我眼中的变量聚类

                                                           连续变量怎样压缩？

       连续变量压缩的基本思路为：建模之前使用主成分、因子分析或变量聚类的方法进行变量压缩，后续建模时使用向前法、向后法、逐步法或全子集法进一步进行变量细筛。虽然方法的名称叫做变量聚类，但却并不是聚类分析，而是一种主成分分析的方法。

       连续变量压缩的原则为：自变量间相关程度越低越好，这样会更加符合模型的假定，故需利用变量聚类的方法去降低变量间的相关性。

       变量聚类是数据建模过程中标准的变量选择流程，只要做变量选择，都需要做变量聚类。不仅仅是回归模型需要变量聚类，聚类分析中同样也需要进行变量聚类。要清楚的是，变量聚类并不是回归模型的附属，它做的只是变量的选择。

                                                       为什么非要进行变量聚类？

       建模变量数量不同，变量筛选的