第三讲 DPS应用(3、多元统计分析).pptVIP

（五）聚类分析系统聚类分析编辑数据、定义数据块：一行一个样本，一列一个变量；选定待分析数据，定义成数据矩阵块；进入主菜单，选项执行“系统聚类分析”过程：在分析过程中，系统会先后要求选择数据转换方法、相似性尺度以及聚类方法。不过，对每一种选择都有一个默认值。可采用系统的默认值对数据实施规格化转换、采用卡方距离相似尺度和以离差平方和聚类方法进行聚类分析。例：为研究某地1962~1988年三化螟种群消长演替规律，根据历年积累的资料进行系统聚类分析。三化螟种群消长特征指标有第二、三代幼虫发生量，第二、三代卵盛孵高峰期(分别以5月31日和7月20日为零)，二代至三代及三代至四代的增殖系数。原始数据编辑整理及其数据块的定义见图（五）聚类分析由于该数据的量纲不同，各列数据(即各个变量)的数量级别相差也较大，故在进行聚类分析之前先采用规格化变换方法对数据进行处理。对原始数据进行规格化变换后，再确定距离系数计算方法，在此采用卡方距离进行聚类分析。最后还要进行聚类分析方法的选择，本例中分别采用离差平方和法、类平均法、重心法和最短距离法等四种方法进行分析。聚类分析的输出结果包括数值和图形两部分，数值结果为各个样本的联结序号、联结水平和聚类谱系图索引；图形结果输出在屏幕上（图）。（五）聚类分析从聚类分析结果看，以离差平方和法的聚类效果最好。它将27个样本分成4类：第1类包括8个样本(1，4，5，6，2，3，17，21)第2类包括11个样本(7，20，14，10，11，12，22，25，26，27，23)第3类包括6个样本(8，9，18，15，16，19)第4类只有13和24，两个样本可以看成是一个特殊类别。最短距离法的聚类效果最差，而重心法由于所得到的谱系图出现逆转现象，且无法分类，从树状谱系图观点来看，该方法是不恰当的，这是重心法的一个缺点。第1类是重发生年类型；第2、3类是偏轻发生年类型，偏轻类型中的第2类是三代多发型，第3类是四代多发型；而第4类，即1974年和1985年(样本13，24)除第三代发生量大之外，第二代的发生量也很大，属于三化螟猖獗发生年。（五）聚类分析0-1型变量聚类分析当原始数据是二元性质的属性变量时，由于数据结构的特殊性，它不必进行数据转换处理。它可直接根据原始数据计算相似系数和距离系数。聚类分析数据编辑格式：一行一个样本，一列一个变量(第一列可以是样本名称)。编辑完后将待分析数据及其样本名称同时定义成数据块，然后执行“多元分析→聚类分析→0-1数据聚类分析”功能，系统出现如下选择框（五）聚类分析0-1型变量聚类分析在用户选择框内的右下角，多了一个0-1化阈值输入框，这是提供用户将数量化指标转换成0-1指标进行聚类分析的技术。如果是数量化指标，在经过数据转换后，再将转换后数据进行规格化变换处理，即从转换后数据矩阵的每一个变量中找出其最大和最小值，两者之差称为极差，然后从每一个原始数据中减去该变量中的最小值，再除以极差（称为规格化转换）。经这样的变换后，每列的最大数据变为1，最小数据变为0，其余数据取值在0~1之间。这时和给定的阈值相比，如大于等于给定的阈值则赋值为1，否则赋值为0。然后选定聚类距离和聚类方法。如果定义的数据块第一列是样本名称，则在“第一列是否是样本名称”选择框中选择“是”。分析结束时，系统会显示系统聚类树状图，用鼠标双击树状图后，会显示提示保存聚类图的界面（五）聚类分析动态聚类分析动态聚类法又称逐步聚类法，其基本思想是：首先，按照一定的方法选取一批凝聚点，然后让样品向最近的凝聚点凝聚。这样由点凝聚成类，得到初始分类。初始分类不一定合理，然后按最近距离原则修改不合理的分类，直到分类比较合理为止，从而形成一个最终的分类结果。（五）聚类分析动态聚类分析主要计算步骤：第1步，先将原始数据进行标准化处理。第2步，选择预定数目的凝聚点对样品进行初始分类（人为分类）。设xij为已标准化处理后的第i个样品的第j个指标，若初始分类数为K，经计算，分别将每个样品归入第k类(1≤k≤K)，由此得到初始分类。第3步，计算每一类的重心，以该重心作为新的凝聚点，再计算每一个样品至新凝聚点的距离，并将它划入最近凝聚点所属的类别。当所计算的重心与原来的凝聚点完全相同，则过程终止，否则将重复按第3步的过程计算。第3步的重复过程是迭代过程，每一次迭代都使对应的分类函数缩小。当上下两次的重心完全相同时，计算过程收敛，此时分类函数趋于定值。按批修改法的最终分类结果受到初始分类的影响，这是动态聚类法的一个缺点。（六）判别分析在统计分析中，经常遇到分类判别的问题，也就是根据观测数据对所研究的对象进行分类判别。判别分析方法就是专