三 常用的统计分析方法[课件]].pptVIP

常用的统计分析方法 一 回归分析 一元线性回归 一元线性回归 一元线性回归各种残差与预测值关系示意图 例：在某铂矿氧化带的探槽中，采集了18个样品，分析其中铂与砷含量，其结果见表 由图可见，它们之间呈现线性关系 Y=a+bX 若用  回归分析是研究随机变量对其它变量（可以是随机变量，也可以是确定性变量）的依赖关系的一种统计分折方法。虽然回归分析与相关分析之间有微小的区别，人们常常把它们统称为回归分析或相关分析。 回归分析主要解决以下几方面的问题： （1）建立回归方程 ＝b0＋b1X1＋b2X2＋…＋bpXp （2）讨论回归方程中各自变量的作用，或者说检验 每个自变量对回归的贡献大小。 （3）最优回归方程的选择。 （4）对因变量y的预测或控制。 多元线性回归的概念 回归菜单 线性回归主对话框 设定运算规则对话框 输出统计量对话框 选择对话框 简单散点图对话框图 散点图示例 例： 四川某铂族元素矿区，该矿区内的基性、超基性岩浆岩具有明显的铂族元素矿化特征，请用逐步回归分析方法，求出Pt含量与其它元素的回归方程。 例：某钨矿床矿石定量分析结果及WO3预报值 二 相 关 分 析 Correlations 相关分析的概念与相关分析过程 基本概念： 基本概念： 基本概念：关于相关系数统计意义的检验 相关分析菜单项 两个变量间的相关分析 二元变量相关分析主对话框 输出选择项对话框 秩相关实例 偏 相 关 分 析 偏相关的有关公式： 偏相关分析的主对话框 偏相关的选择项对话框 偏相关应用实例输出1 距 离 分 析 Distance 距离分析的主对话框图 不相似性距离测度选择项对话框 相似性测度选择项对话框 距离分析实例 变量间不相似性分析例题输出 变量间的相似性测度例题 注意使用辅助方法 Graph?Scatter 三 聚类分析 定义：根据研究对象（样品或变量）的多种特征在数值上可能存在着的相似性程度，将它们聚合为不同的点群的一种多元统计分析方法。 分类：聚类分析按其研究对象的不同可分为两类：一类是对样品分类，称Q型分析；另一类是对变量分类，称R型分析。 距离尺度 （1）距离系数Z 把n个研究对象（个体）表示为m维坐标空间中的n个点，很自然这些点之间的欧氏距离可用来度量两两点之间的亲疏关系，即两点之间的空间距离愈近，它们就愈相似。 （2）相关系数rij 相关系数rij是第i个样品与第j个样品的相关程度的一种度量 聚类分析一般步骤： （1）选择描述事物对象的变量（或指标）。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。 例5.3 各种聚类分析过程的位置 两 步 聚 类 Two Step Cluster… 两步聚类分析主对话框 快 速 样 本 聚 类 K-Means Cluster QUICK CLUSTER过程 K-Means Cluster Analysis主对话框 分 层 聚 类 Hierarchical Cluster 尺度变量距离计算方法举例 计数变量对的不相似性测度的方法举例 二值变量的距离或不相似性测度的约定 二值变量的距离或不相似性测度方法举例 分层聚类分析主对话框 分层聚类分析的方法选择对话框 聚类方法选择”下拉菜单 测度连续变量距离的方法 测度二值变量距离和相似性的方法 对数值进行标准化的方法选择菜单 选择输出统计量的对话框 选择统计图表的对话框  四 因子分析与对应分析 FACTOR 主成分分析与因子分析概述 主成分分析与因子分析概述 主成分分析中的主要统计量 主成分分析与因子分析概述 主成分分析与因子分析概述 主成分分析与因子分析概述 因子分析的概念 因子分析的概念 因子分析的概念 因子分析主对话框 因子分析简单实例输出1  选择描述统计量的子对话框 因子提取子对话框 有关旋转方法选择的子对话框 因子得分选择项子对话框 选择输出项对话框 由图可见，SiO2、Mo、Cu、Ag属于一类；CaO、MgO属于一类。前一类为矿化作用带进围岩中的组分，并富集形成铜钼矿。后一类CaO、MgO为围岩成分 。 1 TwoStep Cluster两步聚类，可以分析大数据文件； 2 K－Means Cluster快速聚类分