机器学习（machine learning）在经济学领域是否有应用前景？ Source：https：//www. quora.com/What-will-be- the-impact-of-machine-learning-on-economics 。This is a greatquestion.I covered a lot of this in my answer to another 。
怎样写论文，快速？ 为什么写不出来，您问问自己下面几个问题。您知道不知道。写论文的前提是什么？那就是你有没有新的发现？
怎么分析问卷调查的数据？ 最近在进行西班牙形象塑造调查，问卷结果出来了不知道怎么分析
求助：spss用因子分析法 怎么得到因子得分和排名 通过因子分析中一个选项保存因子得分，然后系统会在原数据最后保存生成3列因子得分，将假设为a1、a2、a3代表3个因子，然后根据因子分析得出三个因子的特征根值，分别计算粗3个因子的权重，分别为各自的特征根值/三个因子特征根值之和。然后综合因子得分=a1*对应权重+a2*对应权重+a3*对应权重，之后就根据综合因子得分进行大小排名即可。扩展资料（i）因子分析法的分析步骤⑴确认e69da5e887aae799bee5baa6e79fa5e9819331333431366237待分析的原变量是否适合作因子分析。⑵构造因子变量。⑶利用旋转方法使因子变量更具有可解释性。⑷计算因子变量得分。（ii）因子分析的计算过程：⑴将原始数据标准化，以消除变量间在数量级和量纲上的不同。⑵求标准化数据的相关矩阵；⑶求相关矩阵的特征值和特征向量；⑷计算方差贡献率与累积方差贡献率；⑸确定因子：设F1，F2，…，Fp为p个因子，其中前m个因子包含的数据信息总量（即其累积贡献率）不低于80%时，可取前m个因子来反映原评价指标；⑹因子旋转：若所得的m个因子无法确定或其实际意义不是很明显，这时需将因子进行旋转以获得较为明显的实际含义。⑺用原指标的线性组合来求各因子得分：采用回归估计法，Bartlett。
主成分分析，聚类分析，因子分析的基本思想以及他们各自的优缺点. 主成分分析就是将多项指标转化为少数几项综合指标，用综合指标来解释多变量的方差-协方差结构.综合指标即为主成分.所得出的少数几个主成分，要尽可能多地保留原始变量的信息，且彼此不相关.因子分析是研究如何以最少的信息丢失，将众多原始变量浓缩成少数几个因子变量，以及如何使因子变量具有较强的可解释性的一种多元统计分析方法.聚类分析是依据实验数据本身所具有的定性或定量的特征来对大量的数据进行分组归类以了解数据集的内在结构，并且对每一个数据集进行描述的过程.其主要依据是聚到同一个数据集中的样本应该彼此相似，而属于不同组的样本应该足够不相似.三种分析方法既有区别也有联系，本文力图将三者的异同进行比较，并举例说明三者在实际应用中的联系，以期为更好地利用这些高级统计方法为研究所用有所裨益.二、基本思想的异同(一)共同点主成分分析法和因子分析法都是用少数的几个变量(因子)来综合反映原始变量(因子)的主要信息，变量虽然较原始变量少，但所包含的信息量却占原始信息的85%以上，所以即使用少数的几个新变量，可信度也很高，也可以有效地解释问题.并且新的变量彼此间互不相关，消除了多重共线性.这两种分析法得出的新变量，并不是原始变量筛选后剩余的变量。.
