研究与趋势和周期相关的主题，这两成分需要分解出来进行重点研究，最后在分析和预测时，还需要将这两种成分还原到原来的研究中。具体方法可以参见2。
4. 大部分时间序列模型都是需要进行单位根检验，如果存在单位根，则构建模型所需的变量就不平稳，构建的模型就不满足相关假设。当解释变量和被解释变量都存在单整时，这时候就说明变量之间存在共同变化趋势的可能，可以使用协整模型试试。误差修正模型是将模型的误差项引入到模型的构建，提高了模型的拟合和预测精度，它不仅仅是提高预测精度，还可以弥补长期均衡模型中没有办法体现短期动态特征的缺点。
5. VAR模型用于预测只是该模型的一个方面的引用，还有很多其他方面的应用，用的非常多的是VAR系统模型衍生的一个脉冲响应分析和方差分解，可以研究政策和冲击的作用效果。
我回答的东西可能还不是很全面，建议找到相关的书籍进行系统学习，我研究生时候学习的高铁梅老师的《计量经济分析方法与建模》，既有理论，又有应用，非常适合初学者和相关了解计量方面的同学。
希望我的回答能对你有所帮助，祝学安！
Q4:坛友gyqznufe：
刘老师，您好！宏观计量建模过程中，影响被解释变量的因素是错综复杂，很可能相互交织在一起，您是如何处理的？多谢解惑！
A4:
感谢“gyqznufe”的提问，谢谢参与我的访谈。
宏观计量建模过程中变量选取是一个重点和难点问题，在模型研究中不可能包含所有的被解释变量，也不应该包含太多的解释变量。我一般的做法如下，仅供参考。，参考前人的相关研究，这个非常重要；第二，根据自己选择问题的方向，研究的重点，选择具有重要参考价值的指标；第三，通过一些诊断和预处理方法对所要选取变量是否合适进行检验，如是否有自相关，是否存在异方差，是否平稳等等一系列计量检验。
希望我的回答能对你有所帮助，祝学安！
Q5:坛友liuyuchris：
刘老师您好，我目前正在从事宏观经济计量分析的相关研究，恳请刘老师给出当前常用的潜在GDP测算方法，并给出您的选择依据。
A5:
感谢“liuyuchris”的提问，谢谢参与我的访谈。
“潜在GDP”的测算方法有很多种，我所知道的有：生产函数法、状态空间模型法、各种时域和频域的趋势周期分解法 (常常将剔除趋势成分的GDP看作潜在GDP)，我在做研究的时候倾向使用状态空间模型的方法，主要是因为该方法计算出的结果相对来说更为符合现实情况，而且在大量实证研究中被证明是较为可靠的。建议搜索“潜在GDP”和“产出缺口”等管检测对“潜在GDP”这一主题进行梳理，找出自己认为最合适的方法和模型。
希望我的回答能对你有所帮助，祝学安！
Q6:坛友yeting2000：
刘老师：
您好！感谢您百忙之中抽出宝贵时间为我们解答问题，我的问题是：李克强总理在博鰲亚洲论坛年会的讲话中，谈到中国宏观经济调控策略，既注重中长期走势，也针对当前形势有所指示，反映了现时中央的有关思路。即当前经济有下行压力，原因包括国外环境及国内的深层次矛盾。但不应为经济一时波动而採用短期强刺激政策。面对短期波动，如何在政策上要保证经济运作平稳。想请教您的看法，谢谢！
A6:
感谢“yeting2000”的提问，谢谢参与我的访谈。
这个问题非常好。关于“面对短期波动，如何在政策上要保证经济运作平稳”这个问题是我一直非常关注的问题，因为他和短期预测和预报联系在一起。
首先，来说下总理讲话中“不应为经济一时波动而采用短期强刺激政策。”的解读，我觉得这个是非常有道理的，应为政策的制定和实施都需要一定的过程，也就是经济学上所说的“时滞”，“强刺激”政策很难把握政策发生作用“时滞”，同时还要考虑“强刺激”的退出机制，因此短期的经济波动，采用“强刺激”的政策不可取。
其次，“强刺激”政策在短期波动中不可取，那短期“如何在政策上要保证经济运作平稳”？这就需要在较短时间内进行预报和预测，以便政策能够“预调和微调”，这样就能够增强“政策的针对性、灵活性和前瞻性”。而我目前主要的研究方向——混频数据模型，在短期预测和实时预报方面，具有显著的比较优势。
最后，当然我也知道短期预测和预报经常会出现较大误差，而且不一定能够运用到实际经济政策中，但是我想最后得出的结论和研究报告应该对短期经济政策能够起到一起作用。
希望我的回答能对你有所帮助，祝学安！
Q7:坛友newsta：
刘老师，您好！请问刘老师：混频数据模型建模到底好在哪里？什么原因导致这个模型比其他模型要好？
A7:
谢谢“newsta”的提问，感谢关注混频数据模型。
混频数据模型作为一种挖掘高频数据信息的实际应用模型，其优点主要体现在以下两个方面的比较优势上：其一，相比传统的同低频数据模型，混频数据模型因为包含更多的高频数据的信息，无论是在估计结果准确性上，还是在预测的精准性上都具有比较优势；其二，相比人为构造的同高频数据模型，混频数据模型因为在限度上使用了原始数据，所以在模型的估计和预测上表现更为真实和稳定，避免了人为不可控因素的影响。
至于模型的具体技术原因，可以参见我的博士论文《中国宏观经济混频数据模型的研究与应用》和相关的论文。
祝学安！
Q8:坛友一瞬千击：
刘汉老师您好！我是个初学者这里有几个问题想向您请教
1、对于模型中数据的选取，能否介绍一下实时数据在模型中相对于最终统计量有什么优势？
2、对于数据的处理方面，对数据进行季节调整与余弦趋势调整有什么优劣？
3、中国现行的经济增长方式中有什么隐患或者特别值得推崇的方面？
A8:
感谢“一瞬千击”的提问，谢谢参与我的访谈。
首先，对于个问题，因为实时数据具有反映数据调整的一个动态过程，具有的信息要比最终统计量要丰富得多，尤其是在预测和拐点的判别上实时数据具有较大的优势。
其次，数据处理方面，我还真的不了解“余弦趋势调整”这个问题，如果可以的话，请你给出相关的文献，或者发到我的邮箱“hanliu@jlu.edu.cn”，我们一起讨论，一起学习。
最后，我国现行经济增长方式开始由“量”到“质”的变化是最值得我推崇的，但是经济目前的调整和徘徊，会不会陷入经济的疲软和萧条，这是我比较担心。
希望我的回答能对你有所帮助，祝学安！
Q9:坛友prayer1988：
刘老师，您好！在混频数据建模中，低频数据迭代转为高频或是高频赋权重转为低频两种想法要怎么选择，比较哪种更优，预测效果更好呢？
谢谢！
A9:
感谢“prayer1988”的提问，谢谢参与我的访谈。
“低频数据迭代转为高频”？这个我不太明白你所指的是什么。我学习中的混频数据模型不需要对数据的频率进行预处理，当然其最终的核心是利用“数据驱动”理念对数据赋予一定的权重，但是这个是一种优化后的参数化权重，而非简单的、随意赋予一定的权重。
混频数据模型，由于采用了这种技术，在我的实证研究中总体来说还是优于同等频率的数据模型的。
由于你问的两种想法，我对前一种想法不是很理解，因此我上述的回答可能不是你想要的结果，请你修正你的问题，或者发邮件到hanliu@jlu.edu.cn，和我继续讨论。
祝学安！
Q10:坛友cielyang：
刘老师，您好！我想请教一下鲍莫尔的一般均衡分析与富克斯的宏观计量分析在运用中的适用性的不同之处是什么？共性呢？？谢谢！
A10:
感谢“cielyang”提问，谢谢参与我的访谈。
谢谢你的提问，也让我涨了知识。由于不知道你问的问题是什么，我Google和百度了一下，我稍微看了下，发现我实在无法再短时间内给你个比较满意的解释，我将我搜索到的链接给出来：http://www.catis.org.cn/E_ReadNews.asp?NewsID=644 ，希望能对你有所帮助，当然我还是建议你自己搜索相关的文献来解答你的疑惑
不好意思，没有能能够帮到你。祝学安！
Q11:坛友cielyang：
还想请问刘老师，你对目前中国经济情况怎么看？宏观经济趋势怎么变化？谢谢
A11:
感谢“cielyang”提问。你提的这个问题比较大，如果具体到经济增长 (GDP增长率) 的问题，根据模型的预测的结果还是比较乐观的，因为我们所建的模型都是根据历史预测未来，历史情况很好，朴素的预测就是这个模型预测未来也很好。但是，实际情况远比我们这个根据历史预测未来要复杂得多，譬如我国就面临着各种转移和变革，经济发生转变的话，预测就会变得非常不准确。因此在模型预测的时候，还要根据经济形势的变化和各种加入一些主观因素。
因此，我对目前中国GDP增长趋势的看法是觉得长期存在增长率的显著下降趋势，但是这个趋势不会低于7.5%，更长期点也不会低于7%，但是短期波动幅度相对来说可能就比较大，但是正如总理所讲，只要经济落在“合理区间”还是可以承受的。
总而言之，我国未来一段时间经济不会出现“大起”，但是我们要防止经济“大落”的可能。
希望我的回答能对你有所帮助，祝学安！
Q12:坛友matr：
刘汉老师，您好！
看了您在混频数据分析方面的研究成果，有几个问题想请教一下
1、混频数据的处理方法主要有几种，有什么区别？
2、混频方法的应用有什么前提？对数据长度和类型或者经济变量的选取有什么要求？
3、混频方法的实现主要基于什么软件程序，在哪里可以找到？
4、您对今年经济周期走势有什么预期或建议？
A12:
感谢“matr”提问，谢谢参与我的访谈。
谢谢你关注混频数据模型，由于你的问题比较多，我将一一进行解答：
点：我猜想你所说的“混频数据的处理方法”是指运用混频数据的模型有哪些吧？因为混频数据是不需要对数据进行预处理的。如果指的是混频数据模型，这主要包括两大类，类是混合数据抽样模型 (简称MIDAS)；另一类是状态空间模型的混频数据模型。两者的主要区别是在于两种模型采用的估计方法不同，而且状态空间模型不能容纳太多的变量，如果要利用大规模数据的话，需要利用因子模型提取主要因子。
第二点：混频数据模型虽然说不需要对数据进行预处理，但是这并不等于不对数据作要求，因为混频数据标榜的是直接攫取高频数据信息，因此对高频数据要求还是挺高的，要有一定的数据长度、不存在数据缺失、显著的异常值等。当然，在运用大量数据的时候，上述的这些要求也肯那个会放松些。
第三点：混频数据方法现在主要采取Matlab来实现，因为Eric Ghysels在其主页上提供了一个样本程序包和使用说明：http://www.unc.edu/~eghysels/ ，这里给出了matlab的程序包 (http://www.mathworks.com/matlabc ... 50-midas-regression) 和R程序包 (http://mpiktas.github.io/midasr/)。
第四点，请参见第12楼给出的一些说明。
希望我的回答能对你有所帮助，祝学安！
Q13:坛友/F/：
刘老师：
您好！我是研究经济景气波动的冲击作用，VAR模型有些老套而且其局限性也愈发显现出来，请问您有什么更好的建议。另外，对于数量经济软件的选择上您有什么更好的推荐。万分感谢！
A13:
感谢“/F/”的提问，谢谢参与我的访谈。
“研究经济景气波动的冲击作用”的方法有很多，虽然简单的VAR模型可能有些老套和局限性，但是其扩展模型还是非常有用的，如时变参数的VAR模型 (TVP-VAR)，混频数据VAR模型 (MF-VAR) 等等，可以深入研究下，可能会改变你对VAR模型的看法。
数量经济软件，就我个人使用体验来说，Matlab和R比较好，OxMetrics里面的一些软件包能直接估计区制转移、不可观测的状态空间模型，也比较有用；而EViews是初学者必须要学习的软件。另外还有Stata、Rats和Cats等等，这需要看你们的老师、同事、同学都用什么软件，你的参考论文都用什么软件，进行斟酌选择。
希望我的回答能对你有所帮助，祝学安！
Q14:坛友guanxuchen：
老师您好，可否推荐几本宏观经济入门书籍？谢谢！
A14:
感谢“guanxuchen”的提问，谢谢参与我的访谈。
入门的宏观经济学书籍有很多，如：
曼昆《经济学原理》中的宏观部分；
萨缪尔森《经济学》中的宏观部分；
国内大部分使用，高鸿业《西方经济学（宏观部分）》。
具体的还可以参见人大经济论坛的“宏观经济学”板块，里面可以下载大量的宏观经济学教辅材料 (https://bbs.pinggu.org/forum.php? ... peid&typeid=354)，选择适合自己的，认真学习。祝学安！
Q15:坛友安宁1990：
刘老师您好，我想问您的问题是：如何预先判定参数的估计值，并且请您解释一下价格水平、同比指数、环比指数的区别和联系。
A15:
感谢“安宁1990”的提问，谢谢参与我的访谈。
我理解你问的“如何预先判定参数的估计值”是想知道如何在模型估计时候选择合适和合理的初始值问题。这个一直是困扰我非常久的问题，我也问过很多师长和同事，得到的答案不一，但总的来说，主要包括以下三点：，根据模型的理论依据，如判断正负号，作用方向之类的；第二，参考前人的研究成果，找到参考文献中所列的估计值，作为你的初始值进行研究；第三，试错法，根据一定的取值范围，设定格子搜索等方法进行大量的实验和模拟。
有关“价格水平同比指数、环比指数的区别和联系”，我有自己的理解，但是我觉得网上对《统计环比指数与季节调整方法研究》课题组组长刘稚南的访谈“统计环比指数不可或缺”(网址：http://www.zgxxb.com.cn/xwzx/201103210015.shtml ) 中讲的比我要清楚，我摘抄如下：
同比数据是指当期与上年同期相比得到的数据，由于两个年份同一时期在季节上基本可比，所以在计算中不需作季节调整。它反映了当期经济运行内在因素和季节性等外在因素相结合的结果。但由于它反映的是相隔12个月的变化，因此不能及时准确地体现经济的近期变化，同时它受基准期季节因素影响，数据变动起伏较大。
环比数据是指当期与上期相比得到的数据。由于经济活动有季节性，因此使用时需剔除季节因素的影响，这样就能更精准地反映季节活动的真实走势，也就能够及时发现季节运行过程中拐点的出现和趋势的变动。
两者之间的联系，是可以通过计算实际值来实现两者时间的转换的。
希望我的回答能对你有所帮助，祝学安！
Q16:坛友野草1992：
刘老师，您好，我是一个经济学的爱好者，专业是公共管理类，一直喜欢经济学，想请问宏观经济学的比较易懂的书籍有哪些？？谢谢。
A16:
感谢“野草1992”的提问，谢谢参与我的访谈。
请参考我在15楼的回答。
“入门的宏观经济学书籍有很多，如：
曼昆《经济学原理》中的宏观部分；
萨缪尔森《经济学》中的宏观部分；
国内大部分使用，高鸿业《西方经济学（宏观部分）》。
具体的还可以参见人大经济论坛的“宏观经济学”板块，里面可以下载大量的宏观经济学教辅材料 (https://bbs.pinggu.org/forum.php? ... peid&typeid=354)，选择适合自己的，认真学习。”
希望我的回答能对你有所帮助，祝学安！
Q17:坛友zhaoxiaorong：
刘老师您好～很高兴能有这个机会向您请教问题。我有两个问题：、混频数据预测模型能否应用到微观经济学中；第二、理论模型的预测值会与现实中的真实值有一定的偏差，有什么意义？
A17:
感谢提问，谢谢参与我的访谈。
个问题：混频数据预测模型应用到微观经济学中应该是可行的，虽然我没有做过。因为微观数据常常会面临频率不一致的现象，这样就可以使用混频数据模型来处理。
第二个问题：理论模型的预测值会与现实中的真实值有一定的偏差，这是肯定有的，这说明预测模型在预测实际值时候出现的偏差，预测模型的好坏就要看这个偏差的大小，如果比较小，就说明模型的预测效果好，反之，则说明模型预测效果不怎么好，一般都会选择一个基准模型作为比较，来判断所采用的模型是否具有比较优势。
希望我的回答能对你有所帮助，祝学安！
Q18:坛友I60914004：
刘老师：您好！
我想请教关于伪回归问题。对于非平稳时间序列建立回归模型可能会出现伪回归，除非满足以下2个条件：
（1）序列平稳化（2）具有协整关系。我想问：
（1）如果已知变量间在经济理论上存在关系，就可以直接回归，而无需考虑变量的平稳性或协整关系，这样也不会出现伪回归？
（2）在不知变量间是否存在经济上的内在关系的情况下，对时间序列回归，是否应先检验变量的平稳性或协整关系，满足条件才能进行回归？或者是说没有明确的经济理论作为指导，就不能建立回归模型？
谢谢！祝好！
A18:
感谢“I60914004”的提问，谢谢参与我的访谈。
你提的问题非常好，我们在实证研究的时候经常会出现上述问题。
对于你的问题，可以肯定的说可能会出现伪回归，因为变量见得关系可能是相关，但是确实非线性先关，如果不考虑平稳性和协整关系，而直接那两个变量进行回归，这样得出的结果偏差一定很大，或者说根本不正确，还是应该参照“Box-Jenkins”建立模型的方法，一步一步的判断，并选择合适的模型。
对于你的第二个问题，建立回归当然可以，随便两个变量都可以进行回归，关键是这个回归是否有意义，也就是说如果估计的回归模型很好，你怎么解释这个结果？理论模型就能给出一定的解释。一般来说对时间序列回归前，都应该对变量的平稳性或协整关系进行检验，避免构建的回归是伪回归。
希望我的回答能对你有所帮助，祝学安！
Q19:坛友I60914004：
刘老师：您好!
再请教您个问题。做ARMA模型时，平稳可逆的意义到底何在？
谢谢！
A19:
感谢“I60914004”的提问，谢谢参与我的访谈。
做ARMA模型时，平稳可逆的意义是为了保持模型的平稳，如果没有这个条件，则我们无法总理论意义上获得ARMA模型，如果仍按照ARMA模型进行估计，则有可能出现模型的误设，检验模型的误差时，将会存在诸多问题。请在实际应用中加深体会。
希望我的回答能对你有所帮助，祝学安！
Q20:坛友I60914004：
刘老师，您好！
做关于通胀的VAR模型时，是不是应该尽可能把影响通胀的所有变量尽量都放进来，或者说只根据NKPC模型加入预期。产出缺口？
谢谢！
A20:
感谢“I60914004”的提问，谢谢参与我的访谈。
还是和我以前解答的一样，我建议你“站在巨人的肩膀上”解决问题，即
，根据理论模型对模型所需要的变量进行初步筛选；
第二，参考前人的研究成果，找到参考文献中所列变量；
第三，试错法，根据研究的目的和要求做大量实验和模拟分析。
希望我的回答能对你有所帮助，祝学安！
Q21:坛友I60914004：
刘老师：您好！
在您刚才的回答中提到因子分析，应用比较多的是R型因子分析，
能否简单介绍下Q型因子分析或推荐相关文献。比如我要做中部六省的综合发展状况，
由于样品只有6个而指标可以有很多，这样适合做Q型因子分析，提取出的共同因子如何解释？
因子得分如何解释？
谢谢！
A21:
感谢“I60914004”提问，谢谢参与我的访谈。
有关Q型因子分析我涉猎不多，可能无法给你满意的答复，我在网上搜索得到以下文献，我们一起学习下：
参考网址：“http://wenku.baidu.com/link?url= ... FieWWPbp17dDdt7eVQm”
“R型因子分析是在样本空间中处理变量，最后利用变换结果分析样本；而Q型因子分析则是在变量空间中处理样本，对样本进行归类和分析。
R型因子分析是从原始变量出发，基于变量的相关系数矩阵进行求解的；而Q型因子分析则是从原始变量出发，基于样本的相似系数矩阵进行求解的。
Q型因子分析的数学过程和思路与R型因子分析基本相似，但Q因子分析对变量的标准化要求较低，一般不对数据进行中心化，具体方法请参考讲义中的有关内容。”
希望上述内容能对你有所帮助，祝学安！
提升卡
置顶卡
沉默卡
变色卡
抢沙发
千斤顶
显身卡
京公网安备 11010802022788号
