《spss统计分析与行业应用案例详解》聚类分析与判别分析案例研究 实例44层次聚类分析 实例45 判别分析

实例44 层次聚类分析

功能与意义

又称系统聚类分析，先将每一个样本看作一类，然后逐渐合并，直至合并为一类的一种合并法，层次聚类分析的优点很明显，他可对样本进行聚类，样本可以为连续或是分类变量，还可以提供多种距离测量方法和结果表示的方法。

数据来源

分析过程

分析-分类-系统聚类

统计量

绘制

保存

结果分析

（1）聚类表

第一步，样本14和16合并成一类，距离系数为40508.871，在首次出现阶群集显示为0，因此合并两项都是第一次出现，合并结果为6，即归为第6类。

（2）群集成员表

（3）分类结果的垂直冰柱图

（4）聚类分析树状图

实例45 判别分析

功能与意义

已知研究对象分成若干类型，并一直各种类型的样品观测数据的基础上，根据某些准则建立判别方程，然后根据判别方程对位置所属类别的事物进行分类的一种分析方法。意义在于可以根据已知样本的分类情况来判断未知样本的归属问题。

数据来源

分析过程

分析-分类-判别

统计量

保存

结果分析

（1）组统计量表

（2）汇聚的组内矩阵表

（3）输入和删除变量情况统计表

第一步纳入的变量是质量，第三部所有变量全部纳入，且从sig值均为零可以看出，逐步判别没有剔除变量。

（4）典型判别方程的特征值

（5）判别方程的有效性检验

特征根数为2，其中第一个特征根为77.318，能够解释所有变异的89.4%。

Sig值均为0，因此两个典型方程的判别能力都是显著的。

（6）标准化的典型判别方程

Y1=0.681*质量-0.674*宽度+0.612*长度

Y2=0.363*质量+0.777*宽度+0.302*长度

（7）为标准化的典型判别方程

Y1=-11.528+0.210*质量-1.950*宽度+0.186*长度

Y2=-15.935+0.112*质量+2.246*宽度+0.092*长度

（8）贝叶斯的Fisher线性判别方程

Y1=-90.708+2.557*质量+18.166*宽度+1.922*长度

（9）判别分析在数据编辑窗口的输出结果