聚类分析和回归分析SPSS

2019/12/17中国人民大学六西格玛质量管理研究中心1§聚类分析SPSS上机实践目录上页下页返回结束系统聚类法用SPSS软件自带的数据文件World95.sav来做一个实例分析。为了研究亚洲国家的经济发展水平和文化教育水平，以便于对亚洲国家进行分类研究，这里我们进行聚类分析（在World95.sav数据中筛选出亚洲国家，使用Data→SelectCases→Ifconditionissatisfied中选入region=3）。详细步骤如下：(1)打开数据。使用菜单中File→Open命令，然后选中要分析的数据World95.sav。2019/12/17中国人民大学六西格玛质量管理研究中心2目录上页下页返回结束(2)在菜单中的选项中选择Analyze→Classify命令，Classify命令下有两个聚类分析命令，一是K-meanscluster（K-均值聚类），二是Hierarchicalcluster（系统聚类法）。这里我们选择系统聚类法。(3)在系统聚类法中，我们看到Cluster下有两个选项，Cases（样品聚类或Q型聚类）和Variables(变量聚类或R型聚类)。这里我们选择对样品进行聚类。(4)Display下面有两个选项，分别是Statistics(统计量)、Plots（输出图形），我们可以选择所需要输出的统计量和图形。2019/12/17中国人民大学六西格玛质量管理研究中心3目录上页下页返回结束(5)在系统聚类法中底下有四个按纽，分别是Statistics、Plots、Method、Save。（a）在Statistics中，有Agglomerationschedule（每一阶段聚类的结果），Proximitymatrix（样品间的相似性矩阵）。由Clustermembership可以指定聚类的个数，none选项不指定聚类个数，Singlesolution指定一个确定类的个数，Rangeofsolution指定类的个数的范围（如从分3类到分5类）。(b)在Plots中，有Dendrogram（谱系聚类图，也称树状聚类图）、Icicle(冰柱图)、Orientation指冰柱图的方向（Horizontal水平方向、Vertical垂直方向）。(c)在Method中，Cluster可以选择聚类方法，Measure中可以选择计算的距离。(d)在Save中，可以选择保存聚类结果。选好每个选项后，点“OK”就可以执行了。2019/12/17中国人民大学六西格玛质量管理研究中心4§社会经济案例研究目录上页下页返回结束例城镇居民消费水平通常用表3.15中的八项指标来描述，八项指标间存在一定的线性相关。为研究城镇居民的消费结构，需将相关性强的指标归并到一起，这实际就是对指标聚类。原始数据列于表3.15。将原始数据录入SPSS，并依次点击“Analyze”→“Correlate”→“Bivariate”，打开BivariateCorrelations对话框，把八个变量选入Variables栏中，单击“OK”，得到这八个指标对应的相关系数，列于表3.16。2019/12/17中国人民大学六西格玛质量管理研究中心5目录上页下页返回结束2019/12/17中国人民大学六西格玛质量管理研究中心6目录上页下页返回结束表3.16中最大的相关系数为r4，8＝0.837，将G4和G8并成一新类G9，然后计算G9与各类的相关系数，再找最大的相关系数，每次缩小一类得图3－17。我们可以看出全国城镇居民得消费结构大致可以分为三个方面，一类是各种副食、日用品及交通通信、文化教育和住房等支出，这是在消费结构中起主导作用的方面；其次是居民购买烟、酒、饮料及着装支出；粮食和水电燃料是两项很重要的消费指标，但目前在城镇居民的消费中占的比例较小，可将它们归并为同一类。2019/12/17中国人民大学六西格玛质量管理研究中心7目录上页下页返回结束上面介绍的几种系统聚类方法，并类的原则和步骤基本一致，所不同的是类与类的距离有不同的定义。其实可以把这几种方法统一起来，有利于在计算机上灵活地选择更有意义的谱系图。2019/12/17中国人民大学六西格玛质量管理研究中心8目录上页下页返回结束对例，我们采用欧氏距离分别用类平均法、最短距离法、最长距离法把31个省市分类。类平均法聚类在SPSS中的操作为：点选“Analyze”→“Classify”→“HierarchicalCluster”，打开HierarchicalClusterAnalysis对话框，将八个聚类指标选入Variables栏中，将表示地区的变量选入LabelCasesBy栏中，按“Plots”按钮，在弹出的窗口中选中Dendrogram（谱系图）选项，按“Continue”返回主对话框，在按“Method”按钮，在ClusterMethod下拉菜单中选择Between-groupslinkage（组间连接法，即类平均法）选项，返回主对话框后按“OK”即可得到聚类结果。2019/12/17中国人民大学六西格玛质量管理研究中心9目录上页下页返回结束最短距离法和最长距离法操作步骤与类平均法一样，只不过要在ClusterMethod下拉菜单中分别选择NearestNeighbor和FurthestNeighbor选项。图3.18、图3.19、图3.20分别显示了三种方法的分类结果。为便于对照，将三种方法分类的结果综合列于表3.18。直观看出，类平均法分为三类：｛1，9，11，19｝为第一类，｛13，2，22，10｝为第二类，其他为第三类；最短距离法分为两类，｛1，9，11，19｝为一类，其余的省市归为一大类；最长距离法也分为三类：｛1，9，11，19｝为第一类，｛10，22，2，13，26｝为第二类，其余的省市为第三类。很显然，这三种方法的分类效果是有差异的。2019/12/17中国人民大学六西格玛质量管理研究中心10目录上页下页返回结束那么究竟采用哪一种分类为好呢？一种方法是根据分类问题本身的知识来决定取舍。另一种方法是将几种方法的共性取出来，有争议的样品根据其实际情况再划分。综合考虑这两点，笔者认为从全国各省、市、区的消费情况来看，分为三类较为合适。由分类结果可以看出，类平均法和最长距离法的分类结果基本上一致，只是在西藏应该划入第二类还是第三类上存在差异，从表3.15的实际情来看，西藏的经济发展和消费水平与始终处在第二类的福建、天津、重庆和江苏有较大差距，因此划入第三类较为合适，即这个聚类分析用类平均法较为合适。2019/12/17中国人民大学六西格玛质量管理研究中心11目录上页下页返回结束2019/12/17中国人民大学六西格玛质量管理研究中心12目录上页下页返回结束2019/12/17中国人民大学六西格玛质量管理研究中心13§回归分析SPSS上机实践一元基本操作步骤(1)菜单选项:Analyze-regression-linear…(2)选择一个变量为因变量进入dependent框(3)选择一个变量为自变量进入independent框(4)enter:所选变量全部进入回归方程(默认方法)(5)对样本进行筛选(selectionvariable)–利用满足一定条件的样本数据进行回归分析(6)指定作图时各数据点的标志变量(caselabels)2019/12/17中国人民大学六西格玛质量管理研究中心14(二)statistics选项(1)基本统计量输出–Estimates:默认.显示回归系数相关统计量.–confidenceintervals:每个非标准化的回归系数95%的置信区间.–Descriptive:各变量均值、标准差和相关系数单侧检验概率.–Modelfit:默认.判定系数、估计标准误差、方差分析表、容忍度(2)Residual框中的残差分析–Durbin-waston:D-W值–casewisediagnostic:异常值(奇异值)检测(输出预测值及残差和标准化残差)2019/12/17中国人民大学六西格玛质量管理研究中心15(三)plot选项:图形分析.•Standardizeresidualplots:绘制残差序列直方图和累计概率图,检测残差的正态性•绘制指定序列的散点图,检测残差的随机性、异方差性–ZPRED:标准化预测值–ZRESID:标准化残差–SRESID:学生化残差–produceallpartialplot:绘制因变量和所有自变量之间的散点图2019/12/17中国人民大学六西格玛质量管理研究中心16多元回归基本操作步骤(1)菜单选项:analyze-regression-linear…(2)选择一个变量为因变量进入dependent框(3)选择一个或多个变量为自变量进入independent框(4)选择多元回归分析的自变量筛选方法:–enter:所选变量全部进入回归方程(默认方法)–remove:从回归方程中剔除变量–stepwise:逐步筛选；backward:向后筛选；forward:向前筛选(5)对样本进行筛选(selectionvariable)–利用满足一定条件的样本数据进行回归分析(6)指定作图时各数据点的标志变量(caselabels)2019/12/17中国人民大学六西格玛质量管理研究中心17(二)statistics选项(1)基本统计量输出–Partandpartialcorrelation:与Y的简单相关、偏相关和部分相关–Rsquarechange:每个自变量进入方程后R2及F值的变化量–Collinearitydignostics:共线性诊断.2019/12/17中国人民大学六西格玛质量管理研究中心18(三)options选项:•steppingmethodcriteria:逐步筛选法参数设置.–useprobabilityofF:以F值相伴概率作为变量进入和剔除方程的标准.一个变量的F值显著性水平小于entry(0.05)则进入方程;大于removal(0.1)则剔除出方程.因此:Entryremoval–useFvalue:以F值作为变量进入(3.84)和剔除(2.71)方程的标准(四)save选项:将回归分析结果保存到数据编辑窗口中或某磁盘文件中2019/12/17中国人民大学六西格玛质量管理研究中心19曲线回归基本操作步骤(1)绘制散点图,观察并确定模型.(2)菜单选项:analyze-regression-curveestimation(3)选择因变量到dependent框(4)选择自变量到independent框或选time以时间作自变量(5)选择模型(R2最高拟和效果最好)2019/12/17中国人民大学六西格玛质量管理研究中心20其他选项(1)displayANOVAtable:方差分析表(2)plotmodels:绘制观察值和预测值的对比图.(3)save选项:–predictedvalues:保存预测值.–Residual:保存残差值.–predictioninterval:保存预测值的默认95%的可置信区间.–Predictcase:以time作自变量进行预测.•Predictfromestimationperiodthroughlastcase:计算保存所有预测值.•Predictthrough:如果预测周期超过了数据文件的最后一个观测期,选择此项,并输入预测期数.2019/12/17中国人民大学六西格玛质量管理研究中心21例研究各省的课题总数与投入人年数，投入高级职称的人年数，投入科研事业经费，专著数。论文数，获奖数之间的关系2019/12/17中国人民大学六西格玛质量管理研究中心222019/12/17中国人民大学六西格玛质量管理研究中心232019/12/17中国人民大学六西格玛质量管理研究中心242019/12/17中国人民大学六西格玛质量管理研究中心252019/12/17中国人民大学六西格玛质量管理研究中心262019/12/17中国人民大学六西格玛质量管理研究中心27