|||
——专题介绍人:傅柯萌
SPSS(Statistical Product and Service Solutions),“统计产品与服务解决方案”软件.
如今SPSS已出至版本18.0,而且更名为PASW Statistics
一、数据录入
1、定义数据文件的格式,单击variable view,切换到变量视图
2、变量名的规则
3、常用变量类型(1)Numeric:可以标准或科学记数法显示数字
(2)String:字符型不能用于数值计算。用户可在定义的长度范围内输入任意字符,且可以区分字母的大小写,也可支持文字数字混排
4、 单击data view,回到数据视图,依次输入数据
二、聚类分析
1、定义:根据事物本身的特性研究个体分类的方法,原则是同一类中的个体有较大的相似性,不同类中的个体差异很大。
2、步骤:在AnalyzeàClassify下:
(1)K-Means Cluster: 观测量快速聚类分析过程
(2)Hierarchical Cluster:分层聚类(进行观测量聚类和变量聚类的过程)
(3)Discriminant:进行判别分析的过程
3、分层聚类:又称系统聚类,是按物以类聚原则研究事物的分类。根据样本(观测量)的多指标(变量)、多个观察数据、定量地确定样本、指标之间存在的相似性或亲疏关系,据此联结这些样本或指标归成大小类群,构成分类的树状图(Dendrogram)或冰柱图(Icicle)
根据分类对象的不同,分为样本(观测量)聚类和变量聚类两种:
(1)样本聚类(Q型聚类):对观测量(Case)进行聚类(不同的目的选用不同的指标作为分类的依据,如选拔运动员与分课外活动小组)
(2)变量聚类(R型聚类):是一种降维的方法,用于在变量众多时寻找有代表性的变量,以便在用少量、有代表性的变量代替大变量集时,损失信息很少.
4、Cluster method:
(1)Between-groups linkage:类间平均法 ;(2)Within-groups linkage:类内平均法 ;(3)Nearest neighbor:最短距离法;(4)Furthest neighbor:最长距离法;(5)Centroid clustering:(6)重心聚类法(measure用euclidean距离法);(7)Median cluster:中位数聚类法 ;(8)ward’s method:离差平方和法
5、Measure-interval:
(1)squared uclidean distance 平方欧式距离;(2) uclidean distance 欧式距离;(3)cosine夹角余弦(R型);(4)pearson correlation皮尔逊相关系数®;(5)chebychev 切比雪夫距离 ;(6)block 绝对值距离;(7)minkowski明考斯基;(8)customized 自定义距离
变量聚类(Q型聚类):与R型聚类唯一不同之处在于距离测量的方法选择上,只能选择cosine夹角余弦和pearson correlation皮尔逊相关系数
三、聚类分析操作演示
分层聚类步骤(总结)
(1)选择measure测量样本之间的距离,以Proximity matrix(相似性矩阵)呈现结果
(2)根据样本间的距离,选择method进行聚类分析,以凝聚图、冰柱图或柱状图呈现聚类过程
四、因子分析
1、因子分析基本概念:
(1)因子载荷:在各个因子变量不相关情况下,因子载荷aij就是第i个原有变量和第j个因子变量的相关系数,即xi在第j个公共因子变量上的相对重要性。
(2)公共方差:反映全部公共因子变量对原有变量xi的总方差解释说明比例。
(3)公共因子的方差贡献:反映该因子对所有原始变量总方差的解释能力,其值越高,说明因子重要程度越高。
2、 因子分析基本步骤
(1)确定待分析的原有若干变量是否适合因子分析。如果原始变量都本质上独立,那么降维就可能失败,这是因为很难把很多独立变量用少数综合的变量概括。数据越相关,降维效果就越好
(2)构造因子变量
(3)利用旋转使得因子变得更具有可解释性
(4)计算因子变量得分
3、Correlation matrix(相关系数矩阵)
(1)Coefficients(系数矩阵):大部分系数低于0.3,不适合进行因子分析
(2)Significance levels(显著性水平):显示相关系数的单侧显著性水平
(3)Determination(相关系数矩阵行列式值)
(4)Inverse(逆相关系数矩阵)
(5)Reproduced(再生相关系数矩阵):因子分析的估计相关系数矩阵,显示残缺值
(6)anti-image(反映像相关系数矩阵与反映像协方差矩阵):反映像相关系数矩阵中有些元素的绝对值较大,则不适合因子分析
(7)KMO and Bartlett’s test of spherucity(KMO 抽样适度测定值与Bartlett球形检验值):KMO在0.7以上都适合因子分析; B巴特利球形检验值较大,相伴概率值越小,适合用于因子分析
五、因子分析操作演示
Archiver|手机版|科学网 ( 京ICP备07017567号-12 )
GMT+8, 2024-9-1 14:41
Powered by ScienceNet.cn
Copyright © 2007- 中国科学报社