SPSS软件实例应用(计量地理学课后题详解)分析.pptxVIP

聚类分析主成分分析实例 ·分析某地区35个城市2004年的7项经济统计指标数据 （1）试用最短距离法对35个城市综合实力进行系统聚类分析，并画出聚类谱系图 a.软件操作及原理 b.数据结果及分析 a.软件操作及原理——操作 a.软件操作及原理——操作 a.软件操作及原理——标准差标准化原理 a.软件操作及原理——欧氏距离原理 凝聚状态表的第一列表示聚类分析的第几步；第二列、第三列表示本步骤聚类中那两个样本或小类聚成一类；第四列是相应的样本距离或小类距离；第五列、第六列表明本步骤聚类中，参与聚类的是样本还是小类。0表示样本，数字n(非0)表示由第n部聚类产生的小类参与本步骤聚类；第七列表示本步骤聚类的结果将在下面聚类的第几部中用到。 a.软件操作及原理——最短距离聚类法原理 聚类表 阶 群集组合 系数 首次出现阶群集 下一阶 群集 1 群集 2 群集 1 群集 2 1 17 25 .060 0 0 6 2 5 29 .065 0 0 6 3 33 34 .085 0 0 12 4 26 35 .089 0 0 28 5 30 31 .104 0 0 8 6 5 17 .108 2 1 9 7 8 18 .108 0 0 17 8 20 30 .115 0 5 10 9 5 16 .123 6 0 10 10 5 20 .127 9 8 11 11 5 32 .128 10 0 12 12 5 33 .129 11 3 13 13 5 14 .136 12 0 15 14 6 21 .150 0 0 16 15 5 22 .160 13 0 17 16 6 11 .166 14 0 27 17 5 8 .182 15 7 18 18 5 19 .190 17 0 20 19 13 15 .196 0 0 24 20 5 7 .197 18 0 21 21 4 5 .198 0 20 22 22 4 28 .199 21 0 23 23 4 12 .201 22 0 24 24 4 13 .204 23 19 25 25 3 4 .235 0 24 26 26 3 9 .240 25 0 27 27 3 6 .255 26 16 28 28 3 26 .270 27 4 29 29 2 3 .391 0 28 30 30 2 23 .418 29 0 31 31 2 24 .551 30 0 32 32 1 2 .632 0 31 33 33 1 10 .770 32 0 34 34 1 27 .818 33 0 0 在不同的聚类标准（距离）下，聚类结果不同，当距离标准逐渐放大时，35个区域单元被依次聚类。 当距离为0时，每个样本为单独的一类；当距离为5，则35个区域单元被聚为11类；当距离为10，则35个区域单元被聚为7类；当距离为15，则35个区域单元被聚为5类；当距离为20，则35个区域单元被聚为3类；最终，当聚类标准（距离）扩大到25时，35个区域单元被聚为1类。 b.数据结果及分析 聚类分析主成分分析实例 ·分析某地区35个城市2004年的7项经济统计指标数据 （2）试用主成份分析法对35个城市7项经济指标进行主成分分析，并分析其综合实力。 a.软件操作 b.数据结果及分析 a.软件操作 a.软件操作 b.数据结果及分析——Bartlett验证 因子分析前，首先进行KMO检验和巴特利球体检验。KMO检验用于检查变量间的偏相关性，取值在0~1之前。KMO统计量越接近于1，变量间的偏相关性越强，因子分析的效果越好。实际分析中，KMO统计量在0.7以上时效果比较好；当KMO统计量在0.5以下，此时不适合应用因子分析法，应考虑重新设计变量结构或者采用其他统计分析方法。 b.数据结果及分析——主成分因子 一般取累计贡献率达85%~95%的特征值所对应的第1、第2、…、第m（m≤p）个主成分。 b.数据结果及分析——变量与因子联系系数 变量与某一因子联系系数绝对值越大，则该因子与变量关系越近。 将第一因子代替x4,x5,x6,x7;将第二因子代替x1,x2,x3即可得到旋转矩阵，使复杂的矩阵变得简洁。 b.数据结果及分析——变量与因子联系系数 变量与某一因子联系系数绝对值越大，则该因子与变量关系越近。 将第一因子代替x4,x5,x6,x7;将第二因子代替x1,x2,x3即可得到旋转矩阵，使复杂的矩阵变得简洁。 b.数据结果及分析——变量与因子联系系数