【毕业论文】数据分析软件及其应用2011.ppt

高级统计分析 1、回归分析 2、聚类分析 3、因子分析 聚类分析介绍 方法依据：“物以类聚，人以群分 ” 方法特征：聚类分析是一种建立分类的多元统计方法，它能够将一批样本（或变量）根据其诸多数据特征，按照在性质上的亲疏程度在没有先知知识的情况下进行自动分类，产生多个分类结果。类内部的个体在特征上具有相似性，不同类间个体特征的差异性较大。 聚类过程中亲疏程度的度量：计算个体间的距离，计算方法因变量类型不同而不同。 定距型变量个体间距离的计算：有7种方法，其中最常用的是欧氏距离（Euclidean distance)； 计数变量个体间距离的计算：卡方（Chi-Square measure)距离、Phi方（ Phi-Square measure)距离； 二值变量个体间距离的计算：简单匹配系数（Simple Matching）、雅科比系数（Jaccard) 聚类分析想（续） 聚类分析的方法：层次聚类法、K-Means聚类、模糊聚类等 层次聚类法：Q型聚类、R型聚类。 聚类方式有：凝聚方式、分解方式两种。Spss层次聚类采用的是凝聚方式。 个体与小类、小类与小类间“亲疏程度”的度量方法： 最近邻居（Nearest Neighbor)距离 最远邻居（Furthest Neighbor)距离 组内平均连锁（Within-groups-linkage）距离 重心（Centroid clustering）距离 因子分析 因子分析的基本思想：根据相关性大小把原始变量分组，使的同组内的变量之间相关性较高，而不同组变量间的相关性较低。每组变量代表一个基本结构，并用一个不可观测的综合变量来表示，这个基本结构称为公共因子。因子分析的目的是寻求变量的基本结构，简化观测系统，减少变量维数，用少数的变量解释所研究的复杂问题。 因子分析的一般数学模型 因子分析的步骤 第一步，对原始变量进行标准化处理； 第二步，提取因子，确定描述数据所需要的因子数以及计算方法； 第三步，因子旋转，集中于变换因子使之更好解释； 第四步，计算因子得分； 第五步，根据因子的分值作进一步的分析。 因子分析中的几个重要概念 因子负荷:（因子载荷），即因子分析模型中的各因子系数值。他的绝对值越大，表示该因子对当前变量的影响程度越大。 公因子方差比（Communalities):指的是提取公因子后，各变量信息分别被提取的比例，或者说原变量方差中有公因子决定的比例。其取值在0~1之间，其值越大，说明该变量能被因子说明的程度越高。 特征根（Eigenvalue):特可以看做是公因子影响力度的指标，代表引入该因子后可以解释多少元是变量的信息。 因子分析的应用 解决多重共线性问题。 数据简化。 对样本进行分类和综合评价。 * * * * * * * * * * * * 一、建立spss数据文件 打开spss，进入数据输入（Data View）界面； 定义变量与数据编码，其中“name”、 “label”、“ values”三个选择比较重要； 在数据输入模式下，用键盘将数据直接输入，输入前点击View→Value Labels； 保存数据文件，待分析使用。 Spss变量名的定义规则 变量名中不能有空格； 变量名允许有64字节长，首写必须是文字母或以下符号之一：@、#、$，除首写自字符外其他可以是字母、数字、小数点或其他任意非标点符号的字符； 避免“.”、“-”作为变量名结尾。 Spss的变量类型 数值型：标准数值型、带逗号的数值型 、圆点数值型、科学计数法、带美元符号的数值型、自定义类型。 字符型：字符串可以包括数字、字母、特殊字符，最长为32767个字符。 日期型：16种。 变量标签与值标签 变量标签与值标签，用于变量名和变量值的辅助说明。 Variable Labels（变量标签）在统计分析结果中，可以在与变量名相对应的位置显示该变量的标签，或直接以变量标签代替变量名显示，有助于理解和分析输出结果。 Value Labels（变量值标签），分类变量经常需要定义值的标签。由于提高数据录入效率非常有用。 输入数据 输入数据的方法 查看文件信息和变量信息 对数据文件的操作 数据文件的打开与保存； 数据库文件的转换； 编辑数据文件 在单元格中表编辑数据； 插入变量与删除变量； 插入记录与删除记录； 数据的剪贴、复制和粘贴； 撤销操作。 调查数据的前期处理 数据的合并 （复制、粘贴） 数据的审核与修改 数据输入错误的类型：数值定义范围内的错误、数值定义范围外的错误、逻辑错误。 用Recode和Computer命令查找错误。 第二类错误的检查：数据排序： Data→sort ca