全局主成分分析GPCA是什么？为什么比传统PCA更好, 具体如何使用呢？

凡是搞计量经济的，都关注这个号了

稿件：[e-mail]

所有计量经济圈方法论丛的code程序, 宏微观数据库和各种软件都放在社群里.欢迎到计量经济圈社群交流访问.

关于主成分分析，我们引荐了①主成分分析和因子分析 PC, FA 及运行结果，②主成分分析/因子分析/判别分析，见过的最通俗易懂的解释，③主成分分析PCA理论讲解与程序实现指南，④面板数据聚类, 因子分析和主成分分析咋做?⑤因子分析法FA理论讲解与程序实现指南等。今天，我们引荐一个重要的分析方法——全局主成分分析（GPCA）。下面共五个小节，主要来自五篇中文文章，都是由社群群友@艾嘉喜推荐。

正文

传统主成分分析各个主成分的权重确定方式：

http://note.youdao.com/noteshare?id=c3e17e49185cf4e421aa764ee98220d1&sub=03BAC8E121B1471E9F13BF2DA4A0F6E3

一

薛强,王帅,王玉茹,芮雪.2008～2012年国家高新区发展水平的动态轨迹分析[J].管理学报,2015,12(11):1654-1657+1664.

二

刘根荣.基于全局主成分分析法的中国流通产业区域竞争力研究[J].中国经济问题,2014(03):79-89.

三

耿海清,陈帆,詹存卫,仇昕昕,刘磊.基于全局主成分分析的我国省级行政区城市化水平综合评价[J].人文地理,2009,24(05):47-51.

四

韩永辉,李青,邹建华.基于GPCA模型的中国省域生态文明治理评价研究[J].数理统计与管理,2016,35(04):603-613.

五

金芳,苏倩,梁益琳.山东省制造业细分产业竞争力分析——基于新旧动能转换视角[J].经济与管理评论,2020,36(03):152-164.

下面这些短链接文章属于合集，可以收藏起来阅读，不然以后都找不到了。

2.5年，计量经济圈近1000篇不重类计量文章，

可直接在公众号菜单栏搜索任何计量相关问题,

Econometrics Circle

数据系列：空间矩阵 | 工企数据 | PM2.5 | 市场化指数 | CO2数据 |  夜间灯光 | 官员方言  | 微观数据 | 内部数据计量系列：匹配方法 | 内生性 | 工具变量 | DID | 面板数据 | 常用TOOL | 中介调节 | 时间序列 | RDD断点 | 合成控制 | 200篇合辑 | 因果识别 | 社会网络 | 空间DID数据处理：Stata | R | Python | 缺失值 | CHIP/ CHNS/CHARLS/CFPS/CGSS等 |干货系列：能源环境 | 效率研究 | 空间计量 | 国际经贸 | 计量软件 | 商科研究 | 机器学习 | SSCI | CSSCI | SSCI查询 | 名家经验计量经济圈组织了一个计量社群，有如下特征：热情互助最多、前沿趋势最多、社科资料最多、社科数据最多、科研牛人最多、海外名校最多。因此，建议积极进取和有强烈研习激情的中青年学者到社群交流探讨，始终坚信优秀是通过感染优秀而互相成就彼此的。