《聚类分析和回归分析SPSS综述》由会员分享，可在线阅读，更多相关《聚类分析和回归分析SPSS综述（27页珍藏版）》请在金锄头文库上搜索。
1、* 中国人民大学六西格玛质量管理研究中心 1 聚类分析SPSS上机实践 目录 上页 下页 返回 结束 系统聚类法 用SPSS软件自带的数据文件World95.sav来做一 个实例分析。 为了研究亚洲国家的经济发展水平和文化教育水 平，以便于对亚洲国家进行分类研究，这里我们 进行聚类分析（在World95.sav数据中筛选出亚洲 国家，使用DataSelect CasesIf condition is satisfied中选入region=3）。 详细步骤如下： (1) 打开数据。使用菜单中FileOpen命令，然后 选中要分析的数据World95.sav。 * 中国人民大学六西格玛质量管理研究
2、中心 2 目录 上页 下页 返回 结束 (2)在菜单中的选项中选择AnalyzeClassify命令 ，Classify命令下有两个聚类分析命令，一是K- means cluster（K -均值聚类），二是Hierarchical cluster（系统聚类法）。这里我们选择系统聚类法 。 (3) 在系统聚类法中，我们看到Cluster下有两个 选项，Cases（样品聚类或Q型聚类）和Variables (变量聚类或R型聚类)。这里我们选择对样品进行 聚类。 (4) Display下面有两个选项，分别是Statistics (统计量)、Plots（输出图形），我们可以选择所 需要输出的统计量和图
3、形。 * 中国人民大学六西格玛质量管理研究中心 3 目录 上页 下页 返回 结束 (5) 在系统聚类法中底下有四个按纽，分别是Statistics、Plots、 Method、Save。 （a）在Statistics中，有Agglomeration schedule（每一阶段聚类 的结果），Proximity matrix（样品间的相似性矩阵）。由Cluster membership可以指定聚类的个数，none选项不指定聚类个数，Single solution指定一个确定类的个数，Range of solution指定类的个数 的范围（如从分3类到分5类）。 (b)在Plots中，有Dendr
4、ogram（谱系聚类图，也称树状聚类图）、 Icicle(冰柱图)、Orientation指冰柱图的方向（Horizontal 水平方 向、Vertical垂直方向）。 (c)在Method中， Cluster可以选择聚类方法，Measure中可以选择计 算的距离。 (d)在Save中，可以选择保存聚类结果。 选好每个选项后，点“OK”就可以执行了。 * 中国人民大学六西格玛质量管理研究中心 4 社会经济案例研究 目录 上页 下页 返回 结束 例 城镇居民消费水平通常用表3.15中的八项指标 来描述，八项指标间存在一定的线性相关。为研 究城镇居民的消费结构，需将相关性强的指标归 并到一起，这实
5、际就是对指标聚类。原始数据列 于表3.15。 将原始数据录入SPSS，并依次点击“Analyze” “Correlate” “Bivariate”，打开Bivariate Correlations对话框，把八个变量选入Variables 栏中，单击“OK”，得到这八个指标对应的相关系数 ，列于表3.16。 * 中国人民大学六西格玛质量管理研究中心 5 目录 上页 下页 返回 结束 * 中国人民大学六西格玛质量管理研究中心 6 目录 上页 下页 返回 结束 表3.16中最大的相关系数为r4，80.837，将G4和G8并成一新类G9，然后 计算G9与各类的相关系数，再找最大的相关系数，每次缩小一类
6、得图3 17。 我们可以看出全国城镇居民得消费结构大致可以分为三个方面，一类是各 种副食、日用品及交通通信、文化教育和住房等支出，这是在消费结构中 起主导作用的方面；其次是居民购买烟、酒、饮料及着装支出；粮食和水 电燃料是两项很重要的消费指标，但目前在城镇居民的消费中占的比例较 小，可将它们归并为同一类。 * 中国人民大学六西格玛质量管理研究中心 7 目录 上页 下页 返回 结束 上面介绍的几种系统聚类方法，并类的原则和步 骤基本一致，所不同的是类与类的距离有不同的 定义。其实可以把这几种方法统一起来，有利于 在计算机上灵活地选择更有意义的谱系图。 * 中国人民大学六西格玛质量管理研究中心 8
7、 目录 上页 下页 返回 结束 对例，我们采用欧氏距离分别用类平均法 、最短距离法、最长距离法把31个省市分 类。 类平均法聚类在SPSS中的操作为：点选 “Analyze”“Classify” “Hierarchical Cluster”，打开Hierarchical Cluster Analysis对话框，将八个聚类指标选入 Variables栏中，将表示地区的变量选入 Label Cases By栏中，按“Plots”按钮，在 弹出的窗口中选中Dendrogram（谱系图） 选项，按“Continue”返回主对话框，在按 “Method”按钮，在Cluster Method下拉菜单 中选
8、择Between-groups linkage（组间连 接法，即类平均法）选项，返回主对话框 后按“OK”即可得到聚类结果。 * 中国人民大学六西格玛质量管理研究中心 9 目录 上页 下页 返回 结束 最短距离法和最长距离法操作步骤与类平均法一样，只不过 要在Cluster Method下拉菜单中分别选择Nearest Neighbor 和Furthest Neighbor选项。图3.18、图3.19、图3.20分别 显示了三种方法的分类结果。为便于对照，将三种方法分类 的结果综合列于表3.18。 直观看出，类平均法分为三类：1，9，11，19为第一 类，13，2，22，10为第二类，其他为第
9、三类；最短距 离法分为两类，1，9，11，19为一类，其余的省市归 为一大类；最长距离法也分为三类：1，9，11，19为 第一类，10，22，2，13，26为第二类，其余的省市为 第三类。很显然，这三种方法的分类效果是有差异的。 * 中国人民大学六西格玛质量管理研究中心 10 目录 上页 下页 返回 结束 那么究竟采用哪一种分类为好呢？一种方法是根据分类问题 本身的知识来决定取舍。另一种方法是将几种方法的共性取 出来，有争议的样品根据其实际情况再划分。综合考虑这两 点，笔者认为从全国各省、市、区的消费情况来看，分为三 类较为合适。 由分类结果可以看出，类平均法和最长距离法的分类结果基 本上一致
10、，只是在西藏应该划入第二类还是第三类上存在差 异，从表3.15的实际情来看，西藏的经济发展和消费水平与 始终处在第二类的福建、天津、重庆和江苏有较大差距，因 此划入第三类较为合适，即这个聚类分析用类平均法较为合 适。 * 中国人民大学六西格玛质量管理研究中心 11 目录 上页 下页 返回 结束 * 中国人民大学六西格玛质量管理研究中心 12 目录 上页 下页 返回 结束 * 中国人民大学六西格玛质量管理研究中心 13 回归分析SPSS上机实践 一元基本操作步骤 (1)菜单选项: Analyze-regression-linear (2)选择一个变量为因变量进入dependent框 (3)选择一
11、个变量为自变量进入independent框 (4)enter:所选变量全部进入回归方程(默认方法) (5)对样本进行筛选(selection variable) 利用满足一定条件的样本数据进行回归分析 (6)指定作图时各数据点的标志变量(case labels) * 中国人民大学六西格玛质量管理研究中心 14 (二) statistics选项 (1)基本统计量输出 Estimates:默认.显示回归系数相关统计量. confidence intervals:每个非标准化的回归系数95% 的置信区间. Descriptive:各变量均值、标准差和相关系数单侧检 验概率. Model fit:默认
12、.判定系数、估计标准误差、方差分析 表、容忍度 (2)Residual框中的残差分析 Durbin-waston:D-W值 casewise diagnostic:异常值(奇异值)检测 (输出预测 值及残差和标准化残差) * 中国人民大学六西格玛质量管理研究中心 15 (三)plot选项:图形分析. Standardize residual plots:绘制残差序列直 方图和累计概率图,检测残差的正态性 绘制指定序列的散点图,检测残差的随机性、异 方差性 ZPRED:标准化预测值 ZRESID:标准化残差 SRESID:学生化残差 produce all partial plot:绘制因变量和
13、所有 自变量之间的散点图 * 中国人民大学六西格玛质量管理研究中心 16 多元回归基本操作步骤 (1)菜单选项: analyze-regression-linear (2)选择一个变量为因变量进入dependent框 (3)选择一个或多个变量为自变量进入independent 框 (4)选择多元回归分析的自变量筛选方法: enter:所选变量全部进入回归方程(默认方法) remove:从回归方程中剔除变量 stepwise:逐步筛选；backward:向后筛选； forward:向前筛选 (5)对样本进行筛选(selection variable) 利用满足一定条件的样本数据进行回归分析 (6
14、)指定作图时各数据点的标志变量(case labels) * 中国人民大学六西格玛质量管理研究中心 17 (二) statistics选项 (1)基本统计量输出 Part and partial correlation:与Y的简单相 关、偏相关和部分相关 R square change:每个自变量进入方程后 R2及F值的变化量 Collinearity dignostics:共线性诊断. * 中国人民大学六西格玛质量管理研究中心 18 (三)options选项: stepping method criteria:逐步筛选法参数设置. use probability of F:以F值相伴概率作为
15、变量进入和剔 除方程的标准.一个变量的F值显著性水平小于 entry(0.05)则进入方程;大于removal(0.1)则剔除出方程 .因此:Entryregression-curve estimation (3) 选择因变量到dependent框 (4) 选择自变量到independent框或选time以时 间作自变量 (5)选择模型 (R2最高拟和效果最好) * 中国人民大学六西格玛质量管理研究中心 20 其他选项 (1)display ANOVA table:方差分析表 (2)plot models:绘制观察值和预测值的对比图. (3)save选项: predicted values:保
16、存预测值. Residual:保存残差值. prediction interval:保存预测值的默认95%的可置信区间. Predict case:以time作自变量进行预测. Predict from estimation period through last case:计算保存所有 预测值. Predict through :如果预测周期超过了数据文件的最后一个观测期, 选择此项,并输入预测期数. * 中国人民大学六西格玛质量管理研究中心 21 例 研究各省的课题总数与投入人年数，投入高级 职称的人年数，投入科研事业经费，专著数。论 文数，获奖数之间的关系 * 中国人民大学六西格玛质量管理研究中心 22 * 中国人民大学六西格玛质量管理研究中心 23 * 中国人民大学六西格玛质量管理研究中心 24 * 中国人民大学六西格玛质量管理研究中心 25 * 中国人民大学六西格玛质量管理研究中心 26 * 中国人民大学六西格
