第八章多元统计分析.pptVIP

例子结论 从这两个表中可以看出，V1主要和变量hed相关，而V2主要和led及net相关；W1主要和变量arti及man相关，而W2主要和com相关；这和它们的典型系数是一致的。 由于V1和W1最相关，这说明V1所代表的高学历观众和W1所主要代表的艺术家(arti)及各部门经理(man)观点相关；而由于V2和W2也相关，这说明V2所代表的低学历(led)及以年轻人为主的网民(net)观众和W2所主要代表的看重经济效益的发行人(com)观点相关，但远远不如V1和W1的相关那么显著（根据特征值的贡献率）。 SPSS的实现 对例tv.sav，首先打开例14.1的SPSS数据tv.sav， 通过File－New－Syntax打开一个空白文件（默认文件名为Syntax1.sps），再在其中键入下面命令行： MANOVA led hed net WITH arti com man /DISCRIM ALL ALPHA(1) /PRINT=SIG(EIGEN DIM). 再点击一个向右的三角形图标(运行目前程序，Run current)，就可以得到所需结果了。 还可以把Syntax1.sps另以其他名字（比如tv.sps）存入一个文件夹。下次使用时就可以通过File－Open－Syntax来打开这个文件了。 作业： 1、对作业8中的25个病人7项生化指标数据分别作主成分分析、因子分析、对应分析。 2、对作业8中的15个小麦品种分别作主成分分析、因子分析、对应分析。 3、对作业8中的45个小麦品种的形态、品质、产量性状分别作主成分、因子、对应和典型相关分析。 2.4 DPS进行主成分分析 DPS结果基本与DPS的相同，不同点为SPSS保留了两个主成分，而DPS是根据累积贡献率手动保留，如累积贡献率85%，保留两个，如要求90%，即需保留三个主成分，再根据保留主成分多少确定不同样本的主要因子得分。 第三节 对应分析 对应分析，又称Ｒ─Ｑ分析， 对应分析把Ｒ型与Ｑ 型分析统一起来，把变量和样本同时反应在有相同坐标轴（因子轴）的一张图形上，以便于有关生物学上的解释。从而揭示所研究的样本与变量间的内在联系。 一、SPSS对应分析的实现 实例：以因子分析的例子， 25名健康人的7项生化检验结果，需将数据整理成如下图。 先对每人在各指标上的观测值y进行加权。 Analyze?Data Reduction?Correspondence Analysis 在对话框中分别对人和指标指定范围。 人群分组为：1-25，指标分组为：1-7 二、DPS对应分析的实例 　地区 氯 硫化氢 二氧化硫 碳4 环氧氯丙烷 环己烷 1 0.056 0.084 0.031 0.038 0.008 0.022 2 0.049 0.055 0.1 0.11 0.022 0.007 3 0.038 0.13 0.079 0.17 0.058 0.043 4 0.034 0.095 0.058 0.16 0.2 0.029 5 0.084 0.066 0.029 0.32 0.012 0.041 6 0.064 0.072 0.1 0.21 0.028 0.038 7 0.048 0.089 0.062 0.26 0.038 0.036 8 0.069 0.087 0.027 0.25 0.045 0.021 从图中可直观看出5号地区主要污染源为碳4，6、7、8号地区主要污染源为氯和环已烷，1、2、3号地区主要污染源主要为二氧化碳和硫化氢，4号地区主要污染源为环氧氯丙烷 第四节 典型相关分析 我们知道如何衡量两个变量之间是否相关的问题；这是一个简单的公式就可以解决的问题(Pearson相关系数、 Kendall’s t、 Spearman 秩相关系数)。 如果我们有两组变量，如何能够表明它们之间的关系呢？ 例子（数据tv.txt) 业内人士和观众对于一些电视节目的观点有什么样的关系呢？该数据是不同的人群对30个电视节目所作的平均评分。 观众评分来自低学历(led)、高学历(hed)和网络(net)调查三种,它们形成第一组变量； 而业内人士分评分来自包括演员和导演在内的艺术家(arti)、发行(com)与业内各部门主管(man)三种，形成第二组变量。人们对这样两组变量之间的关系感到兴趣。 节目编号 低学历 高学历 网络 艺术家 发行商 部门主管 num led hed net art com man 1 86 43 85 43 93 71 2 99 74 99 78 99 89 3 37 22 10 27 24 33 4 5 19 56 13 11 38 5 45 43 55 39 54 58 6 21 32 21 34 35 32 7 36 78 48 75 42