SPSS16实用教程宋志刚谢蕾蕾何旭洪08课件教学.pptVIP

SPSS 16实用教程 第8章 聚类分析与判别分析 有学者在研究中提出，可以利用判别分析来对聚类分析结果的准确性进行检验。聚类分析分成几类后，即可以作为判别分析的类别输入，进行判断。 定义：判别分析先根据已知类别的事物的性质（自变量），建立函数式（自变量的线性组合，即判别函数），然后对未知类别的新事物进行判断以将之归入已知的类别中。 8.5.1 统计学上的定义和计算公式 判别分析有如下的假定： ? 预测变量服从正态分布。 ? 预测变量之间没有显著的相关。 ? 预测变量的平均值和方差不相关。 ? 预测变量应是连续变量，因变量（类别或组别）是间断变量。 ? 两个预测变量之间的相关性在不同类中是一样的。 在分析的各个阶段应把握如下的原则： ? 事前组别（类）的分类标准（作为判别分析的因变量）要尽可能准确和可靠，否则会影响判别函数的准确性，从而影响判别分析的效果。 ? 所分析的自变量应是因变量的重要影响因素，应该挑选既有重要特性又有区别能力的变量，达到以最少变量而有高辨别能力的目标。 ? 初始分析的数目不能太少。 这些判别函数是各个独立预测变量的线性组合。程序自动选择第一个判别函数，以尽可能多地区别各个类，然后再选择和第一个判别函数独立的第二个判别函数，尽可能多地提供判别能力。程序将按照这种方式，提供剩下的判别函数。判别函数的个数为k。 图8-22 判别分析的示意图 ? 研究问题 调查了15个公司的组织文化、领导角色和员工发展3个方面内容作为预测变量，因变量为公司对员工的吸引力。为符合研究问题，将公司对员工的吸引力根据被测的实际填答情形，划分为高吸引力组（group=1）、中吸引力组（group=2）和低吸引力组（group=3）。数据如表8-4所示。 8.5.2 SPSS中实现过程 表8-4 不同类的不同公司特点 3 60.00 89.00 61.00 Vinda 3 84.00 85.00 100.00 世纪飞扬 3 90.00 89.00 60.00 Hussar1 1 89.00 88.00 75.00 Angel 2 51.00 50.00 79.00 世纪成 3 88.00 85.00 60.00 TCLE 1 96.00 95.00 75.00 北大方正 1 82.00 81.00 89.00 清华紫光 3 97.00 95.00 79.00 北京电子 2 90.00 89.00 88.00 NPP 1 80.00 78.00 99.00 联想 1 90.00 75.00 90.00 Apple 1 60.00 85.00 85.00 Dell 1 90.00 90.00 85.00 IBM 1 90.00 75.00 80.00 Microsoft Group 员 工 发 展 领 导 角 色 组 织 文 化 公 司 ? 实现步骤 图8-23 在菜单中选择“Discriminant”命令 图8-24 “Discriminant Analysis”对话框 图8-25 “Discriminant Analysis：Define”对话框 图8-26 “Discriminant Analysis：Stepwise Method”对话框 （2）输出的结果文件中第二个表格如下表所示。 （3）输出的结果文件中第三个表格如下表所示。 （4）输出的结果文件中第四个表格如下表所示。 （5）输出的结果文件中第五个表格如下表所示。 （6）输出的结果文件中第六部分如下： 8.4 快速聚类分析 SPSS层次聚类分析对计算机的要求比较高，在大样本的情况下，可以采用快速聚类分析的方法。采用快速聚类分析，得到的结果比较简单易懂，对计算机的性能要求也不高，因此应用也比较广。 定义：快速聚类分析是由用户指定类别数的大样本资料的逐步聚类分析。它先对数据进行初始分类，然后逐步调整，得到最终分类。快速聚类分析的实质是K-Mean聚类。 8.4.1 统计学上的定义和计算公式 和层次聚类分析一致，快速聚类分析也以距离为样本间亲疏程度的标志。但两者的不同在于：层次聚类可以对不同的聚类类数产生一系列的聚类解，而快速聚类只能产生固定类数的聚类解，类数需要用户事先指定。 另外，在快速聚类分析中，用户可以自己指定初始的类中心点。如果用户的经验比较丰富，则可以指定比较合理的初始类中心点，否则，需要增加迭代的次数，以保证最终聚类结果的准确性。 计算公式如下。 快速聚类分析计算过程如下。 ? 首先需要用户指定聚类成多少类（