【正文】 選擇此種方法后，應(yīng)該在該項(xiàng)下面的 【 V。 ● Smallest F ratio：每步都選擇使任何兩類間的“最小 F 值”達(dá)到最大的變量進(jìn)入判別函數(shù)。 ● Unexplained variance：每步都選擇使類間不可解釋的方差和最小的變量進(jìn)入判別函數(shù)。 SPSS在判 別 分析中的 應(yīng) 用 ① 【 Method（方法） 】 選項(xiàng)組：選擇變量進(jìn)入判別函數(shù)的方式。接著單擊主菜單中的 【 Statistics】 按鈕，在彈出的對(duì)話框圖中可以選擇逐步判別分析的選項(xiàng)。 ● Total covariance matrix：總樣本的協(xié)方差矩陣。 ● Withingroups correlation matrix：類內(nèi)相關(guān)矩陣。 ● Unstandardized：未經(jīng)標(biāo)準(zhǔn)化處理的判別函數(shù)系數(shù)。 ● Fisher’s ：輸出 Fisher函數(shù)系數(shù)。 ● Box’s M ：對(duì)各類協(xié)方差矩陣相等的假設(shè)進(jìn)行檢驗(yàn)。 ● Univariate ANOVAs：?jiǎn)我蛩胤讲罘治觥? SPSS在判 別 分析中的 應(yīng) 用 ① 【 Descriptives（描述性） 】 選項(xiàng)組：選擇輸出描述統(tǒng)計(jì)量。 SPSS在判 別 分析中的 應(yīng) 用 Step05：基本統(tǒng)計(jì)量輸出選擇 單擊 【 Statistics】 按鈕，在彈出的對(duì)話框中可以選擇進(jìn)行判別分析的基本統(tǒng)計(jì)量輸出?？梢赃M(jìn)一步選擇判別分析方法（見第 步）。 ● Use stepwise method：采用逐步判別法作判別分析。當(dāng)認(rèn)為所有自變量都能對(duì)觀測(cè)量特性提供豐富的信息時(shí)使用該選擇項(xiàng)。 SPSS在判 別 分析中的 應(yīng) 用 Step04：選擇判別分析方法 在主對(duì)話框的 【 Independents（自變量） 】 列表框下面有兩個(gè)按鈕，它們提供了判別分析方法選擇。 ● Minimum：輸入最小值。 Step03：指定分類變量及范圍 在主對(duì)話框的候選變量中選擇分類變量（離散型變量）移入 【 Grouping Variable（分組變量） 】 框中。 1( , , )pX x x ??1( , )D X G1( , )D X G 2( , )D X G2( , )D X G1 1 22 1 212, ( , ) ( , ), ( , ) ( , ), ( , ) ( , )X G D X G D X GX G D X G D X GD X G D X G???? ???? ??當(dāng)當(dāng)待 判 當(dāng) SPSS在判 別 分析中的 應(yīng) 用 判 別 分析的 SPSS操作 詳 解 Step01：打開對(duì)話框 選擇菜單欄中的 【 Analyze（分析） 】 → 【 Classify（分類） 】 → 【 Discriminant(辨別 )】 命令，彈出 【 Discriminant Analysis（辨別分析） 】 對(duì)話框，這是判別分析的主操作窗口。 SPSS在判 別 分析中的 應(yīng) 用 例如兩個(gè)總體的距離判別法中，設(shè)有兩個(gè)總體（或稱兩類） G G2，從第一個(gè)總體中抽取 n1個(gè)樣品，從第二個(gè)總體中抽取 n2個(gè)樣品，每個(gè)樣品測(cè)量 p個(gè)指標(biāo)如下頁表。 其中，距離判別分析是一種常見的判別分析方法。 基本原理 判別分析內(nèi)容很豐富，方法很多。 判別分析與聚類分析不同。從圖中，可以明顯看到每個(gè)樣品從單獨(dú)一類，逐次合并，一直到全部合并成一大類。 第 Ⅲ 類：巴西、墨西哥、波蘭、匈牙利、智利、俄羅斯、泰國(guó)、印度、馬來西亞。 第 Ⅰ 類：美國(guó)、瑞典、丹麥。第七列“ Next Stage” 表示在這一步驟中合并的類別，下一次將在第幾步中與其他類再進(jìn)行合并。第四列“ Coefficients” 列出了每一步驟的聚類系數(shù)，這一數(shù)值表示被合并的兩個(gè)類別之間的距離大小。下表中的的第一列“ Stage” 列出了聚類過程的步驟號(hào)，第二列“ Cluster 1” 和第三列“ Cluster 2” 列出了某一步驟中哪些國(guó)家參與了合并。因此，可以利用系統(tǒng)聚類法。 SPSS在聚 類 分析中的 應(yīng) 用 2. 實(shí) 例操作 現(xiàn)在要分析世界各個(gè)地區(qū)的信息基礎(chǔ)設(shè)施的發(fā)展?fàn)顩r，案例中選擇了“每千人擁有電話線數(shù)”、“ 每千房居民蜂窩移動(dòng)電話數(shù)”等六個(gè)指標(biāo)來反映不同國(guó)家信息設(shè)施的發(fā)展情況，同時(shí)選擇了近二十個(gè)地區(qū)的數(shù)據(jù)加以研究。 （ 5） mips— 每千人中計(jì)算機(jī)功率（每秒百萬指令）。 （ 3） fee— 高峰時(shí)期每三分鐘國(guó)際電話的成本。 （ 1） Call— 每千人擁有電話線數(shù)。 SPSS在聚 類 分析中的 應(yīng) 用 實(shí) 例分析：不同地 區(qū) 信息基 礎(chǔ)設(shè) 施 發(fā) 展 狀況 的 評(píng) 價(jià) 1. 實(shí) 例 內(nèi) 容 要研究世界不同地區(qū)信息基礎(chǔ)設(shè)施的發(fā)展?fàn)顩r，這里選取了發(fā)達(dá)地區(qū)、新興工業(yè)化地區(qū)、拉美地區(qū)、亞洲地區(qū)中國(guó)家、轉(zhuǎn)型地區(qū)等不同類型的 20個(gè)國(guó)家的數(shù)據(jù)。即聚為 6 類時(shí)各樣品分別屬于哪一類。它表示分別生成樣品或變量的分類數(shù)從最小值到最大值的各種分類聚類變量。在 【 Number of clusters（聚類數(shù)） 】 的矩形框中指定類數(shù)。 ● Single solution：?jiǎn)蝹€(gè)結(jié)果輸出。具體選項(xiàng)含義如下。如果使用的是已經(jīng)存在的矩陣，可以選擇此類選擇項(xiàng)，對(duì)輸入矩陣進(jìn)行必要的轉(zhuǎn)換。 ● Rescale bo 0~1 range：重新調(diào)整測(cè)度值到范圍 0～ l。 ● Absolute Values：把距離值取絕對(duì)值。 在選擇了上述標(biāo)準(zhǔn)化方法后，要在選項(xiàng)組中點(diǎn)選 【 By variable（對(duì)變量） 】 或 【 By case（對(duì)樣品） 】 單選鈕實(shí)施標(biāo)準(zhǔn)化。 ● Standard deviation of 1：把數(shù)據(jù)標(biāo)準(zhǔn)化到標(biāo)準(zhǔn)差為 1。 ● Mean of 1：把數(shù)據(jù)標(biāo)準(zhǔn)化到均值為 1。 ● Maximum magnitude of 1：把數(shù)據(jù)標(biāo)淮化到最大值為 1。 ● Range 1 to 1：把數(shù)據(jù)標(biāo)準(zhǔn)化到 1 到 +1 范圍內(nèi)。 ● Z scores：數(shù)據(jù)標(biāo)準(zhǔn)化到 Z 分?jǐn)?shù)。具體如下： ● None：不進(jìn)行標(biāo)準(zhǔn)化。 SPSS在聚 類 分析中的 應(yīng) 用 ③ 【 Transform Values（轉(zhuǎn)換數(shù)） 】 選項(xiàng)組：可以選擇數(shù)據(jù)標(biāo)準(zhǔn)化的方法。定義后，系統(tǒng)將忽略其他值。同時(shí)，還可以改變表示某事件發(fā)生與不發(fā)生的值。 ● Yule’s Q ：尤利 Q綜合系數(shù)。 ● Sokal and Sneath l ～ 5：第一種 ~第五種索克爾 思尼斯匹配系數(shù)。 ● Russel and Rao：它是內(nèi)積 (點(diǎn)積 )的二元形式。范圍為 0 ～ l。 ● Lance and Williams：蘭斯 威廉斯測(cè)度。 ● Kulczynski 1：庫(kù)爾津斯基匹配系數(shù)。 ● Hamann：哈曼匹配系數(shù)。 ● Anderberg’D ：安德伯格 D系數(shù)。 ● Phi 4point correlation：皮爾遜相關(guān)系數(shù)二元變量模擬，其值范圍為 1 ～ l。范圍無上下限。 ● Dispersion：離散測(cè)度，其范圍為 1 ～ 1。 ● Pattern difference：不相似性測(cè)度，范圍為 0 ～ 1。 ● Size difference：不對(duì)稱指數(shù)。具體如下： ● Euclidean distance：二元變量歐氏距離。首先應(yīng)該明確，對(duì)二值變量，系統(tǒng)默認(rèn)用 l 表示某特性出現(xiàn) (或發(fā)生 )，用 0 表示某特性不出現(xiàn) (或不發(fā)生 )。 ● Phisquare measure：兩組頻數(shù)之間的 Ф 2 測(cè)度。用卡方值測(cè)度不相似性。單擊它右側(cè)的向下箭頭，展開下拉菜單的方法選擇以下不相似性測(cè)度的方法。 ● Customized：自定義距離。 ● Block：曼哈頓（ Manhattan）距離，兩項(xiàng)之間的距離是每個(gè)變量值之差的絕對(duì)值總和。它是線性關(guān)系的測(cè)度，范圍是 1～ +1。 ● Cosline：余弦相似性測(cè)度，計(jì)算兩個(gè)向量間夾角的余弦。兩項(xiàng)之間的距離是每個(gè)變量值之差的平方和。 ● Euclidean distance：歐氏距離。 【 Interval（區(qū)間） 】 參數(shù)框適合于等間隔測(cè)度的連續(xù)性變量。聚類中使類內(nèi)各樣品的離差平方和最小，類間的離差平方和盡可能大。定義類與類之間的距離為兩類中各樣品的中位數(shù)之間的距離。定義類與類之間的距離為兩類中各樣品的重心之間的距離。用兩類之間最遠(yuǎn)點(diǎn)的距離代表兩類之間的距離。采用兩類間最近點(diǎn)間的距離代表兩類間的距離。當(dāng)兩類合并為一類后，合并后的類中的所有項(xiàng)之間的平均距離最小。合并兩類的結(jié)果使所有的兩類的平均距離最小。 ● Betweengroups linkage：組間平均距離法。具體選項(xiàng)含義如下。 SPSS在聚 類 分析中的 應(yīng) 用 Step07：聚類方法選擇 單擊 【 Method（方法） 】 按鈕，彈出的對(duì)話框如下圖所示。 ● Vertical：縱向顯示的冰柱圖。 ● None：不輸出冰校圖。輸入到參數(shù)框中的數(shù)字必須是正整數(shù)。 ● Specified range clusters：限定顯示的聚類范圍?？捎么朔N圖查看聚類的全過程。對(duì)于冰柱圖的具體選項(xiàng)還可以進(jìn)一步用以下選擇項(xiàng)來確定。 SPSS在聚 類 分析中的 應(yīng) 用 ① 【 Dendrogram（樹狀圖） 】 ：顯示樹形圖。可選擇輸出的統(tǒng)計(jì)圖表有兩種，一個(gè)是樹形圖，一個(gè)是冰柱圖。 SPSS在聚 類 分析中的 應(yīng) 用 Step06：聚類統(tǒng)計(jì)圖形輸出選擇 單擊 【 Plots】 按鈕，彈出的對(duì)話框如下圖所示。它表示分別輸出樣品或變量的分類數(shù)從最小值到最大值的各種分類聚類表。例如指輸入數(shù)字“ 4” ，則會(huì)在輸出窗中顯示聚為4類的分析結(jié)果。 ③ 【 Cluster Membership（聚類成員） 】 欄可以選擇聚類數(shù)目相關(guān)的輸出項(xiàng)： ● 【 None（無） 】 ：不顯示類成員表，它是系統(tǒng)默認(rèn)選項(xiàng)。以矩陣形式給出各項(xiàng)之間的距離或相似性測(cè)度值。顯示聚類過程中每一步合并的類或觀測(cè)量，反映聚類過程中每一步樣品或類的合并過程。具體選項(xiàng)含義如下。 ● Plots：輸出主對(duì)話框中 【 Plots（圖） 】 按鈕中聚類圖形。系統(tǒng)默認(rèn)值是 【 Statistics（統(tǒng)計(jì)量） 】 歐諾供給量和 【 Plots（圖） 】 選項(xiàng)。 ● Variable：對(duì)變量進(jìn)行聚類，即 R型聚類。系統(tǒng)默認(rèn)值是 【 Cases（個(gè)案 0】 選項(xiàng)。同時(shí)可以選擇一個(gè)標(biāo)識(shí)變量移入 【 Label Cases by（標(biāo)注個(gè)案） 】 列表框中。 SPSS在聚 類 分析中的 應(yīng) 用 SPSS具體操作步驟如下： Step01：打開對(duì)話框 選擇菜單欄中的 【 Analyze（分析） 】 → 【 Classify（分類） 】 →【 Hierarchical Cluster（系統(tǒng)聚類） 】 命令，彈出 【 Hierarchical Cluster Cluster Analysis（系統(tǒng)聚類分析） 】 對(duì)話框，這是系統(tǒng)聚類分析的主操作窗口。 ● Ward39。 ● Centroid clustering：重心法。 ● Nearest neighbor：最短距離法。 ● Betweengroups linkage：組間平均距離法。根據(jù)距離公式不同，可能會(huì)得到不同的結(jié)果，這也就進(jìn)一步構(gòu)成了不同的系統(tǒng)聚類方法。 首先將數(shù)據(jù)各自作為一類（這時(shí)有 n類），按照所定義的距離計(jì)算各數(shù)據(jù)點(diǎn)之間的距離，形成一個(gè)距離陣； 將距離最近的兩條數(shù)據(jù)并為一個(gè)類別，從而成為 n1個(gè)類別，計(jì)算新產(chǎn)生的類別與其他各個(gè)類別之間的距離或相似度，形成新的距離陣； 按照和第二步相同的原則，再將距離最接近的兩個(gè)類別合并，這時(shí)如果類的個(gè)數(shù)仍然大于 1，則繼續(xù)重復(fù)這一步驟，直到所有的數(shù)據(jù)都被合并成一個(gè)類別為止。 凝聚法：開始把參與聚類的每個(gè)個(gè)體 (觀測(cè)量或變量 )視為一類，根據(jù)兩類之間的距離或相似性逐步合并，直到合并為一個(gè)大類為止。同時(shí)根據(jù)聚類過程不同，又分為分解法和凝聚法。 聚類數(shù)目匯總表 SPSS在聚 類 分析中的 應(yīng) 用 系 統(tǒng) 聚 類 法的 SPSS操作 詳 解 系統(tǒng)聚類法常稱為層次聚類法、分層聚類法，也是聚類分析中使用廣泛的一種方法。 方差分析表 SPSS在聚 類 分析中的 應(yīng) 用 （ 7）聚類數(shù)目匯總 如下表所示是聚類數(shù)據(jù)匯總表，顯示了聚類分析最終結(jié)果中各個(gè)類別的數(shù)目。各數(shù)據(jù)項(xiàng)的含義依次是：組間均方、組間自由度、組內(nèi)均方、組內(nèi)自由度。 從結(jié)果來看，第一類和第三類之間的距離最大，而第二類和第三類之間的距離最短，這些結(jié)果和實(shí)際情況是相符合的?？梢钥吹?，最后的中心位置較初始中心位置發(fā)生了較大的變化。 表中最后一列顯示了樣品和所屬類別中心的聚類，此表中的最后兩列分別作為新變量保存于當(dāng)前的工作文件中。 ? 第三類：江蘇、浙江、山東和廣東。 ? 第二類：河北、福建、河南、湖北、湖南、廣西和四川。 ? 第一類：北京、天津、山西、內(nèi)蒙古等 20個(gè)地區(qū)。這說明，本次快速聚類的迭代過程速度很快