- •IBM SPSS Statistics Base 20
- •Содержание
- •1. Информация о данных
- •Вкладка Информация о данных: Вывод
- •Вкладка Информация о данных: Статистики
- •2. Частоты
- •Статистики в процедуре Частоты
- •Диаграммы в процедуре Частоты
- •Частоты: Формат
- •3. Описательные
- •Параметры процедуры Описательные статистики
- •Команда DESCRIPTIVES: дополнительные возможности
- •4. Исследовать
- •Статистики процедуры Исследовать
- •Графики процедуры Исследовать
- •Степенные преобразования в процедуре Исследовать
- •Параметры процедуры Исследовать
- •Команда EXAMINE: дополнительные возможности
- •5. Таблицы сопряженности
- •Слои таблиц сопряженности
- •Кластеризованные столбиковые диаграммы в процедуре Таблицы сопряженности
- •Таблицы сопряженности, выводящие переменные слоев в слоях таблицы
- •Вывод в ячейках для таблиц сопряженности
- •Формат таблиц сопряженности
- •6. Подытожить
- •Параметры процедуры Подытожить наблюдения
- •Статистики процедуры Подытожить наблюдения
- •7. Средние
- •Параметры процедуры Средние
- •8. OLAP Кубы
- •Статистики в процедуре OLAP Кубы
- •OLAP Кубы: Разности
- •OLAP Кубы: Заголовок
- •9. T-критерии
- •T-критерий для независимых выборок
- •Параметры процедуры T-критерий для независимых выборок
- •T-критерий для парных выборок
- •Параметры процедуры Т-критерий для парных выборок
- •Одновыборочный T-критерий
- •Параметры процедуры Одновыборочный T-критерий
- •Команда T-TEST: дополнительные возможности
- •10. Однофакторный дисперсионный анализ
- •Контрасты для однофакторного дисперсионного анализа
- •Апостериорные критерии для однофакторного дисперсионного анализа
- •Параметры процедуры Однофакторный дисперсионный анализ
- •Команда ONEWAY: дополнительные возможности
- •11. Общая линейная модель: одномерный анализ
- •Общая линейная модель (ОЛМ)
- •Создать члены
- •Сумма квадратов
- •Контрасты ОЛМ
- •Типы контрастов
- •Графики профилей в ОЛМ
- •Апостериорные сравнения в ОЛМ
- •Сохранение новых переменных в ОЛМ
- •Параметры процедуры ОЛМ
- •Команда UNIANOVA: дополнительные возможности
- •12. Парные корреляции
- •Параметры процедуры Парные корреляции
- •13. Частные корреляции
- •Параметры процедуры Частные корреляции
- •Команда PARTIAL CORR: дополнительные возможности
- •14. Расстояния
- •Меры различия
- •Меры сходства
- •Команда PROXIMITIES: дополнительные возможности
- •15. Линейные модели
- •Как запустить процедуру построения линейной модели
- •Цели
- •Основные параметры
- •Подбор модели
- •Ансамбли
- •Дополнительные параметры
- •Параметры модели
- •Сводка для модели
- •Автоматическая подготовка данных
- •Важность предикторов
- •Предсказанные против наблюденных
- •Остатки
- •Выбросы
- •Эффекты
- •Коэффициенты
- •Оцененные средние
- •Сводка по построению модели
- •16. Линейная регрессия
- •Методы отбора переменных для линейной регрессии
- •Задание правила отбора наблюдений для линейной регрессии
- •Графики процедуры Линейная регрессия
- •Линейная регрессия: Сохранение новых переменных
- •Статистики процедуры Линейная регрессия
- •Параметры процедуры Линейная регрессия
- •Команда REGRESSION: дополнительные возможности
- •17. Порядковая регрессия
- •Порядковая регрессия: Параметры
- •Порядковая регрессия: Вывод
- •Порядковая регрессия: Модель положения
- •Создать члены
- •Порядковая регрессия: Модель масштаба
- •Команда PLUM: дополнительные возможности
- •18. Подгонка кривых
- •Модели подгонки кривых
- •Подгонка кривых: Сохранить
- •19. Регрессия частично наименьших квадратов
- •Модель
- •Параметры
- •20. Анализ методом ближайших соседей
- •Соседи
- •Показатели
- •Группы
- •Сохранить
- •Вывод
- •Параметры
- •Вид Модель
- •Пространство показателей
- •Важность переменных
- •Соседи
- •Расстояния до ближайших соседей
- •Диаграмма квадрантов
- •Значения ошибок при отборе показателей
- •Значения ошибок при выборе k
- •Значения ошибок при отборе показателей и выборе k
- •Таблица классификации
- •Сводка ошибок
- •21. Дискриминантный анализ
- •Задание диапазона в процедуре Дискриминантный анализ
- •Отбор наблюдений для процедуры дискриминантного анализа
- •Статистики в процедуре Дискриминантный анализ
- •Метод пошагового отбора процедуры Дискриминантный анализ
- •Дискриминантный анализ: Классификация
- •Дискриминантный анализ: Сохранить
- •Команда DISCRIMINANT: дополнительные возможности
- •22. Факторный анализ
- •Отбор наблюдений для факторного анализа
- •Описательные статистики факторного анализа
- •Выделение факторов в процедуре Факторный анализ
- •Вращение факторов для факторного анализа
- •Значения факторов в процедуре факторного анализа
- •Параметры процедуры Факторный анализ
- •Команда FACTOR: дополнительные возможности
- •23. Выбор процедуры кластеризации
- •24. Двухэтапный кластерный анализ
- •Параметры процедуры Двухэтапный кластерный анализ
- •Вывод процедуры Двухэтапный кластерный анализ
- •Средство просмотра кластеров
- •Закладка Средство просмотра кластеров
- •Перемещение по средству просмотра кластеров
- •Фильтрация записей
- •25. Иерархический кластерный анализ
- •Задание метода иерархического кластерного анализа
- •Статистики для процедуры Иерархический кластерный анализ
- •Графики для процедуры Иерархический кластерный анализ
- •Сохранение новых переменных в процедуре Иерархический кластерный анализ
- •Эффективность кластерного анализа методом k-средних
- •Итерации в кластерном анализе методом k-средних
- •Сохранение новых переменных в кластерном анализе методом k-средних
- •Параметры процедуры Кластерный анализ методом К-средних
- •Команда QUICK CLUSTER: дополнительные возможности
- •27. Непараметрические критерии
- •Одновыборочные непараметрические критерии
- •Чтобы получить одновыборочные непараметрические критерии
- •Вкладка Поля
- •Вкладка Параметры
- •Непараметрические критерии для независимых выборок
- •Чтобы получить непараметрические критерии для независимых выборок
- •Вкладка Поля
- •Вкладка Параметры
- •Непараметрические критерии для связанных выборок
- •Чтобы применить непараметрические критерии для связанных выборок
- •Вкладка Поля
- •Вкладка Параметры
- •Представление модель
- •Сводка по проверке гипотез
- •Сводка по доверительным интервалам
- •Одновыборочный критерий
- •Критерии для связанных выборок
- •Критерий для независимых выборок
- •Информация по категориальным полям
- •Информация по количественным полям
- •Парные сравнения
- •Однородные подмножества
- •Команда NPTESTS: дополнительные возможности
- •Устаревшие диалоговые окна
- •Критерий хи-квадрат
- •Биномиальный критерий
- •Критерий серий
- •Одновыборочный критерий Колмогорова-Смирнова
- •Критерии для двух независимых выборок
- •Критерии для двух связанных выборок
- •Критерии для нескольких независимых выборок
- •Критерии для нескольких связанных выборок
- •28. Анализ множественных ответов
- •Задание наборов множественных ответов
- •Частоты для множественных ответов
- •Таблицы сопряженности для множественных ответов
- •Задание диапазонов переменных в таблицах сопряженности для наборов множественных ответов
- •Параметры процедуры Таблицы сопряженности для множественных ответов
- •Команда MULT RESPONSE: дополнительные возможности
- •29. Создание отчетов
- •Итоги по строкам
- •Как запустить процедуру выдачи итожащего отчета: Итоги по строкам
- •Параметры группировки отчета
- •Параметры отчета
- •Компоновка отчета
- •Заголовки отчета
- •Итоги по столбцам
- •Как запустить процедуру выдачи итожащего отчета: Итоги по столбцам
- •Итожащие функции столбцов данных
- •Формат столбцов отчета
- •Параметры группировки отчета с итогами по столбцам
- •Параметры отчета для итогов по столбцам
- •Компоновка отчета с итогами по столбцам
- •Команда REPORT: дополнительные возможности
- •30. Анализ пригодности
- •Статистики процедуры Анализ пригодности
- •Команда RELIABILITY: дополнительные возможности
- •31. Многомерное шкалирование
- •Многомерное шкалирование: Форма данных
- •Создание меры для многомерного шкалирования
- •Модель многомерного шкалирования
- •Параметры процедуры Многомерное шкалирование
- •Команда ALSCAL: дополнительные возможности
- •32. Статистики отношений
- •Статистики отношений
- •33. Кривые ROC
- •Параметры процедуры ROC Кривые
- •Указатель
Глава
Расстояния
14
Эта процедура вычисляет любую статистику из широкого набора статистик, измеряющих либо сходства, либо различия (расстояния), причем либо между парами переменных, либо между парами наблюдений. Эти меры сходства или расстояния могут быть затем использованы в других процедурах, таких как факторный анализ, кластерный анализ или многомерное шкалирование, для того чтобы помочь анализировать сложные наборы данных.
Пример. Можно ли измерить сходство между парами автомобилей, основываясь на определенных характеристиках, таких как объем двигателя, расход топлива и мощность? Вычислив величины сходства между автомобилями, Вы можете получить представление о том, какие автомобили похожи, а какие различаются. Для более формального анализа к величинам сходства можно применить иерархический кластерный анализ или многомерное шкалирование для того, чтобы исследовать скрытую структуру данных.
Статистики. Меры различия (расстояния) для интервальных данных: расстояние Евклида, квадрат расстояния Евклида, метрики Чебышева, блок, Минковского, а также задаваемые пользователем. Для частот: хи-квадрат и фи-квадрат. Для бинарных данных: расстояние Евклида, квадрат расстояния Евклида, различие размеров, различие структур, дисперсия, форма, Ланс и Вильямс. Мерами сходства для интервальных данных являются: коэффициент корреляции Пирсона и косинус. Для бинарных данных: Рассел и Рао, простая мера совпадений, Жаккар, дайс, Роджерс и Танимото, Сокал и Сниат 1, Сокал и Сниат 2, Сокал и Сниат 3, Кульчинский 1, Кульчинский 2, Сокал и Сниат 4, Хаманн, Лямбда, D Андерберга, Y Юла, Q Юла, Очиай, Сокал и Сниат 5, четырехточечная корреляция фи, разброс.
Как получить матрицы расстояний
E Выберите в меню:
Анализ > Корреляции > Расстояния...
© Copyright IBM Corporation 1989, 2011. |
86 |
87
Расстояния
Рисунок 14-1
Диалоговое окно Расстояния
EВыберите, по крайней мере, одну числовую переменную, чтобы вычислять расстояния между наблюдениями, или выберите, по крайней мере, две числовые переменные, чтобы вычислить расстояния между переменными.
EВыберите одну из двух альтернатив в группе Вычислить расстояния между, чтобы вычислить расстояния либо между наблюдениями, либо между переменными.
88
Глава 14
Меры различия
Рисунок 14-2
Диалоговое окно Расстояния: Меры различия
В группе Мера выберите альтернативу, соответствующую типу данных (интервальным, частотам или двоичным); затем в выпадающем списке выберите одну из мер, которая соответствует этому типу данных. Доступными мерами в зависимости от типа данных являются следующие:
Интервальные данные. Расстояние Евклида, квадрат расстояния Евклида, расстояние Чебышева, блок, Минковского или Настроенная (пользователем).
Частоты. Меры хи-квадрат или фи-квадрат.
Двоичные данные. Расстояние Евклида, квадрат расстояния Евклида, различие размеров, различие структур, дисперсия, форма, Ланс и Виллиамс. (Введите значения в поля Наличие и Отсутствие, чтобы указать, какие два значения используются; остальные значения будут игнорироваться процедурой.)
Группа Преобразовать значения позволяет перед вычислением близостей стандартизировать значения данных либо для наблюдений, либо для переменных. Эти преобразования неприменимы к бинарным данным. Возможные методы стандартизации: Z значения, Диапазон от –1 до 1, Диапазон от 0 до 1, Максимальная величина 1, Среднее 1 и Стд. отклонение 1
Группа Преобразовать меры позволяет преобразовать генерируемые значения меры расстояния. Преобразования выполняются после того, как вычислены значения меры расстояния. Доступные преобразования: взятие модуля, смена знака, приведение к диапазону 0–1.
89
Расстояния
Меры сходства
Рисунок 14-3
Диалоговое окно Расстояния: Меры сходства
В группе Мера выберите альтернативу, соответствующую типу данных (интервальная или двоичная); затем в выпадающем списке выберите одну из мер, которая соответствует этому типу данных. Доступными мерами в зависимости от типа данных являются следующие:
Интервальные данные. Коэффициент корреляции Пирсона или косинус.
Двоичные данные. Рассел и Рао, простая мера совпадений, Жаккар, дайс, Роджерс
иТанимото, Сокал и Сниат 1, Сокал и Сниат 2, Сокал и Сниат 3, Кульчинский 1, Кульчинский 2, Сокал и Сниат 4, Хаманн, Лямбда, D Андерберга, Y Юла, Q Юла, Очиай, Сокал и Сниат 5, четырехточечная корреляция фи, разброс. (Введите значения в поля Наличие и Отсутствие, чтобы указать, какие два значения используются; остальные значения будут игнорироваться процедурой.)
Группа Преобразовать значения позволяет перед вычислением расстояний стандартизировать значения данных либо для наблюдений, либо для переменных. Эти преобразования неприменимы к бинарным данным. Возможные методы стандартизации: Z значения, Диапазон от –1 до 1, Диапазон от 0 до 1, Максимальная величина 1, Среднее 1 и Стд. отклонение 1
Группа Преобразовать меры позволяет преобразовать генерируемые значения меры расстояния. Преобразования выполняются после того, как вычислены значения меры расстояния. Доступные преобразования: взятие модуля, смена знака, приведение к диапазону 0–1.
Команда PROXIMITIES: дополнительные возможности
Процедура Расстояния использует синтаксис команды PROXIMITIES. Язык синтаксиса команд также позволяет:
Задать любое целое число в качестве степени для меры расстояния Минковского.
Задать любое целое число в качестве корня для настраиваемой меры расстояния.
90
Глава 14
Полную информацию о синтаксисе языка команд можно найти в Руководстве по синтаксису.