聚类分析与判别分析课件.pptVIP

第94页，共149页，星期日，2025年，2月5日练习聚类分析（小康指数）.sav分成3类第95页，共149页，星期日，2025年，2月5日8.5判别分析前面3节讲述了不同种聚类分析的方法，不论是哪种方法，聚类分析都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。第96页，共149页，星期日，2025年，2月5日本节讲述的判别分析，也是一种比较常用的分类分析方法。判别分析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。第97页，共149页，星期日，2025年，2月5日有学者在研究中提出，可以利用判别分析来对聚类分析结果的准确性进行检验。聚类分析分成几类后，即可以作为判别分析的类别输入，进行判断。第98页，共149页，星期日，2025年，2月5日定义：判别分析先根据已知类别的事物的性质（自变量），建立函数式（自变量的线性组合，即判别函数），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。8.5.1统计学上的定义和计算公式第99页，共149页，星期日，2025年，2月5日判别分析有如下的假定：?预测变量服从正态分布。?预测变量之间没有显著的相关。?预测变量的平均值和方差不相关。?预测变量应是连续变量，因变量（类别或组别）是间断变量。?两个预测变量之间的相关性在不同类中是一样的。第100页，共149页，星期日，2025年，2月5日在分析的各个阶段应把握如下的原则：?事前组别（类）的分类标准（作为判别分析的因变量）要尽可能准确和可靠，否则会影响判别函数的准确性，从而影响判别分析的效果。?所分析的自变量应是因变量的重要影响因素，应该挑选既有重要特性又有区别能力的变量，达到以最少变量而有高辨别能力的目标。?初始分析的数目不能太少。第101页，共149页，星期日，2025年，2月5日第102页，共149页，星期日，2025年，2月5日第103页，共149页，星期日，2025年，2月5日第104页，共149页，星期日，2025年，2月5日这些判别函数是各个独立预测变量的线性组合。程序自动选择第一个判别函数，以尽可能多地区别各个类，然后再选择和第一个判别函数独立的第二个判别函数，尽可能多地提供判别能力。程序将按照这种方式，提供剩下的判别函数。判别函数的个数为k。第105页，共149页，星期日，2025年，2月5日图8-13“HierarchicalClusterAnalysis：Statistics”对话框（二）第62页，共149页，星期日，2025年，2月5日（1）首先是层次R型聚类分析的结果，该结果是SPSS输出结果文件中的第一个表格。8.3.3结果和讨论第63页，共149页，星期日，2025年，2月5日（2）输出的结果文件中第二个表格如下表所示。第64页，共149页，星期日，2025年，2月5日（3）输出的结果文件中第三个表格如下表所示。第65页，共149页，星期日，2025年，2月5日（4）输出的结果文件中第四个表格如下表所示。第66页，共149页，星期日，2025年，2月5日（5）输出的结果文件中第五个表格如下表所示。第67页，共149页，星期日，2025年，2月5日（6）输出的结果文件中第六部分如下：第68页，共149页，星期日，2025年，2月5日练习地区指标R型聚类.sav聚类分析（裁判打分）.sav第69页，共149页，星期日，2025年，2月5日8.4快速聚类分析SPSS层次聚类分析对计算机的要求比较高，在大样本的情况下，可以采用快速聚类分析的方法。采用快速聚类分析，得到的结果比较简单易懂，对计算机的性能要求也不高，因此应用也比较广。第70页，共149页，星期日，2025年，2月5日定义：快速聚类分析是由用户指定类别数的大样本资料的逐步聚类分析。它先对数据进行初始分类，然后逐步调整，得到最终分类。快速聚类分析的实质是K-Mean聚类。8.4.1统计学上的定义和计算公式第71页，共149页，星期日，2025年，2月5日和层次聚类分析一致，快速聚类分析也以距离为样本间亲疏程度的标志。但两者的不同在于：层次聚类可以对不同的聚类类数产生一系列的聚类解，而快速聚类只能产生固定类数的聚类解，类数需要用户事先指定。第72页，共149页，星期日，2025年，2月5日