SPSS聚类分析与判别分析幻灯片.ppt

（14）输出的结果文件中第十四个部分如图8-30所示。 （15）输出的结果文件中第十五个部分如下： （16）在实现过程中曾指定了将判别分析的结果作为样本的变量保存到SPSS的数据编辑窗口中。SPSS运行后，数据编辑窗口如图8-31所示。 小 结 聚类分析的实质是建立一种分类方法，将一批样本数据按照他们在性质上的密切程度在没有先验知识的情况下自动进行分类。聚类方法主要分为层析聚类分析方法和快速聚类分析方法，其中层次聚类分析方法又有两种形式：一种是对样本进行分类，称为Q型聚类；一种是对研究变量进行分类，称为R型聚类。 小 结 判别分析是指先根据已知类别的事物的性质，建立函数式，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。判别分析的模型按照判别的不同准则可以分为典型判别分析、贝叶斯判别分析、非参数判别分析等不同模型。 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 公 司 组 织 文 化 领 导 角 色 员 工 发 展 Group Microsoft 80.00 75.00 90.00 1 IBM 85.00 90.00 90.00 1 Dell 85.00 85.00 60.00 1 Apple 90.00 75.00 90.00 1 联想 99.00 78.00 80.00 1 NPP 88.00 89.00 90.00 2 北京电子 79.00 95.00 97.00 3 清华紫光 89.00 81.00 82.00 1 北大方正 75.00 95.00 96.00 1 TCLE 60.00 85.00 88.00 3 世纪成 79.00 50.00 51.00 2 Angel 75.00 88.00 89.00 1 Hussar1 60.00 89.00 90.00 3 世纪飞扬 100.00 85.00 84.00 3 Vinda 61.00 89.00 60.00 3 ? 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 图8-27 “Discriminant Analysis：Statistics”对话框 图8-28 “Discriminant Analysis：Classification”对话框 图8-29 “Discriminant Analysis：Save”对话框 （1）SPSS输出结果文件中的第一部分如下表所示。 8.5.3 结果和讨论 （2）输出的结果文件中第二部分如下表所示。 （3）输出的结果文件中第