第5部分-多元统计分析的SPSS实现.pptVIP

3. 冗余分析 从表9.11可以看到，长子的头型变量被自身的第一典型变量解释了86.7%，次子的头型变量被自身的第一典型变量解释了91.8%。 表9.10 两组典型变量的未标准化系数 表9.11 冗余分析 本章结束 多维标度法SPSS实现 一 多维标度法在SPSS中的实现 二 利用SPSS对本章美国十城市的例子 进行多维标度 一、多维标度法在SPSS中的实现 —— 实例1 以SPSS自带文件World95.sav为例，对亚洲国家和地区的17个国家的人口寿命情况进行分析。 （一）操作步骤： 1. 在Data→Select case对话框的If过滤条件中输入过滤条件 “region=3”。得到17个国家和地区。 2. 主菜单中选择Analyze→Scale→Multidimensional Scaling (ALSCAL) 。就进入多维标度法的主对话框（图10.3）。在左上方是变量列表选择以下变量：urban（城市人口比例），lifeexpf（女性平均寿命），lifeexpm（男性平均寿命），gdp_cap（人均GDP），death_rt（千人死亡率），birth_rt（千人出生率），literacy（受教育人口比例）。由于原始数据不是距离阵，因此需要在下方Distances单选项中选择Create distances from data，这时Measure子对话框被激活，默认计算Euclidean distance，即欧氏距离。 图10.3 多维标度法的主对话框 3. 点击进入Measure子对话框，对距离阵进行设定，（图10.4）。由于我们的变量都是连续数值型的，所以应在Measure单选项中选择Interval。并在其下方的Transform Values栏中选择变量标准化变换的方式，这里我们选择Z scores和By variable，表示对变量进行正态标准化。然后在Create Distance Matrix单选项中选择Between cases，表示计算样品之间的距离阵。设置完毕后，点击Continue回到主对话框。 图10.4 Measure子对话框 4. 在主对话框中点击进入Model子对话框，如图10.5。这里可以设定变量取值的类型。在Level of Measurement中选择Interval，即连续取值的数值型变量。其他设置无需改变，点击Continue返回主对话框。 图10.5 Model子对话框 5. 点击进入Options子对话框（图10.6），该对话框中提供了一些结果显示的选择。Display栏中默认不输出任何图表。选择Group plots项可得到多维标度图,这里图表的维度由Model中的Dimensions中填入最小维度Minimum和最大维度Maximum决定；择选Data matrix项可得到距离阵和拟合构造点的坐标；而Model and options summary是显示出多维标度法中的参数设置，计算方法等。这里我们选择Group plots和Data matrix项后，点击Continue返回主对话框，再点击OK运行。 图10.6 Options子对话框 （二）结果分析： 1. 样品验证表，发现有一个样品存在缺失值。查原始数据后发现Taiwan缺少千人死亡率，该样品被去除。国家地区的编号如下（表10.6）。 表10.6 国家和地区的编号 2. SPSS会依次输出原始距离阵（表10.7），古典解的迭代过程和有关压力指标值（表10.8），拟合构造点在二维空间中的坐标（表10.9），以及最优标度的距离阵（表10.10）。在表3中，Young氏压力指标值为0.02289，K压力指标为0.03880，都小于0.05。RSQ=0.99485。这些都说明模型拟合效果很好。 表10.7 原始距离阵（部分） 表10.8 压力指标检验 表10.9 拟合点的在2维标度中的坐标（部分） 3. 接下来是欧氏距离下的16个国家和地区的拟合构造点的二维图（图10.7），从图上可以看出比较发达的地区基本都在第三个象限，如香港，日本，新加坡。而中国和泰国，菲律宾等国较为接近。而线性拟合散点图（图10.8）从图形上告诉我们采用欧氏距离来拟合原始数据的距离阵是非常合适的。 表10.10 最优标度的距离阵（部分） 图10.7 拟合构造点的二维坐标图 图10.8 欧氏距离下的线性拟合散点图 二、利用SPSS对本章美国十城市的例子进行多维标度 （一）操作步骤： 1. 打开文件之后，在主对话框的distances单选