6信息分类方法.pptVIP

6、信息分类方法 ——因子分析与聚类分析 补充：相关系数 皮尔逊相关系数 r(X,Y)= = = 补充：常用的聚类方法 扩展：MDS MDS，多维尺度分析， 多维尺度分析（Multidimensional Scaling analysis, 简称MDS）处理的是表示变量亲近性的数据（Proximity data）。 MDS的目的是寻找决定多个变量的少数几个变量，并在低维空间内以图形的形式表现出来。多维尺度法可依其输入（input）及输出（output）数据是计量（metric，比率和等距数据）或非计量（non-metric，定序和属性数据）可分为三类：完全计量多维尺度法（输入数据与输出结果都是计量）；完全非计量多维尺度法（输入数据与输出结果都是非计量）；非计量多维尺度法（输入数据是非计量但输出结果为计量的）。  在SPSS中提供了两种程序可以完成多维尺度分析，分别被命名为“Multidimensional Scaling”和“Multidimensional Scaling（PROXSCAL）”。在“Multidimensional Scaling”中输入数据被假定为非相似性数据，即两个研究对象之间的数值越大说明越不相似。对于相似性数据，通过“Create distances from data”则可以实现将相似性数据转化为非相似性数据的目的。该程序产生的结果有两个非常重要的参数来考察结果的优劣性（即拟合优度）。一是Stress（压力系数），一是RSQ（Stress and squared correlation）。Stress越小约好，而RSQ越大约好。一般Stress≤0.2，RSQ≥0.6时，结果可以接受。 在“Multidimensional Scaling（PROXSCAL）”中输入数据的类型可以选择，比较灵活，既可以选择相似性数据，也可以选择非相似性数据。该程序产生的一个非常重要的参数是Normalized Raw Stre和Dispersion Accounted For（D.A.F.），Normalized Raw Stress该参数越小越好，D.A.F.相当于RSQ，越大越好。 [1]非计量MDS在1964由J.B.Kruskal提出“压力系数（Stress）”的概念与指标后，建立起一个评估所得到图形与输入数据间的配合度（goodness of fit）优劣的标准（用poor，fair，good，excellent和perfect表示），使之更为完备。Kruskal将Stress的大小分为五级，各代表不同的配合程度。具体为：0.200表示不好（poor）；0.100表示还可以（fair）；0.050表示好（good）；0.025表示非常好（excellent）；0.000表示完美（perfect）。 [3] 至于具体小于多少并没有具体规定。 （2）样本数据的处理 考虑到各指标数据的差异以及使得分析结果更加有效，首先将样本数据进行标准化处理，处理后的数据消除了量纲之间的差异。 保存在文件“西部地区人口素质.sav”中。 （3）利用SPSS进行因子分析 Analyze→Data reduction→Factor 输出各个分析变量的初始共同度，特征值以及解释方差的百分比 （4）结果分析 KMO测度值大于0.5 巴特利特球体检验值查表也可以通过 因子载荷矩阵 Component 1 2 3 抚养比（%） -.489 .419 .676 文盲率（%） -.724 .595 -.277 人均受教育年数（年） .624 -.714 .243 妇女平均存活子女数 -.410 -.147 .848 平均预期寿命（岁） .782 -.436 -.115 高等学校数（所） .886 .284 .316 高等学校毕业生人数 .909 .292 .136 专利申请受理量（件） .921 .307 -.060 专利申请授权量（件） .920 .326 -.069 教育经费（万元） .916 .287 .143 旋转后的因子载荷矩阵 Component 1 2 3 抚养比（%） -.042 -.423 .832 文盲率（%） -.323 -.923 .014 人均受教育年数（年） .170 .964 -.030 妇女平均存活子女数 -.251 .130 .910 平均预期寿命（岁） .381 .721 -.387 高等学校数（所） .940 .279 .069 高等学校毕业生人数 .927 .239 -.108 专利申请受理量（件） .908 .185 -.296 专利申请授权量（件） .915 .165 -.303 教育经费（万元） .932 .249