多元统计分析(聚类分析,判别分析,对应分析).pptVIP

组员：邹俊逸刘晓阳拓锦鑫对一所重点学校某个班成绩的综合分析

（综合创新思维训练与实践）前言随着社会竞争的越来越激烈，家长和老师对于学生成绩的态度愈加重视，对于学生将来的发展与前途也同样感到一丝忧虑，因此及时公布学生的学习成绩并且能够增其长补其短对于学生将会有很大的帮助。本文利用某所重点学校某个班的成绩单来分析这个班学生成绩的优劣，以达到取长补短的目的，主要应用了SPSS软件对成绩进行了综合性的分析。目录聚类分析定义聚类分析是统计学中研究“物以类聚”问题的多元统计分析方法。聚类分析又称群分析，它是研究对样品或指标进行分类的一种多元统计方法。所谓的“类”，通俗地说就是相似元素的集合。计算n个样品两两间的距离，得样品间的距离矩阵。类与类之间的距离本文应用的是类平均法。所谓类平均法就是：两类样品两两之间平方距离的平均作为类之间的距离，即：采用这种类间距离的聚 类方法，称为类平均法。对步骤i得到的距离矩阵，合并类间距离最小的两类为一新类。此时类的总个数k减少1类，即k=n-i+1.画谱系聚类图；初始（第一步：i=1）n个样本各自构成一类，类的个数k=n，第t类（t=1,2···，n）。此时类间的距离就是样品间的距离（即）。计算新类与其他类的距离，得新的距离矩阵。若合并后类的总个数k扔大于1，重新步骤（3）和（4）；直到类的总个数为1时转到步骤（5）。决定总类的个数及各类的成员。基本步骤聚类分析聚类分析返回结果分析判别分析概述判别分析是用于判断个体所属类别的一种统计方法。根据已知观测对象的分类和若干表明观测对象特征的变量值，建立判别函数和判别准则，并使其错判率最小，对于一个未知分类的样本，将所测指标代入判别方程，从而判断它来自哪个总体。当然，这种准则在某种意义上是最优的，如错判概率最小或错判损失最小等。其前提是总体均值有显著差异，否则错分率大，判别分析无意义。判别分析操作步骤输入数据，选择分析→分类→判别，然后把“概况”选入分组变量中，再点击“定义范围…”来定义范围为1（最小数值）到4（最大数值），然后将“语文”、“数学”、“外语”、“体育”选入自变量中，然后点击“Statistics…”，在出现的对话框中勾选平均值与Fisher’s，其余选项为默认，点击继续，确定运行。判别分析特徵值函數特徵值變異的%累加%典型相關性110.291a99.399.3.9552.057a.699.9.2333.010a.1100.0.100a.前3個典型區別函數用於分析。反映了判别函数的特征根，解释方差的比例和典型相关系数，第一判别函数解释了99.3%的方差，第二判别函数解释了0.6%的方差，第三判别函数解释了0.1%的方差。结果分析WilksLambda(λ)函數的檢定WilksLambda(λ)卡方df顯著性1至3.08387.14212.0002至3.9362.3026.8903.990.3522.839是对三个判别函数的显著性检验，看出第一判别函数在0.05的显著性水平上是显著的，第二与第三判别函数不显著。判别分析標準化典型區別函數係數函數123语文.903.134.539数学1.387-.246-.578外语1.463-.268.392体育.772.947.024该部分可以看出判别系数表示为：結構矩陣函數123体育.142.952*-.126数学.282-.218-.879*外语.288-.226.604*语文.086-.113.479*该部分是结构矩阵，即判别载荷，由权重和判别载荷可以看出，外语对判别函数1与判别函数3的贡献较大，体育对判别函数2的贡献较大。判别分析群組重心的函數概况函數123优4.568-.216.119良1.191.064-.101及格-2.343.244.090不及格-5.289-.450-.021根据结果，判别函数在y=1这一组的重心为（4.568，-0.216，0.119），在y=2这一组的重心为（1.191，0.064，-0.101），在y=3这一组的重心为（-2.343，0.244，0.09），在y=4这一组的重心为（-5.289，-0.45，-0.021），这样我们就可以根据每个观测的判别Z得分对观测进行分类。对应分析概述对应分析的重要输出结果之一在于，把变量与样品同时反映到相同坐标轴(因子轴)的一张图形上,结合计算结果,在绘出的图形上能够直观地观察变量之间的关系、样品之