《第七章其他方法简介》由会员分享，可在线阅读，更多相关《第七章其他方法简介（23页珍藏版）》请在金锄头文库上搜索。
1、第七章第七章 其他方法简介其他方法简介第一节第一节 聚类分析聚类分析第二节第二节 鉴别分析鉴别分析第三节第三节 对应分析对应分析第四节第四节 结构方程模型结构方程模型第五节第五节第五节第五节 方法纵览方法纵览方法纵览方法纵览第一节 聚类分析简介聚类分析（ Cluster Analysis ）是根据研究对象的特征进行分类的多元分析技术的总称组内同质、组间异质分类对案例聚类（Q型聚类）（为主）对变量聚类（R型聚类）案例聚类的思想 根据所选变量来对研究对象（case）进行分类聚类的结果仅仅反映所选定变量所定义的数据结构变量选择十分重要依据：理论或经验所选变量的特征1、和聚类分析的目标密切相关2、反映
2、了要分类对象的特征3、在不同研究对象上的值有明显差异4、变量之间不应该有高度相关并非变量越多越好，应该只根据在研究对象上有显著差别的那些变量进行分类主要步骤1、选择变量2、计算相似性3、聚类4、聚类结果的解释和证实计算相似性1、相关测度2、距离测度3、关联测度聚类方法1、层次聚类法2、迭代聚类法层次聚类法1、聚集法先把每个案例看成一类，再根据距离一步步合并2、分解法先把所有案例看出一类，再根据聚类一步步分解费时最终得到一个树状结构图迭代聚类法速度快，适用于大样本聚类1、指定要形成的聚类数指定要形成的聚类数，对样本进行初始分类并计算每一类的重心2、调整分类。 计算每个样本点到各类重心的距离，把每
3、个样本点归入距重心最近的那一类3、重新计算每一类的重心4、重复2-3步，直到没有样本点可以再调整为止聚类结果的解释和证实对聚类结果进行解释是希望对各个类的特征进行准确的描述，给每类起一个合适的名称通常的做法是计算各个类在各聚类变量上的均值，对均值进行比较分析，还可以使用聚类变量之外的其他变量，帮助描述各个类的特征，解释各个类差别的原因对聚类结果进行证实是要保证聚类解是可信的，具有一般性，可以进行推广。如果一个聚类解对于从同一总体抽出的不同样本重复出现，那么，我们可以说该聚类解具有一般性做法：1、从同一总体中选取不同的样本进行聚类分析，对结果进行比较和评估2、一般，常常把样本分成两组，分别做聚类
4、分析，对结果进行比较，或者对同一数据采用不同的方法重复聚类结果相同或接近，说明聚类解是稳定的。研究实例研究实例第二节 鉴别分析简介聚类分析（ Cluster Analysis ）是根据研究对象的特征进行分类的多元分析技术的总称组内同质、组间异质第三节 对应分析针对的问题：对定性（Nonmetric）变量数据进行量化分析一般的应对方法往往用非线性统计方法，比如loglinear等，但在每个变量都划分成许多类别的情况下，这些分析方法就很难直观地揭示出变量之间的联系以及变量类别之间的关系。对应分析则有其他方法所不具备的长处一、什么是对应分析通过分析由定性变量构成的交互汇总表来揭示变量间的联系当以变量
5、的一系列类别以及这些类别的分布图来描述变量之间的联系时，使用这一分析技术可以揭示同一变量的各个类别之间的差异以及不同变量各个类别之间的对应关系。而且，它不局限于分析线性关系基本形式：对由两个定性或类型变量构成的交互表进行分析，将定性变量数据转变成可度量的分值、减少维度并作出分值分布图。在减少维度方面（因子分析）作分布图（多维标度）第四节第四节 结构方程模型结构方程模型Structural Equation Modeling简介一种统计建模技术多元回归、因子分析、通径分析等方法都只是结构方程模型中的一种特例简言之：结构方程模型还是利用联立方程组求解，但是它没有很严格的假定限制条件，同时允许自变量
6、和因变量存在测量误差允许自变量和因变量存在测量误差一、应用结构方程的五个主要步骤1、模型设定：根据理论或者以往研究成果设定假设的初始理论模型2、模型识别：决定所研究的模型是否能够求出参数估计的唯一解3、模型估计：参数估计4、模型评价：对模型和数据之间是否拟合进行评价，并与替代模型的拟合指标进行比较5、模型修正：如果模型不能很好地拟合数据，就需要对模型进行修正和再次设定一个拟合较好的模型往往需要反复试验多次二、模型的设定证实性的技术，而非探测性技术研究人员主要是通过应用结构方程模型来确定一个特定模型是否合理确定一个特定模型是否合理，而不是将其用来寻找和发现一种合适的模型。设定模型的方法很多，最简单的就是通径图三、模型的识别考虑模型中每一个未知（自由）参数能否由观测数据求得唯一解作为估计对于某一个自由参数，如果不可能将这一参数以样本方差协方差的代数函数表达，那么这个参数就不能识别
