3-定量建模与分析
定量研究方法与统计分析技巧
定量研究方法与统计分析技巧在社会科学研究中，定量研究方法和统计分析技巧被广泛应用，帮助研究人员揭示数据背后的规律，提供客观而可靠的研究结果。
本文将介绍几种常见的定量研究方法和统计分析技巧，以及它们的应用场景和使用注意事项。
一、简介定量研究方法是指通过收集和分析数值型数据，用统计学的方法来推断变量之间的关系的一种研究方法。
它以测量、量化为特点，着重于量化的数据分析和模型构建。
统计分析技巧是定量研究方法的核心工具，通过对收集到的数据进行统计描述、推理和推断，揭示数据背后的现象和规律，为研究人员提供科学的依据。
二、常见的定量研究方法1.问卷调查法问卷调查法是一种常见的定量研究方法，通过向受访者提供标准化的问题，并采用量化的方式进行答案选择或打分，从而获得大量的数据进行分析。
问卷调查法适用于横断面研究，可以提供广泛的样本覆盖，但在设计和实施过程中需要注意问卷的有效性和可信性。
2.实验法实验法是通过在受试者身上施加特定的处理，观察他们是否产生了特定的反应来推断因果关系的一种方法。
实验法控制了实验条件和处理变量，使得研究人员可以分析变量之间的因果关系。
但在实验设计过程中，需要注意实验条件的合理性和实验结果的可靠性。
3.统计模型统计模型是一种数学模型，通过对变量间的关系进行建模，揭示变量之间的关联和依赖关系。
常见的统计模型包括线性回归模型、逻辑回归模型、协方差结构分析等。
研究人员可以通过拟合模型，分析模型参数的显著性和变量之间的影响程度。
三、常用的统计分析技巧1.描述统计分析描述统计分析是对数据进行总结和描述的一种方法，包括中心趋势、离散程度、分布形态等统计指标。
通过描述统计分析，研究人员可以对数据进行初步了解和揭示，为后续的推断分析提供基础。
2.假设检验假设检验是一种统计方法，用来判断研究样本与总体之间是否存在显著差异。
通过设立零假设和备择假设，并进行统计检验，研究人员可以推断样本之间的差异是否具有统计显著性。
定量研究方法与数据分析
定量研究方法与数据分析引言：定量研究方法和数据分析在现代社会中扮演着重要的角色。
随着科技的进步和数据的爆炸增长，使用定量方法进行研究和数据分析已经成为理解和解决问题的重要手段。
本文将围绕这一主题展开，从理论和实践两个方面分析定量研究方法和数据分析的重要性和应用。
标题一：定量研究方法的基本概念与原理定量研究方法是一种通过收集和分析数据来回答研究问题的科学方法。
它的基本概念是将现象或问题转化为可度量的变量，通过收集大量的数据，进行统计分析和数学建模，从而得出客观的结论。
定量研究方法通常包括问题设定、样本选择、数据收集、数据分析和结果解释等步骤。
标题二：定量研究方法的应用领域与案例分析定量研究方法广泛应用于社会科学、医学、教育、经济等领域。
以社会科学为例，研究者可以通过问卷调查、实验设计等方法收集数据，然后使用统计分析工具进行数据处理和结果解释。
例如，在社会学领域，研究者可以使用定量方法来研究人口结构、社会关系、社会心理等问题，从而提供有关社会现象的客观描述和解释。
标题三：定量数据分析的基本步骤与常用工具定量数据分析是对收集到的数据进行统计分析和数学建模，用以揭示数据背后的规律和关系。
其基本步骤包括数据清洗、描述性统计、推断统计和模型建立等。
在数据清洗阶段，研究者需要对数据进行筛选、去除异常值和缺失值等处理。
在描述性统计阶段，可以使用均值、标准差、频率分布等统计指标描述和总结数据的特征。
在推断统计阶段，可以利用假设检验、回归分析等方法来推断总体特征。
在模型建立阶段，可以通过建立数学模型来揭示变量之间的关系，并进行预测和决策。
标题四：定量研究方法与质性研究方法的比较与选择定量研究方法与质性研究方法是研究过程中常用的两种方法。
定量方法强调量化和统计分析，重视获取大样本数据和客观结论；质性方法强调理解和解释，重视获取细节和深入了解。
不同的研究问题和研究目的需要选择适合的研究方法。
定量方法适合研究大规模群体和变量之间的关系，而质性方法适合研究个体和深层次的问题。
数学建模定性分析方法解析
定性研究数据采集定量研究往往具有足够样本量支持，丰富的统计分析技术，可以得出具有一定代表性的结论，但对于某个问题消费者为何如此回答，其所给解释是否是其真实想法，这样的问题便显得有些束手无策了。
相对而言，定性技术对数理性的要求低一些，但对消费者动机的深层挖掘要求却更高，更具针对性，因而与定量研究形成互补。
常规定性研究的方法主要是个别深度访谈与座谈会访谈。
其中深度访谈是深层次地挖掘个体的表现特征与背后的原因，而座谈会是利用几个人一起进行头脑风暴（brainstorming）的优势，相互激发、相互启迪，从而挖掘出深层次的原因。
座谈会（FDG）座谈会的成功依赖于两个系统，一个是主持人培训系统，一个是被访者约访系统。
华通现代建立起专职主持人与研究员水平主持人两个体系。
一方面保持几个专职主持人，以利于他们不断提高公司在座谈会主持方面的技术水平，适应一些难度非常大的主持项目；另一方面又更鼓励一部分研究人员掌握主持技巧，完成常规项目中必须的座谈会需求。
专职主持人的特点是主持技巧水平较高，缺点是研究设计、分析能力弱。
必须要研究人员与主持人的高度配合才能够拿出高水平的研究报告。
研究员水平的主持人对于一些特别复杂的技巧没有专职主持人那么强，但由于自己完全参与项目设计、数据分析、报告撰写等过程，容易对消费者有特别深入的理解、对数据的理解也会有独到的方面，比较容易出好的研究报告。
深层访谈（In-depth Interview）深访是一种无结构的、直接的、一对一的访问，在访问过程中，由掌握高级访谈技巧的调查员对调查对象进行深入的访谈，用以揭示对某一问题的潜在动机、态度和情感，此方法最适合于做探测性调查。
深层访谈的优点是更能深入地了解被调查者的内心想法和态度；便于对一些保密性、敏感性问题进行调查；能够自由地交换信息，常常会取得一些意外的资料。
缺点是调查的无结构性使得这种方法首调查员自身素质高低的影响很大；深层访谈结果的数据常难以解释和分析；这种访问的时间长，需要的经费较多，使该法在实际应用中受到一定的限制。
什么是定量分析
什么是定量分析引言定量分析是一种通过数学和统计方法对数据进行量化和分析的方法。
它是研究和解决问题的重要工具，特别是在科学、工程、金融和社会科学等领域。
通过定量分析，我们可以从大量数据中提取出有意义的信息，进行有理据的决策和预测。
定量分析的特点定量分析具有以下特点：1. 数量化数据定量分析是基于数量化数据的分析。
与定性分析相对，定量分析是通过对数字和统计数据的处理来得出结论和提供见解的。
2. 数学和统计方法定量分析依赖于数学和统计方法，这些方法包括概率论、统计推断、假设检验、回归分析等。
通过这些方法，我们可以对数据进行建模和分析，揭示数据之间的关系和趋势。
3. 对大量数据的处理定量分析通常需要处理大量的数据。
这些数据可以来自各种来源，包括实验数据、调查数据、历史数据等。
通过对这些数据进行整理、清洗和统计分析，可以得到对问题的更好理解和解决方案。
4. 提供有理据的决策和预测定量分析可以为决策提供有理据的依据。
通过对数据的分析和建模，在不同的场景下，我们可以预测未来的趋势和结果，从而做出相应的决策。
定量分析的应用定量分析广泛应用于各个领域，以下是一些常见的应用场景：1. 金融领域在金融领域，定量分析可以用于股票和证券市场的分析和预测。
通过对历史数据的分析和建模，可以揭示股票和证券市场的规律和趋势，帮助投资者做出更明智的投资决策。
2. 运营管理在运营管理领域，定量分析可以用于优化生产过程、提高效率和降低成本。
通过对供应链数据的分析和建模，可以找到最佳的生产规模、库存水平和配送策略，从而提升企业的竞争力。
3. 市场营销在市场营销领域，定量分析可以用于市场调研和客户行为分析。
通过对消费者数据和市场趋势的分析，可以了解受众的需求和偏好，从而设计更有效的营销策略。
4. 社会科学研究在社会科学研究中，定量分析可以用于调查数据的分析和解释。
通过对调查问卷和统计数据的分析，可以得出对社会现象的定量解释和结论，为社会政策的制定提供依据。
定量分析简明教程
定量分析简明教程在现代社会中，定量分析是一种广泛应用的研究方法。
无论是在学术研究中还是商业领域中，定量分析都被用来收集、处理和解释大量数据。
本文将为您提供一个简明的定量分析教程，帮助您了解定量分析的基本概念和方法。
一、什么是定量分析？定量分析是一种系统的研究方法，通过对数量化数据进行分析和解释来获取实证结果。
它使用数学和统计学方法来处理数据，以便研究者可以从中得出客观可靠且有意义的结论。
定量分析的主要目标是通过定量数据来支持或否定一个假设。
二、定量分析的步骤1.明确研究问题：首先需要明确研究的目的和问题。
确定研究领域和相关文献，然后提出一个明确的研究问题。
2.收集数据：在定量分析中，数据的质量至关重要。
确定合适的数据来源，并确保数据的准确性和完整性。
3.数据预处理：数据预处理包括数据清理、缺失数据处理和异常值处理。
在此阶段，我们需要确保数据的一致性和可靠性。
4.选择适当的统计方法：根据研究问题和数据的性质，选择适当的统计方法进行分析。
常用的统计方法包括描述统计、推断统计和回归分析等。
5.数据分析和解释：通过应用选定的统计方法对数据进行分析，并根据结果对研究问题进行解释和讨论。
6.结果验证和解释：根据研究目的和问题，验证分析结果的可靠性。
如果需要，进行敏感性分析或后续分析。
三、常用的定量分析方法1.描述统计：描述统计是一种对数据进行总结和描述的方法，通过计算平均值、中位数、标准差等统计指标来揭示数据的基本特征。
2.推断统计：推断统计是一种根据样本数据对总体进行推断的方法。
通过样本数据的分析，我们可以对总体进行研究和预测。
3.回归分析：回归分析是一种用来解释因果关系的方法。
它通过建立数学模型来研究自变量和因变量之间的关系，并通过分析模型的系数来解释和预测因变量的变化。
四、定量分析的优点和局限性定量分析具有以下优点：1.客观性：定量分析使用事实和数据来支撑结论，减少主观因素的干扰。
2.可靠性：定量分析使用数学和统计学方法，结果可靠且可复现。
定量研究方法与建模
公共管理中的很多问题很难量化提炼
整理课件
7
最优化方法几种常见的问题和模型
1 ）线性规划问题及其数学模型：单纯形解法和 运输问题
2 ）动态规划：解决多阶段决策过程最优化
3 ）资源分配问题：将数量一定的资源恰当的分 配给若干个使用者，使总的目标函数最优
整理课件
8
7、对策与对策方法
整理课件
33
社会科学的任务是研究并阐述各种社会现象 及其发展规律，而自然科学的任务是帮助人 类认识自然规律，为人类正确改造自然开辟 道路；
研究社会问题（人）比研究如何种土豆要困 难的多?
互相影响，共同支撑社会的发展
研究天气预测和研究应急预案和应急措施
整理课件
34
社会科学对社会的作用和影响更多地表现 在理性功能方面，而自然科学更多地表现 在技术功能方面。
交论文的时间：进入考期前
整理课件
20
本课程的主要内容
绪论 （社会科学中的定量研究方法简介） 研究设计 抽样方法 数据收集方法 数据分析方法
1 描述统计
–数据分布特征
2 推断统计 3 双变量统计分析方法
列联表分析,方差分析,相关分析,回归分析
4 时间序列分析 5 结构方程分析方法
整理课件
21
第一章 绪论
整理课件
22
本章内容
第一节 科学与社会科学 第二节 定量研究方法概述
整理课件
23
第一节 科学与社会科学
1.科学的基础 2.科学研究的三大层面 3.社会科学和自然科学 4、社会科学中的两个基本观念
整理课件
24
1、科学的基础
科学对世界的理解必须言之成理并且符合 我们的观察
定量分析简明教程
定量分析简明教程导言定量分析（Quantitative Analysis）是一种通过数学和统计方法对数据进行分析和解释的方法。
在各个领域，包括金融、市场营销、经济学、社会学等，定量分析被广泛应用于数据研究和决策分析中。
本教程旨在介绍定量分析的基础概念和常见方法，帮助读者快速入门定量分析领域。
一、数据收集与准备在进行定量分析之前，首先需要收集和准备分析所需的数据。
数据可以来源于各种渠道，包括调查问卷、实验数据、公开数据集等。
在数据收集过程中，需要确保数据的有效性和可靠性，避免数据采集过程中的偏差和错误。
一般来说，数据准备包括数据清洗、数据整理和数据转换等步骤。
数据清洗是指对数据进行筛选和处理，删除异常值和缺失值等；数据整理是指将不同来源和格式的数据整合到一个数据集中；数据转换是指对数据进行变换和标准化，以满足分析的需求。
二、描述性统计描述性统计是定量分析的基本方法之一，用于对数据进行总结和描述。
常用的描述性统计方法包括均值、中位数、标准差、频数分布等。
•均值（Mean）是一组数据的平均值，用于表示数据的集中趋势。
•中位数（Median）是一组数据的中间值，用于表示数据的集中趋势。
当数据存在极端值时，中位数比均值更具有代表性。
•标准差（Standard Deviation）是一组数据的离散程度的度量。
标准差越大，表示数据的变异程度越大。
•频数分布（Frequency Distribution）是将数据按照取值范围进行分组，并统计每个组的频数。
频数分布可以帮助我们了解数据的分布情况。
描述性统计可以通过表格、图表等形式展示，以便更直观地理解和比较数据。
三、推断统计推断统计是根据样本数据对总体进行估计和推断的一种方法。
它基于概率理论和统计学原理，通过对样本数据进行分析和假设检验来推断总体的特征和关系。
推断统计主要包括参数估计和假设检验两个方面。
•参数估计是通过样本数据推断总体参数的取值。
常用的参数估计方法有点估计和区间估计。
数学建模常用的十种解题方法
数学建模常⽤的⼗种解题⽅法数学建模常⽤的⼗种解题⽅法摘要当需要从定量的⾓度分析和研究⼀个实际问题时，⼈们就要在深⼊调查研究、了解对象信息、作出简化假设、分析内在规律等⼯作的基础上，⽤数学的符号和语⾔，把它表述为数学式⼦，也就是数学模型，然后⽤通过计算得到的模型结果来解释实际问题，并接受实际的检验。
这个建⽴数学模型的全过程就称为数学建模。
数学建模的⼗种常⽤⽅法有蒙特卡罗算法；数据拟合、参数估计、插值等数据处理算法；解决线性规划、整数规划、多元规划、⼆次规划等规划类问题的数学规划算法；图论算法；动态规划、回溯搜索、分治算法、分⽀定界等计算机算法；最优化理论的三⼤⾮经典算法：模拟退⽕法、神经⽹络、遗传算法；⽹格算法和穷举法；⼀些连续离散化⽅法；数值分析算法；图象处理算法。
关键词：数学建模；蒙特卡罗算法；数据处理算法；数学规划算法；图论算法⼀、蒙特卡罗算法蒙特卡罗算法⼜称随机性模拟算法，是通过计算机仿真来解决问题的算法，同时可以通过模拟可以来检验⾃⼰模型的正确性，是⽐赛时必⽤的⽅法。
在⼯程、通讯、⾦融等技术问题中, 实验数据很难获取, 或实验数据的获取需耗费很多的⼈⼒、物⼒, 对此, ⽤计算机随机模拟就是最简单、经济、实⽤的⽅法; 此外, 对⼀些复杂的计算问题, 如⾮线性议程组求解、最优化、积分微分⽅程及⼀些偏微分⽅程的解⑿, 蒙特卡罗⽅法也是⾮常有效的。
⼀般情况下, 蒙特⼘罗算法在⼆重积分中⽤均匀随机数计算积分⽐较简单, 但精度不太理想。
通过⽅差分析, 论证了利⽤有利随机数, 可以使积分计算的精度达到最优。
本⽂给出算例, 并⽤MA TA LA B 实现。
1蒙特卡罗计算重积分的最简算法-------均匀随机数法⼆重积分的蒙特卡罗⽅法(均匀随机数)实际计算中常常要遇到如()dxdy y x f D ??,的⼆重积分, 也常常发现许多时候被积函数的原函数很难求出, 或者原函数根本就不是初等函数, 对于这样的重积分, 可以设计⼀种蒙特卡罗的⽅法计算。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
聚合物链长 蛋白质 脂肪 纤维 淀粉 粘度 皂化值 ……
理 论 背 景 概 述
定量分析的理论根据……透射采样方式
I0
光源
Itrans
c d
检测器
消光系数 c 浓度 d 光程
Beer定律:
A = -log Itrans/I0 = -log T = cd
理 论 背 景 概 述
取 出
校正集样品 建 立 基 本 模 型 检验集样品 验 证 基 本 模 型
建 立 模 型 检验模型
分 析
校正集剩余的样本 建立临时模型 检验集样品
第二步，取出另一样品作为检验集样品，
对剩余样品建立的基本模型进行验证分析
如此重复、循环，直至每一个样品都被检验分析，得到一组预测值 和参考值的数据，然后计算R2和RMSECV，来评价模型
问题：
只有一部分测试样品用于基本模型的建立
校正集样品
建 立 基 本 模 型
检验集样品 验 证 基 本 模 型
适于处理大量样品，计算速度快
建 立 模 型 检验模型
交叉检验
当建模样本较少时（少于40～50个），无法设臵单独的验证集
，此时的折衷方法是内部交叉验证。
首先从校正集中取出一个样本，将剩余的样本建立一个临时模 型，使用该模型来预测取出的这个样本。
多组分复杂样品的近红外光谱
不是各组分单独光谱的叠加。
消光系数弱，穿透样品的能力
强(最深可达5cm)
需要“化学计量学”技术从复杂
的光谱中提取信息（Y=a+bx1+ cx2+dx3…）
遵循Lambert-Beer定律 A=-log (I/I0) A=- logT= log(l/r) A=ELC
E-吸光系数；L-厚度；C-浓度(mol/L,W/V，W／W）
理 论 背 景 多元线性回归
优点：
仅知一种组分的含量，也可进行定量分析。 只有待测组分的含量进行参照方法的测定。
缺点：
参加回归的变量数不能超过校正集的样本数，所使用的变量数受
到限制。
无法消除回归中遇到的共线性问题。
对仪器的信噪比要求很高，若使用的变量包含了噪声，会影响模
以多变量校正方法建立浓度与吸收强度之间的 线性关系 Y＝b0+b1X1+b2X2+…+bnXn
理 论 背 景 概 述
建立模型
A % 71.30 79.30 78.40 84.03 … 85.02 78.34 B % 7.03 3.06 8.34 4.32 … 1.34 3.85 C % 21.67 17.64 13.26 11.65 … 13.64 17.81
一些变量作为自变量建立“最优”回归方程，对因变量进行预报和控
制。
“最优”回归方程主要是指在回归方程中包含所有对因变量影响显
著的自变量，而不包含对因变量影响不显著的自变量的回归方程。
近红外分析中，MLR的基本思想是经过反复搜索，选择出包含待测
成分信息量最大的波长点以及能表征主要背景的波长点，用这些波长 点的吸光度与样品组分含量的线形函数组成的线形方程来预测未知样 品。
型的预测能力。
理 论 背 景 主成分回归
主成分分析
包括主成分分析(PCA)和主成分回归(PCR)两步：
先求出样品集光谱矩阵的主成分矩阵，再建立样品成分含量矩阵 与主成分矩阵的线形关系，用所建立的线形函数来预测未知样品。
PCA中，光谱数据是由主成分光谱和得分组成的，可以使用全谱
覆盖待分析样品的含量范围。
建模样品在整个含量范围应是均匀的 保证用于测得组分含量的参考方法能得到可靠的结果
建 立 模 型 调入方法
在Evaluate下拉菜单中选择Setup Quant 2 Method，弹出一个多页对话窗口
如果已有模型， 可以在此调入
显示定量模型的 常规信息
一阶导数化＋矢量归一化First Derivative＋Vector Normalization 一阶导数化＋多元散射校正First Derivative＋MSC
定量模型中的光谱预处理方法较多，但是常用的主要是：
一阶导数化＋减去一条直线First Derivative＋Straight Line Subtraction
理 论 背 景 偏最小二乘法
优点：
世界上近红外定量分析商品化 软件中最流行的算法
充分提取样品光谱的有效信息
消除了线性相关的问题 考虑了光谱矩阵与样品成分矩阵之间的内在联系，模
型更稳健
适合于复杂分析体系。
缺点：
计算速度较慢，计算过程较繁琐，需要多次迭代 模型建立过程复杂，较抽象，较难理解
81.55% 5.38% 13.06%
1. 测定未知样品光谱
2. 调用模型
3. 预测结果
理 论 背 景 概 述
代表性 建模样品 实验设计 化学 参考值
测量光谱
光谱预处理
建立模型
谱区选择
理 论 背 景 多变量建模
光谱 含量值
M个波数
K个浓度值
光谱数据矩阵
N张光谱 N个样品
建 立 模 型 调入光谱
Spectra页：设定同一样品的光谱数量，如果使用的是平均光谱， 此处应为1。
建 立 模 型 调入光谱
Spectra页：Set Data Set选项可设定样本的数据集类型，按照一定的 规则自动分配校正集和验证集。
建 立 模 型 调入光谱
数据，保留了平均效应；但浓度C没有起作用，因此单独使用PCA
不能分析待测组分含量。
PCR中，完成浓度矩阵C对得分矩阵T的回归。
理 论 背 景 主成分回归
优点：
充分利用了光谱数据的信息，增加了模型抗干扰的能力 解决了共线性问题 适合于复杂分析体系，无需知道干扰组分的存在就可以预测被测组分
谱段选择方面，根据以往的建模经验： 5600～6200和4200～4700左右主要反映CH的吸收信号， 6200～6800和4700～5000左右反映NH的信号， 6900～7500和5000～5600左右反映OH的信号，
根据实际情况来选择相关的谱段，并适当的进行修改、优化。
建 立 模 型 检验模型
建 立 模 型 组分信息
Components页：定义待测组分的名称、单位、以及定量分析报告的精确度
建 立 模 型 调入光谱
Spectra页：调入建模样品的光谱及输入对应的化学值
标示含量与近红外含量值的关系
近红外光谱法使用的是重量百分比，而非标示量百分含量。
建 立 模 型
建 立 模 型 建模原则
建模样品 光 谱
光谱数据
+
建模样品 浓 度
浓度数据
=
建立定量模型
建 立 模 型 选择建模样品
建模样品的选择依据
单组分体系至少20个样品（最好30～40个以上）；多组
分体系要求大量的建模样品
所选建模样品的含量范围要大于以后分析的范围，即要
建立近红外定量模型的一般方法
中国药品生物制品检定所
主要介绍内容
理论背景
建立模型
定量分析
模型质量
理 论 背 景
理 论 背 景 概 述
近红外谱区的吸收主要包括以下基团基频振动的合频和倍频振动吸收 C-H, N-H, O-H, S-H, C=O, C=C
近红外的合频振动的吸收系数比中红外基频振动吸收弱1-5个数量级
定量分析的理论根据……漫反射采样方式
I0
光源
c
I散射
d
消光系数 c 浓度 d 光程
检测器
比尔定律: A = -log Iscatt/I0 = -log R = cd 适用于近红外
理 论 背 景 概 述
近红外光谱分析技术的特点：
随着基频振动合频和倍频的增
加，吸收峰重叠的越严重
训练集样本：用于建立模型的样本，要求该样本集 能够包含该品种药品在化学和物理性质上的变异；
验证集样本：用于验证模型的样品，要求该样本集 必须独立，且能够代表未来待测样品的性质。
建 立 模 型 谱区及预处理方法选择
参数页：多种数据预处理方法可供选择
建 立 模 型 谱区及预处理方法选择
Component Units spectrum1 spectrum2 spectrum3 spectrum4 … spectrum11 spectrum12
1. 标准方法分析样品
2. 采集光谱
3. 优化、 检验和建立模型
分析样品
Report Sample #081897-049 Component A Component B Component C
偏最小二乘法：分别求出样品集光谱矩阵和样品组分矩阵的主成分矩阵，
将这两个矩阵相关联，求其线形关系，用所建立的线形函数来预测未知样
品。 第一步，矩阵分解，其模型为： X=TP+E Y=UQ+F
第二步，将T和U作线性回归 U=TB
预测时，先求出未知样品X矩阵的T未知，再按下式计算浓度 Y未知＝T未知BQ
Spectra页：Set Data Set选项可设定样本的数据集类型，按照一定 的规则自动分配校正集和验证集。
第1个样本为验证集
验证集样本的连续个数为1个 检验集样本之后的例的样本作为验证集，建 议采用这种方法。
训练集样本(Calibration set)与验证集样本(Test set)的分配
当药品为片剂或胶囊剂时：
NIR定量分析结果 平均装量 药品标示百分含量（％）＝ ×100％ 药片的标示规格 当药品为粉针剂时：