SPSS第三部分高級分析.ppt

《SPSS第三部分高級分析.ppt》由會員分享，可在線閱讀，更多相關《SPSS第三部分高級分析.ppt（41頁珍藏版）》請在裝配圖網(wǎng)上搜索。

統(tǒng)計軟件應用,華東交通大學經(jīng)濟管理學院 韓勝娟,,第六章 SPSS 基本統(tǒng)計分析,,相關分析 回歸分析 聚類分析 因子分析,相關分析,什么是相關分析 相關分析是一種測度事物間統(tǒng)計關系強弱的一種手段和工具，旨在研究事物之間或稱變量之間關系密切程度 線性相關分析研究兩個變量間線性關系的程度，相關系數(shù)是描述這種線性關系程度和方向的統(tǒng)計量，通常用r表示。相關系數(shù)是一個無量綱的量，其值在－1～＋1之間。 SPSS中的相關分析包括二變量相關分析、偏相關分析和距離分析,相關分析,二元變量的相關分析 包括兩個連續(xù)變量的相關和兩個等級變量的秩相關，可以通過不同的選項選擇不同的分析方法 Analyze→Correlate→ Bivariate（分析-相關-雙相關） Variables：選擇分析變量 Correlation Coefficients：相關系數(shù)選擇 Pearson相關系數(shù)——用來度量定距變量間的線性相關關系 Kendall’s tau-b等級相關系數(shù)——用來度量順序水準變量間的線性相關關系,相關分析,二元變量的相關分析 Analyze→Correlate→ Bivariate（分析-相關-雙相關） Correlation Coefficients：相關系數(shù)選擇 Spearman等級相關系數(shù)——用來度量順序水準變量間的線性相關關系 Test of Significance：顯著性檢驗 Two-tailed：雙尾檢驗 One-tailed：單尾檢驗 Flag significant correlations：對顯著的相關系數(shù)加“*” Options,,相關分析,偏相關分析 在控制其他變量對待分析的兩個變量影響的條件下，分析兩變量的線性相關關系 偏相關分析的工具是計算偏相關系數(shù) Analyze→Correlate→ Partial（分析-相關-偏相關） Variables：選擇分析變量 Controlling for：選擇控制變量,相關分析,偏相關分析 Analyze→Correlate→ Partial（分析-相關-偏相關） Test for Significance：顯著性檢驗 雙側(cè)檢驗 單側(cè)建議 Display actual significance level：顯示相伴概率 Options:,,線性回歸分析,側(cè)重考查變量間的數(shù)量變化規(guī)律，并通過一定的數(shù)量表達式（回歸方程）來描述這種關系 基本步驟 確定回歸方程中的自變量和因變量 確定回歸模型 根據(jù)樣本數(shù)據(jù)建立回歸方程 對回歸方程進行各種檢驗 利用回歸方程進行預測,線性回歸分析,Analyze－Regression－Linear（分析-回歸-線性） Dependent：選擇一個變量作為因變量 Independent[s]：選擇一個或多個變量作為自變量 Method：選擇自變量篩選方法 Enter：所有變量全部進入回歸模型 Stepwise：逐步篩選法 Backward：向后篩選法 Forward：向前篩選法,線性回歸分析,分析－回歸－線性 Selection Variable：選擇變量 Rule:equal to等于 not equal to不等于 less than小于 less than or equal to小于等于 greater than大于 greater than or equal to大于等于 Case Labels：指定作圖時以什么變量作為各樣本數(shù)據(jù)點的標志變量,線性回歸分析,分析－回歸－線性 Statistics：輸出統(tǒng)計量選擇項 Regression Coefficients Estimates：回歸系數(shù)相關統(tǒng)計量 Confidence interval：系數(shù)置信區(qū)間 Covariance matrix：協(xié)方差矩陣 Model fit：顯示判定系數(shù)、調(diào)整后判定系數(shù)、F檢驗等 R squared change：顯示每一步中判定系數(shù)的變化,線性回歸分析,分析－回歸－線性 Statistics：輸出統(tǒng)計量選擇項 Descriptives：描述統(tǒng)計量（均值） Part and partial correlations：顯示自變量與因變量的偏（部分）相關系數(shù) Collinearity diagnostics：共線性診斷 Residuals： Durbin－Watson：DW統(tǒng)計量 Casewise diagnostic：每一個觀測的殘差診斷,線性回歸分析,分析－回歸－線性 Plots：繪圖選擇項 Scatter：散點圖 Standardized Residual Plots：標準化殘差圖 Histogram Normal probability plot Produce all partial plot：對每一個自變量殘差和因變量殘差做散點圖,線性回歸分析,分析－回歸－線性 Save：數(shù)據(jù)處理結果的保存 Predicted Values：預測值 Residuals：殘差 Distances：距離（度量對回歸模型有很大影響的個案） Prediction Intervals：預測區(qū)間 Influence Statistics：影響統(tǒng)計量 Save to New File Export model information to XML file,線性回歸分析,分析－回歸－線性 Options：選擇項 Stepping Method Criteria：設定自變量篩選的參數(shù) Use probability of F Use F value Include canstant in equation Missing Values,,,,,,,曲線回歸分析,分析－回歸－曲線估計,聚類分析,建立分類的方法，將一組樣本數(shù)據(jù)按照它們在性質(zhì)上的親疏程度在沒有先驗知識的情況下自動進行分類。 系統(tǒng)聚類分析（Hierachical Cluster） 基本思想：首先，每個樣本自成一類；然后，按照某種方法度量所有樣本之間的親疏程度，把最親密的聚成一類，反復進行該過程，直到所有樣本聚成一類。,聚類分析,系統(tǒng)聚類分析（Hierachical Cluster） Analyze－Classify－Hierachical Cluster（分析-分類-系統(tǒng)聚類） Variable[s]：選擇參與分析變量 Label Cases by：選擇標注變量 Cluster：選擇聚類方式 Case：Q型聚類（個案） Variable：R型聚類（變量） Display輸出：Statistics/Plots,聚類分析,系統(tǒng)聚類分析（Hierachical Cluster） 分析－分類－系統(tǒng)聚類 Statistics：輸出統(tǒng)計量選項 Agglomeration schedule：合并進程表 Proximity matrix相似性：鄰近距離矩陣 Cluster Membership：類成員 None Single solution Range of solution,聚類分析,系統(tǒng)聚類分析（Hierachical Cluster） 分析－分類－系統(tǒng)聚類 Plots：圖表選項 Dendrogram：聚類分析樹型圖 Icicle：冰柱圖 All clusters Specified range of clusters None orientation方向：Vertical/Horizontal,聚類分析,系統(tǒng)聚類分析（Hierachical Cluster） 分析－分類－系統(tǒng)聚類 Method：聚類方法 Cluster Method：類間距離 Between/Within－groups linkage Nearest/Furthest neighbor Centroid clustering Median clustering Ward’s method,聚類分析,系統(tǒng)聚類分析（Hierachical Cluster） 分析－分類－系統(tǒng)聚類 Method度量標準：聚類方法 Measure：樣本間距離 Interval：適用于連續(xù)型變量 Squared Euclidean distance Euclidean distance Counts：適用于順序或名義水準變量 Binary：適用于二值數(shù)據(jù),聚類分析,系統(tǒng)聚類分析（Hierachical Cluster） 分析－分類－聚類分析 Method：聚類方法 Transform values： Standardize：數(shù)據(jù)標準化方法 Z Scores By variable/By case Save： Cluster Membership：保存樣本類屬,,,,,,,,聚類分析,快速聚類分析（K－Means Cluster） 基本思想：首先，指定希望聚成K類；然后，確定K類的初始類中心；再次，計算所有樣本到K個類中心的歐式距離，并按距離最短原則把樣本分配到各類，形成新的K類，重新計算K個類的類中心；重復上述過程，直到達到指定的迭代次數(shù)或達到中止迭代的判斷要求。 Analyze－Classify－K-Means Cluster（分析-分類-K均值聚類）,聚類分析,快速聚類分析（K均值聚類） 分析－分類－K均值聚類 Variables：選擇聚類依據(jù)的變量 Label Cases by：選擇標識變量 Number of Clusters：聚類數(shù)目 Method：選擇類中心的確定方法 Iterate and classify：迭代聚類 Classify only僅分類：類中心保持不變,聚類分析,快速聚類分析（K均值聚類） 分析－分類－K均值聚類 Iterate：迭代終止條件 Maximum Iterate：最大迭代次數(shù) Convergence Criterion：迭代收斂標準 Use running means使用運行均值 Save Cluster membership：保存樣本類屬 Distance from cluster center,聚類分析,快速聚類分析（K均值聚類） 分析－分類－K均值聚類 Options選項 Statistics：輸出統(tǒng)計量 Missing Values Centers：聚類中心 Cluster Centers指定初始類中心 Read initial from File：讀取類中心 Write final as File：保存類中心,,,,,,,因子分析,因子分析是以最少的信息損失將原始的眾多指標綜合成較少的幾個因子變量的方法 因子分析的眾多變量間應具有較強的相關關系 Analyze－Data Reduction－Factor（分析-降維-因子分析） Variables：選擇參與因子分析的變量 Selection Variable：根據(jù)指定的選擇變量選取部分樣本作因子分析,因子分析,分析－降維－因子分析 Descriptives描述：統(tǒng)計量選項 Statistics Univariate descriptives：單變量描述統(tǒng)計量 Initial solution：初始分析結果 Correlation Matrix：相關矩陣組 Coefficients：相關系數(shù) KMO and Bartlett’s test of sphericity,因子分析,分析－降維－因子分析 Extraction抽?。阂蜃犹崛∵x擇項 Method方法：因子提取方法 Principal components：主成分法 Analyze分析：因子分析的基礎矩陣 Correlation matrix/Covariance matrix Display輸出： Unrotated factor solution:未旋轉(zhuǎn)因子解/Scree plot:碎石圖,因子分析,分析－數(shù)據(jù)降維－因子分析 Extraction抽取：因子提取選擇項 Extract抽?。捍_定因子個數(shù)的標準 Eigenvalues over：提取特征值大于該值的因子 Number of factor：提取因子個數(shù) Maximum Iteration for Convergence：最大收斂性迭代次數(shù) Rotation Method:旋轉(zhuǎn)方法（Varimax）,因子分析,分析－數(shù)據(jù)降維－因子分析 Rotation：旋轉(zhuǎn) Display：輸出 Rotated solution：旋轉(zhuǎn)解 Loading plot[s]：因子載荷圖 Maximum iterations for Convergence Scores：因子得分選擇項 Save as variables：保存為變量 Display factor score coefficient matrix：顯示因子得分系數(shù)矩陣,,,,,,,,