统计学SPSS统计软件在项目管理中的应用.PPT

项目管理硕士研究生基础学位课——《统计学》课件 第七章 SPSS统计软件在项目管理中的应用 本章教学目的：掌握SPSS软件功能，能使用该软件进行描述性分析、相关分析、回归分析、聚类分析和因子分析。 本章教学重点：相关分析、回归分析、聚类分析和因子分析 本章教学难点：聚类分析和因子分析 本章教学学时：8学时 1、文件：文件管理菜单，有关文件的调入、存储、显示和打印等； 2、编辑：编辑菜单，有关文本内容的选择、拷贝、剪贴、寻找和替换等； 3、视图：显示菜单，有关状况栏、工具条、网格线是否显示，以及数据显示的字体类型、大小等设置； 4、数据：数据管理菜单，有关数据变量定义、数据格式选定、观察对象的选择、排序、加权、数据文件的转换、连接、汇总等； 5、转换：数据转换处理菜单，有关数值的计算、重新赋值、缺失值替代等； 练习： 从练习文件夹中读取名为“全国各地粮食生产情况”的Excel文件 第七节 多元线性回归(Linear过程) 主要功能和原理介绍 在实际问题中，因变量常受不只一个自变量的影响。如：植物生长速度受温度、光照、水分、营养等许多因素的影响；家庭消费支出受可支配收入水平、以往消费水平、收入水平的影响；汽车的需求量受人们的收入水平、汽车价格、汽车使用费用的高低等影响。 多元线性回归就是研究某一个因变量和多个自变量之间的相互关系的理论与方法。 多元线性回归方程中变量的选取 1．向后剔除法（Backward Elimination） （1）将所有的P个自变量全部选入回归模型，然后估计出回归系数； （2）检验回归系数是否为零； （3）去掉在回归系数检验中没有通过的检验（即回归系数为零）具有最小F值的变量，将剩余的P-1个自变量作回归模型，再估计出回归系数，如果没有通过检验的变量较多，将检验水平选的稍微大一点，如0.10； （4）再对P-1个自变量作回归系数进行是否为零的检验，如果还有变量的回归系数没有通过检验，再去掉在回归系数检验中具有最小F值的变量，将剩余的P-2个自变量再作回归模型估计出回归参数； （5）依此进行下去直到所剩变量均通过检验。 第八节 聚类分析（Classify过程） 聚类分析是直接比较各事物之间的性质，将性质相近的归为一类，将性质差别较大的归入不同的类。 判别分析则先根据已知类别的事物的性质，利用某种技术建立函数式，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。 聚类分析与判别分析有很大的不同，聚类分析事先并不知道对象类别的面貌，甚至连共有几个类别也不确定；判别分析事先已知对象的类别和类别数，它正是从这样的情形下总结出分类方法，用于对新对象的分类。 聚类分析基本步骤： （1）选择描述事物对象的变量（指标）。要求选取的变量既要能够全面反映对象性质的各个方面，又要使不同变量反映的对象性质有所差别； （2）形成数据文件，建立样品资料矩阵； （3）确定数据是否需要标准化。 （4）确定表示对象距离或相似程度的统计量； （5）选择适当的事物对象聚类方法，进行聚类。 距离或相似系数的测度 将一个样品看作P维空间的一个点，并在空间定义距离，距离越近的点归为一类，距离较远的点归为不同的类； 用相似系数，性质越接近的样品，它们的相似系数的绝对值越接近1，而彼此无关的样品，它们的相似系数的绝对值得越接近于零，结果是样品之间相似系数大的样品归为一类，样品之间相似系数小的样品归为不同的类。 聚类分析的类型 根据聚类分析的特点，可以划分为3种类型： （1）聚合法：开始每个样品自成一类，计算各类之间相似程度统计量，把最相似的两类合并成一类；重新计算各类之间相似程度统计量把最相似的两类合并成一类，这样一直到所有样品归为一类。 （2）分解法：与聚合法相反，开始所有样品归为一类，然后分为两类，一直到每个样品归为一类或不能再细分为止。 （3）调优法：开始人为将样品初始分类，在一定规则下判断该分类是否最优，如果不是则进行修改，再判断修改后的分类是否最优，不断重复上述步骤，直到分类达到最优为止。 聚类分析也可以从对变量或者对样品进行分类这个角度，划分为Q型聚类和R型聚类： Q型聚类：对样品聚类，具有相同特点的样本聚齐在一起； R型聚类：对研究对象的观测变量进行聚类，使得具有共同特征的变量作为一类。 系统聚类法 系统聚类法是目前国内外使用最多的一种聚类方法。基本思想是：先将所有样品看成一类，然后选择性质最接近（距离最小）的两类合并为一个新类，接着计