医学统计学SPSS.ppt

,单击此处编辑母版标题样式,*,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,7.具有较强的图表生成、编辑功能。,8.丰富的联机帮助功能是初学者学习SPSS的帮手。,第二节 SPSS的安装、启动和退出,一、SPSS的安装,1.启动Windows。,2.把SPSS安装光盘放入光驱。,3.找到光盘中的setup文件并双击，即启动,SPSS的安装程序。,4.用户最先阅读版权声明，读完后单击“next”,按钮，进入下一个画面。,5.指定把SPSS安装在哪个目录下。,6.选择安装的类型，Typical（典型安装）将安装,对大多数用户来说最常用的模块。,7.选择安装的组件。单击“Next”按钮继续安装。,二、SPSS的启动,1.利用“开始”菜单启动。,2.利用快捷图标启动。,三、SPSS的退出,有多种退出方法，可根据自己的喜好选择任何一种。,C、执行功能按钮,D、择其一按钮,E、选择框,F、下拉清单,二、数据编辑窗(Data Editor),1、数据编辑窗的打开与关闭,2、数据编辑窗的两个界面,（1）Data View界面,（2）Variable View界面,3、Data Editor的功能,三、结果输出窗（SPSS Viewer),1、SPSS Viewer打开与关闭,（1）自动打开,当用户运行一个SPSS的分析过程后，系统自动打,开一个结果输出窗。,（2）命令打开,用户选择命令File-New-Output打开结果输出窗。,（3）关闭,2、结果输出区,（1）大纲输出区,（2）文本输出区,四、SPSS的其他窗口,五、多窗口操作,第四节 SPSS的基本运行方式,一、用SPSS作统计分析的一般步骤,1。数据文件的建立和编辑,2。选择统计分析方法,3。选择分析的变量、设置参数,4。查看、解释分析结果,二、SPSS 系统的三种运行方式,1。全屏窗口菜单运行方式,2。程序运行方式 3。混合运行方式,第二章 数据文件的建立和编辑,第一节 概 述,一、SPSS数据文件的结构,个案、变量、单元格、当前单元格,SPSS数据文件以二维表的形式组织数据。一行,为一个样品（CASE）或个案，一列为一个变量,（VARIABLE），行与列交叉之处为一个单元格，,可在其中输入变量值。,二、变量的定义,通过数据编辑器的Variable View界面来定义。,1。变量名（Name）,2。变量类型（Type）,3。变量长度（Width）,4。小数位数（Decimals）,5。变量名标签（Label）,6。变量值标签（Values）,7。缺失值定义（Missing）,8.变量列宽（Column）,9。数值对齐方式（Align）,10。变量特性的测量尺度（Measure）,（1）比例尺度（Scale）,（2）定序尺度（Ordinal）,（3）定类尺度（Nominal）,三、数据的输入,1。数值型数据的输入,2。字符型数据的输入,3。日期型数据的输入,4。数据的输入方法（按行或按列输入）,第二节 SPSS数据文件的建立和编辑,一、数据文件的建立,基本步骤：,1。打开新的数据编辑窗口,2。在Variable View界面下定义变量,3。在Data View界面下输入数据,4。保存数据文件,A公司某部门20名职工的性别、年龄、月收入、年终业务考核数据，请建一个名为“公司年终考核表”的数据文件。,1,女,25,2000.00,良,11,男,32,3000.00,良,2,男,37,3000.00,中,12,男,29,2600.00,中,3,女,42,3200.00,良,13,男,42,3400.00,良,4,男,26,2000.00,中,14,女,27,2400.00,及格,5,男,28,2200.00,良,15,男,53,3600.00,中,6,男,30,2800.00,中,16,女,34,2600.00,良,7,男,38,3200.00,良,17,男,35,3000.00,良,8,女,55,4000.00,中,18,男,34,3600.00,优,9,男,46,3400.00,优,19,男,37,3000.00,良,10,女,27,2200.00,良,20,男,40,3200.00,良,二、数据文件的编辑,（一）插入操作,1、插入变量,2、插入个案,（二）删除操作,1、删单元,2、删个案,3、删变量,4、删连续区域,第三节 数据文件的整理,一、排序,1。打开数据文件,2。选择Data-Sort Case,3。选择排序变量,4。选择排序方式,5。击OK,在建立了数据文件后，为了某种需要可按关键变量对当前数据文件进行排序，重新调整个案在数据文件中的先后顺序。例如对“公司年终考核表”数据文件，按工资从高到底排序。,1打开数据文件，选菜单File-Open-data，在对话框中指定文件名“公司年终考核表”；,2选择Data-Sort Case，打开对话框，,3选择排序变量，将变量salary置于 Sort by框中；,4选择排序方式Descending；,5击OK。,二、文件转置,1。打开数据文件,2。选择Data-Transpose,3。选择要转置的变量,4。根据需要选择名称变量,5。单击OK,三、文件的拆分,有时要对数据文件进行分组分析，Split Files 能满足这种要求。,1。读数据文件（Data05-01),2。选Data-Split Files,3。选分组方式,4。选分组标志,5。指明数据文件的当前状态,6。按OK键,在进行数据处理时，有时要对数据文件进行分组分析，例如对某公司的男、女员工的工资或年龄进行分组分析，Split Files 能满足这种要求。文件拆分并不是将一个文件拆分成多个文件，只是创造分组分析的前提条件。,拆分以后的数据文件从外观上看，好像是按“gender”变量升序排序的结果，但若执行某个统计分析过程后，进行的是按男员工和女员工分组分析。,四、文件的合并,外部数据文件、当前数据文件,（一）纵向合并（Add Case）合并的前提是两个数据文件存在相同变量。,1。首先打开一个数据文件data05-03,2。选Data-Merge File-Add Cases,3。确定外部数据文件data05-04,4。根据情况处理数据（如配对）,5。按OK键,(二）横向合并（Add Variables）,合并的前提是两个数据文件至少存在一个共同的关键变量，并有一些个案在关键变量上的值相等。,1。打开数据文件data05-03（当前数据文件）,2。选Data-Merge File-Add Variables,3。制定外部数据文件data05-04,4。根据情况处理数据,5。按OK键,若两个文件的样品数不等或样品不是一一对应的关系，则首先对两个文件按关键变量升序排列，然后把关键变量送入Key-Variables框中，并激活Match case on key variables in sorted files，从三种方式中选择一种合并方式。,五、分类汇总,按指定的分类变量对所有的个案进行分组，对每组中的个案求描述统计量，并生成新的数据文件。在新文件中对应分类变量的每个取值产生一个个案。,1。打开数据文件,2。选Data-Aggregate,3。选分类变量,4。选汇总变量,5。按OK键,6。打开Are.sav查看(例见DATA02-01）,例如以公司年终考核表数据为例，要求得到不同考核等级员工的平均工资的分组汇总表。,1、打开数据文件；,2、选Data-Aggregate；,3、选evalue为分类变量；,4、选salary为汇总变量；系统隐含的汇总函数是计算均值，可根据具体需要作相应选择；,5、按OK键；,6、打开Aggr.sav查看。,六、加权（Weight）,该命令可对当前数据文件中的个案赋予不同的权数。但一个数据文件只能设立一个加权变量，且该变量是取值为正数的数值型变量。,1。读数据文件,2。选Data-Weight Cases,3。确定加权变量,4。按OK,七、选择个案（Select Case),如果用户只想对数据文件中的部分个案进行统计分析，可通过Select Case命令选择分析对象。可以根据不同的方法选取部分个案作为后面分析的对象。,1。打开数据文件,2。选Data-Select Case,3。确定选择个案的方法,4。选择落选个案的处理方法,5。按OK键（举例DATA02-01）,利用数据文件data02-01，选择12岁身高超过140cm的同学，可以选择条件抽样方式，通过设立一个复合条件来抽取样品。,1打开数据文件；,2选Data-Select Case；,3确定选择个案的方法，系统提供了条件抽样、随机抽样、范围抽样和使用过虑变量的方法来抽取样品，这里选择条件抽样方式，点击If按钮展开下一级对话框，设立复合条件age=12&h140；,4选择落选个案的处理方法，采用系统隐含方式即过虑法，在未入选样品编号前加一条删除线；,5按OK键。,第四节 数据的变换,一、计算（根据已有变量来建立新变量）,Compute命令可以利用当前数据窗中已经存在的变量，根据变量之间的相互关系产生新变量，新变量名由用户定义，新变量值系统自动填充。,1。读数据文件,2。选Transform-compute,3。确定目标变量,4。确定目标变量的数值表达式,5。按OK,例如数据文件“消费.sav”是某年16个地区农民消费支出数据，利用compute命令计算得到各地区的恩格尔系数。,1读数据文件；,2选Transform-compute；,3在展开compute对话框中确定目标变量即新变量，故在Target Variable处输入“系数”；,4确定目标变量的数值表达式，在Numeric Expression框中输入表达式：,系数食品/（食品衣着燃料住房其它文化）；,5按OK。,二、记数（Count）,该命令的功能是建立新的数值变量，其取值是对指定变量等于指定值进行记数，经常用于问卷调查的数据处理。,1。读数据文件,2。选Transform-Count,3。输入目标变量，用于放记数结果。,4。确定参与记数的变量（即指定变量）,5。指定值的定义,6。按OK (参见data05-07),该命令的功能是建立新的数值变量，其取值是对指定变量等于指定值进行记数，经常用于问卷调查的数据处理。例如对数据文件“成绩”中的学生，分别统计每名学生的成绩有几门优秀。,三、重编码（Record）,Record命令可以对当前数据文件中的变量进行重新编码，包括将原变量值变换为新的取值和将连续取值的变量整型化等等。,1。建立新变量,（1）读数据文件,（2）选Transform-Record-Into Difference Variable,(3)对重编码变量另外再取一个名字,（4）定义新旧变换值,（5）按OK,2。不建立新变量,（1）读数据文件,（2）选Transform-Record-Into Some Variable,（3）确定要重编码的变量,（4）确定新旧变换值（即编码方法）,（5）按OK,一家电脑销售公司三个月的日销售量数据，如果要研究日销售量的分布规律，可以进行分组分析，则将日销售量在140149编码为1，150159编码为2，以此类推。然后再对重编码以后的数据进行描述统计分析，得到组距分组的结果。,141,159,166,172,177,182,188,196,203,214,143,160,167,173,177,183,189,196,203,215,144,160,168,173,178,184,189,196,205,218,149,161,168,174,178,185,189,196,206,223,150,161,168,174,178,186,190,196,207,225,152,162,170,174,179,186,190,197,208,226,153,163,171,175,179,187,191,197,209,228,153,163,171,175,179,187,192,198,210,233,154,164,172,175,180,187,194,198,210,233,155,165,172,175,180,187,194,200,211,234,156,165,172,176,181,188,195,201,211,234,158,165,172,176,182,188,195,202,213,237,（1）建立数据文件；,（2）选Transform-Record-Into Difference Variable展开对话框；,（3）对重编码变量另外再取一个名字；在变量列表栏点击变量“销售量”，再单击向右箭头按钮，则出现“销售量？”，在Name框中输入新的变量名fenzu，单击Change按钮，,（4）定义新旧变换值，单击Old&New Values按钮，展开下一级对话框；,（5）在Old Values下方栏中选择Range输入140 though 149，在 New Value下方的Value栏中输入1；,（6）单击Add按钮，则在OldNew栏中显示“140 though 1491”；,（7）重复（5）（6）步，输入所有的变换值；,（8）按OK。重新编码的结果是在数据文件中新产生新的变量Fenzu，变量值由系统根据编码规则自动填充，,四、自动代码重置（Automatic Record）,该命令可用来快速地对任何类型的原始变量的值进行变换，产生1、2、3等顺序取值的数值型变量，变量名用户自定义。,1。读数据文件,2。选Transform-Automatic Record,3。确定要重置代码的变量,4。输入新变量名字,5。按OK (例见“公司年终考核”）,第三章 单变量描述统计分析,第一节 概 述,描述统计学、推断统计学,集中趋势（算术平均数、众数、中位数）,离中趋势（全距、平均差、方差、离散系数等）,偏态系数、峰度系数用以判断数据分布是否对称和集中趋势的程度如何。,变量描述统计分析包括四个过程。,第二节 频数分析（Frequencies),（一）原始数据资料分析,例1：随机抽取50位大学新生，调查他们的年龄数据如下（略），做描述统计分析。,1。建立数据文件,2。选Analyze-Descriptive Statistics-Frequencies,打开对话框,3。确定要分析的变量,4。击Statistics按钮，选择统计量,5。击Chart按钮，选择统计图,6。击Format按钮，选择频数表输出格式,7。击OK,（二）次级数据资料分析,1。对资料进行分组,分组完成后再用Frequencies过程。,（1）打开数据文件,（2）选Transform-Record-Into Some Variable,对年龄进行编码,（3）再用Frequencies过程进行频数分析。,2。对已分组的资料进行频数分析,（1）输入组中值和次数,（2）制定次数为加权变量,（3）调用频数分析过程，其中要选择对应项 Values are group midpoints,第三节 描述统计（Descriptives),描述统计分析的结果指标与频数分析结果基本相同，区别在于描述统计操作更简单，输出的描述统计指标少些，不输出频数分布表。,1。打开数据文件,2。选择Analyze-Descriptive Statistics-Descriptive,3。确定分析变量,4。根据需要选择OPTION按钮,5。单击OK,例如；已知生产同类产品的五家企业计划完成情况及一级品率资料如下（略）试求（1）平均计划完成情况。操作步骤：,1。建立数据文件（Data05-10）,2。对f1进行加权,3。选Analyze-Descriptive Statistics-Descriptive,4。把x1放置Variable框中,5。击OPTION按钮，选择输出的统计量,6。击OK按钮,（2）平均一级品率,操作步骤：,1。打开数据文件Data05-10,2。选择Transform-compute,3。确定目标变量F2,4。确定目标变量的数值表达式X1*F1,5。按OK,6。对F2进行加权,7。选,Analyze-Descriptive Statistics-Descriptive,8。把x2放置Variable框中,9。击OPTION按钮，选择输出的统计量,10。击OK按钮,第四节 探索性数据分析,探索性数据分析是对数据进行初步考察，由描述统计指标和直观的图形组成。包括检查数据的错误、描述数据的数量特征和分布特征、奇异值的辨认等。,1。打开数据文件,2。选Analyze-Descriptive Statistics-Explore,3。确定分析变量,4。确定分组变量,5。根据需要击“Statistics”按钮,6。根据需要击“Plots”按钮,7。击OK(例见DATA05-11),第五节 平均数分析(Mean),Mean过程可用于分组计算各描述统计量。,1。打开数据文件,2。选择Analyze-Compare Means-Means,3。确定因变量,4。确定自变量即分组变量,5。确定分组变量的控制层次,6。击OK按钮（data02-01),第六节 多选项分析,第四章 相关与回归分析,第一节 概 述,一、相关分析,二、回归分析,三、相关与回归的区别,第二节 相关分析过程,一、两个变量的相关分析,执行步骤：,1。建立数据文件；,2。选择Analyze-correlate-Bivariate，展开下一级,对话框；,3。选择分析变量置于Variable框中；,4。选择相关分析方法：,（1）Pearson，隐含定义，连续变量选该方法；,（2）Kendalls，有序变量选该方法；,（3）spearman,5。确定显著性水平是单尾或双尾；,6。击OK。,年份,总收入X（亿元）,零售总额Y（亿元）,91,39,20,92,45,22,93,52,26,94,63,34,95,70,36,96,80,38,97,85,40,例1：某地国民总收入和社会商品零售总额,例2：10名学生两门课程的名次排列(data10-03),Rank1:第一科名次,Rank2:第二科名次,编号,H,W,V,1,135.1,32.0,1.75,2,146.5,33.5,2.5,3,167.8,41.5,2.75,4,148.5,37.2,2.25,5,153.3,41.0,2.75,6,153.0,32.0,1.75,7,155.1,44.7,2.75,8,149.9,33.9,2.25,9,158.2,37.5,2.00,二、偏相关分析：偏相关分析是研究两个变量之,间关系时控制可能对其产生影响的变量。,执行步骤：,1。建立数据文件(data10-04)；,2。选择Analyze-correlate-Partial，展开下一级,对话框；,3。选择分析变量置于Variable框中；,4。确定控制变量置于Controlling框中；,5。击OK,第三节 回归分析过程,（Regression）,一、线性回归过程（Linear）,（一）执行步骤：,1。建立数据文件；,2。选择Analyze-Regression-Linear，展开下一级,对话框；,3。定义因变量置于Dependent框中；,4。定义自变量置于Independent框中；,5。选择变量分析方法Method；,6。根据需要击Statistics按钮；,7。根据需要击Plots按钮；,7。根据需要击Save按钮；,8。根据需要击Option按钮；,9。击OK。,（二）举例,例1:试研究人均国民收入（X）对人均消费额,（y）产生的影响。,1、建立数据文件（数据参见例4）,2、绘制散点图，选择Graph-Scatter，选Simple；,击Define按钮，定义Y与X，从图中可看出X与Y,之间 呈现线性关系；,3、选择Analyze-Correlate-Bivariate，进行相关分析；,4、选择Analyze-Regression-Linear，进行回归分析；,二、曲线配合过程（Curve Estimation),有时若不能马上根据观测数据确定一种最佳模,型，可以利用曲线配合过程在众多的回归模型中来,建立一个简单而又比较合适的模型。,利用曲线配合过程可以方便地进行线性拟合、,二次拟合和三次拟合，并从各自的 以及生,成的图形进行比较，从而确定较佳的模型。,（一）曲线配合过程的一般步骤,1。建立数据文件；,2。选择Analyze-Regression-Curve Estimation，,展开下一级对话框；,3。定义因变量置于Dependent框中；,4。定义自变量置于Independent的Variable框中；如,果自变量为时间，则相应选“Time”；,5。选择一个或多个拟合模型 Model；,6。某些选择项的确定；,7。击OK；,8。对结果进行分析。,（二）举例,例1：某产品产量1989-1999年资料如下：,年份,89,90,91,92,93,94,95,96,97,98,99,产量,345,380,405,440,480,520,565,610,660,710,760,通过比较，可判断二次曲线较优。,例2：储蓄与居民收入模型的曲线分析,三、二项逻辑回归（Binary Logistic),当因变量只是具有两种属性的变量时（如变量,取值为0或1），可采用二项逻辑回归。,Logistic模型方程如下：,Ln(P/(1-P)=B0+BiXi,其中：P表示出现1的概率，1-P表示出现0的概率。,T,GAP,TUCH,PSI,LG,T,GAP,TUCH,PSI,LG,1,2.66,20,0,0,17,2.75,25,0,0,2,2.89,22,0,0,18,2.83,19,0,0,3,3.28,24,0,0,19,3.12,23,1,0,16,2.74,19,0,0,32,2.39,19,1,1,例1：某课程用PSI新教学方法的效果评价研究,现要分析GAP、PSI、TUCH对LG的影响。,步骤：,1。建立数据文件；,2。选择Analyze-Regression-Binary Logistic，,展开下一级对话框；,3。定义因变量LG置于Dependent框中；,4。定义共变变量即自变量GAP、PSI、TUCH置于,Covariates框；,5。定义共变变量进出模型的筛选方法为Enter；,6。根据需要击Option按钮；在Display 框中选,At last step项，要求只显示最终计算结果；,7。击OK。,例2：某医师研究男性胃癌患者发生术后院内感染,的影响因素，试通过Logistic回归对主要影响因素,进行分析。数据结构为：,Y 术后有无感染（有为Y，无为N）,X1年龄,X2 手术创伤程度,X3 营养状态,X4 术前预防性抗菌（有为Y，无为N）,X5 白细胞数,X6 癌肿病理分度,步骤：,1。建立数据文件；,2。选择Analyze-Regression-Binary Logistic，,展开下一级对话框；,3。定义因变量Y置于Dependent框中；,4。定义共变变量即自变量X1、X2、X3、X4、X5、,X6置于 Covariates框；,5。定义共变变量进出模型的筛选方法为Forward:,Conditional；,6。击Option按钮，在Display 框中选 At last step,项，要求只显示最终计算结果；,7。击OK。,五、非线性回归（Nonlinear）,以某商品销售额与广告费支出的关系分析为例,对不同城市的15家商场有关化妆品销售额Y与,广告费支出X的调查资料如下：,Y,20,25,24,30,32,40,28,50,40,70,48,39,42,65,56,X,0.2,0.3,0.2,0.4,0.35,0.48,0.3,.58,0.43,0.6,0.55,0.42,0.4,0.58,0.51,1。建立数据文件（例5）,2。作散点图：击Graph-Scatter-Simple-Define,选Y进入Y Axis，X进入Axis，单击OK，从图中可,见呈现指数曲线关系。,3。非线性回归分析,（1）选Analyze-Regression-Nonlinear,（2）选Y进入Dependent框中,（3）击Parameters按钮,输入初始值a=1 b=1 击 Continue按钮；,（4）在Model Expression中输入指数曲线模型,a*b*x；,（5）击OK,又例如：有10个售货员训练的天数和工作业绩,（分数）的资料，试进行回归分析。,NO,训练天数X,工作业绩Y,1,1,45,2,1,40,3,2,60,4,2,62,5,3,75,6,3,81,7,4,115,8,5,150,9,5,145,10,5,148,第五章 聚类分析,第一节 概 述,一、聚类分析的基本概念,1。距离和相似系数,研究样品间的关系常用两种方法：,一种是距离法。它将每一样品看成为m维空间的一个点（m是样品的指标个数），这样就将研究样品间的关系变为研究m维空间中点与点之间的关系。,而点与点之间的关系常用距离来表示，并根据点与点间的距离进行分类，即将距离较近的点归为一类，而将距离较远的点归为不同的类。,另一种是相似系数法。相近样品的相似系数接近1（或-1），而彼此无关的样品的相似系数接近于0，这样就可以根据样品的相似系数的值分为不同的类。,聚类分析实质上是寻找一种能客观反映元素之间亲疏关系的统计量，然后根据这种统计量把元素分成若干类。常用的聚类统计量有距离系数和相似系数2类。距离系数一般用于对样品分类，而相似系数一般用于对变量聚类。距离的定义很多，如极端距离、明考斯基距离、欧氏距离、切比雪夫距离等。相似系数有相关系数、夹角余弦、列联系数等。,2。Q型聚类（即样品聚类）和R型聚类（即变量聚类）,3。分层聚类分析和快速样本聚类分析,分层聚类法：先将个元素（样品或变量）看成类，然后将性质最接近（或相似程度最大）的2类合并为一个新类，得到n-1类。再从中找出最接近的2类加以合并变成了n-2类。如此下去，最后所有的元素全聚在一类之中。,快速样本聚类分析：这种方法是先将样品做一个初始的分类，然后按照某种最优的原则逐步调整，一直到调整的分类比较合理为止。,第二节 聚类分析过程,一、分层聚类过程,（一）步骤：,1。建立数据文件,2。选择Analyze-Classify-Hierarchical Cluster,3。指定分析变量,4。指定标识变量,5。选择聚类的类型,6。若参与分析变量的量纲一致，可按系统默认值,提交系统运行，击OK。,可根据需要选择下列步骤：,1、确定聚类方法，击Method按钮,（1）聚类方法的选择,（2）关于Measure的指定,（3）选择数值标准化转换方法,（4）选择测度的转换方法,2、选择要输出的统计量，击Statistics按钮,3、选择统计图输出，击Plot按钮,（二）一维聚类分析,有某家族14位成员的年龄：1，3，5，8，9，11，12，13，37，43，45，49，51，65。是否可以把他们的年龄区分为有意义的群体？,1。建立数据文件data05-16,2。选择Analyze-Classify-Hierarchical Cluster,3。指定分析变量age,4。指定标识变量no,5。选择聚类的类型case,6。击OK。,（三）多维变量的聚类分析,例1：家庭消费支出的聚类分析,例2：一组有关瓶装啤酒的数据，共有20种啤,酒，每一种啤酒有4个指标，要求根据啤酒的,成分含量及价格对其进行分类。,数据见data14-02。,二、快速样本聚类过程(K-mean Cluster),若在分类数已知、初始聚心已知的情况下，采用,快速样本聚类过程。,例1：（以研究生录取分析数据为例）,（一）对前70个样本采用分层聚类过程处理，在得,到分类的基础上计算聚心。,1。建立数据文件；,2。对数据进行标准化处理；,3。选择个案；,4。选择Analyze-Classify-Hierarchical Cluster；,5。指定分析变量ZGPA、ZGMAT；,6。指定标识变量NO；,7。选择聚类的类型（CASE）；,8。确定聚类方法（默认值）；,9。选择要输出的统计量，击Statistics按钮,10。选择统计图输出，击Plot按钮,11。击Save按钮，保存建立的新变量；,12。击OK,13。用分类汇总计算类聚心；,（二）对后16个样本采用快速样本聚类过程处理：,1。打开数据文件（标准化后）；,2。选择后16个样本；,3。选择Analyze-Classify-K-mean Cluster；,4。指定分析变量ZGPA、ZGMAT，确定分类数为3，,使用默认的聚类方法；,5。击Centers 按钮，选择Read initial from项，击 File,按钮，从指定的数据文件中读入初始聚心；,6。击Save按钮，选择所有选项；,7。击Options按钮，选择所有统计量选项；,8。击OK。,例2：数据来自data14-01，已知NO=9、8、4、6的,四名运动员分别是蝶、仰、蛙、自由泳四种姿势成,绩突出者，以这四个观测量作为初始聚心进行聚类。,第六章 判别分析,第一节 概 述,一、判别分析的基本概念,二、建立判别函数的方法,三、判别分析的基本步骤,对于分为K组的研究对象，可建立K-1个典则判,别函数和K个Fisher线性判别函数，然后将各样品的,自变量值回代到判别函数中，计算其判别分数或属,于各组的概率，根据数值大小判别样品所属组别，,对比样品的原始组别给出错分率。,第二节 判别分析过程(Discriminant),操作步骤：,1。建立数据文件；,2。选择Analyze-Classify-Discriminant；,3。定义组变量；,4。定义自变量；,5。选择分析方法（隐含定义为用所选择的全部自变,量建立判别模型）；,6。击Statistics按钮、Classify按钮、Save按钮，在,各自的下一级对话框中进行选择；,7。击OK。,第三节 实例分析,例1：研究生录取分类判别分析,例2：统计学常用的实例，三种鸢尾花的分类。,数据见DATA14-04。,例3：为研究舒张压X1和胆固醇X2对冠心病的作用，,某医生测定了5059岁冠心病人15例和正常人16例的,舒张压和胆固醇指标，数据见data12-18，试作判,别分析，建立判别函数以便在临床中用于筛选冠心,病人。,第七章 主成份分析与因子分析,第一节 概 述,一、主成份分析,假设有n个样本，每个样本测得P项指标，由于,这P项指标之间往往具有相关性，如何从这P项指,标中找出少数几个综合指标，使其尽可能多地反,映这P项指标的信息，而且彼此之间不相关，主成,份分析给出了最好方法。,主成份分析(Principal Components Analysis)是研究如何将多个变量指标间的问题化为较少的几个新指标问题。这些新的指标是彼此既互不相关，又能综合反映原来多个指标的信息，是原来多个指标的线性组合。,多指标的主成份分析常被用来寻找判断某种事物或现象的综合指标，并给综合指标所蕴藏的信息以恰当解释，以便更深刻地揭示事物内在的规律。,这种处理问题的方法就称为主成份分析或主分量分析，综合后的新指标则称为原来指标的主成份或主分量。主分量分析还可用于揭示变量间的共线性。,主成份的几何意义,为了理解方便，我们在二维空间中讨论主成份的几何意义。,设有n个样品，每个样品有两个观测变量x1和x2，在由变量x1和x2所确定的二维平面中，n个样本点所散布的情况如带状，见图8-1a。由图可以看出这n个样本点无论是沿着x1轴方向或x2轴方向都具有较大的离散性.,其离散的程度可以分别用观测变量x1的方差和x2的方差定量地表示。显然，如果只考虑xl和x2中的任何一个，那么包含在原始数据中的信息将会有较大的损失。,二、因子分析,因子分析是主成份分析的推广，是根据相关性,大小把变量分组，使得同组内的相关性较强，不,同组的变量间相关性较低。对于每一个变量可用,最少个数的公共因子的线性函数与特殊因子之和,来描述。,第二节 主成份分析与因子分析过程,基本步骤：,1。建立数据文件；,2。选Analyze-Data Reduction-Factor，展开对话框；,3。指定参与分析的变量置于Variable框；,4。Factor过程的选择项的指定：,（1）Descriptive按钮，对描述统计量的选定；,该子对话框中的选择包括两组，即统计量组和相关,矩阵组。,（2）Extraction按钮，因子提取子对话框；,（3）Rotation按钮，旋转方法选择子对话框；,（4）Score按钮，有关因子得分的选择项；,5。击OK,二、实例分析（经济效益综合评价分析）,（一）主成份分析,1。建立数据文件（DATA12-16）；,2。选Analyze-Data Reduction-Factor，展开对话框；,3。指定参与分析的变量X1、X2、X3、X4、X5、,X6、X7置于Variable框；,4。击Descriptive按钮，对描述统计量的选定；,5。击Extraction按钮，进行选择；,6。击OK。,（二）综合评价,计算各企业在各主成份上的得分和综合得分，然,后排序，进行综合评价。,