2013数学建模必备spss翻译 指导

分析结果：主要看判别函数，注意此处是对于新样本，判别函数哪个取值大，新样本就属于哪类。
第六章 聚类分析
词汇
Classify 聚类分析
K-Means Cluster 快速聚类法
Iterate 迭代
Convergence Criterion 收敛准则
Cluster membership 聚类成员
P-P plots P-P 图 Q-Q plots Q-Q 图
Options 选择项 Parametric 参数
Correlate 相关分析 Bivariate 两变量的
例：分析一元样本的一些数字特征：
单击 Analyze（分析）－－Descriptive Statistics（描述性统计量）―Descriptive（描述）―Options（设置）
添入自变量、因变量和选择合适的方法，本例中选择
Stepwise（逐步回归）
然后单击 Statistics选择一些统计量 ，例如： Estimates （估计值 ）、Confidence intervals （置信区间）、Covariance matrix （协方差矩阵 ）
R squared change （修正的复相关系数平方）
3. 单击Analyze－Nonparametric Tests――1 sample K—S 接着展开One—sample Kolmogorov—Smirnov
Test对话框（选择合适的检验总体）――OK
?例：分析某组p元样本的相关矩阵：
单击Analyze（分析）－Correlate（相关）－Bivariate（两变量） 选择合适的相关系数：例如：Pearson (适合正态) or Spearman(适合非正态)――OK
然后单击 plots 选择合适的变量作图，例如：
X轴：DEPENDENT 因变量
Y轴：ZPRED：标准化预测值
Or X轴：DEPENDENT 因变量
Y轴：SRESID：学生(化)残差
并选中 Standardized Residual Plots中的 Histogram和 Normal Probability Plots
第二章 线性回归分析
词汇
Regression 回归 Liner 线性
Dependent 因变量 Independent 自变
Stepwise 逐步 Enter 强迫代入（自变量全选）
Statistics统计量 Estimates 估计值
单击 Statistics（统计量）在Function coefficients（判别函数系数）中选择Fisher’s
单击 Classify（分类）在 Use Covariance Matrix 中选择一个：
Within－groups 组内协方差矩阵（此题选择这个）
Separate－groups 分组协方差矩阵
单击Itertate（迭代），在Maximum Itertations（最大迭代数）中添入：20，在Convergence Criterion（收敛准则）中添入0.02。
根据SPSS的分析结果，首先看列文方差齐次性检验的结果，再看方差分析表ANOVA，读取p-值，给出结论。
图形表示法：
Histogram（直方图）
单击Graphs（图形）－Histogram（直方图），将变量Y添入Variable（变量），可以选择Display normal curve（显示正态曲线），然后在Panel by（版面）中将变量X添入Rows（行）或Columns（列）
Confidence intervals 置信区间
Covariance matrix 协方差矩阵
R squared change 修正的复相关系数平方
Plots 图 有如下选项：
DEPENDENT 因变量
ZPRED：标准化预测值
ZRESID：标准化残差
DRESID：删除残差
ADJPRED：修正后的预测值
接着单击Save 可以保存一些变量。
最后单击 OK
第三章 方差分析
one way ANOVA （analysis of variance）
单因素方差分析
Homogeneity of variance test ，Levene
列文方差齐性检验
Std. Deviation 标准差 std.＝standard
Residual：残差。有以情况：
Unstandardized：未标准化残差
Standardized：标准化残差
Studentized：学生(化)残差
分析后的主要结果：
Descriptive Statistics 描述性统计量
Correlations 相关分析
Model Summary 模型主要结论
例子1：请将样本数据按快速聚类法进行聚类分析。根据变量：净资产收益率(X1)、净资产增长率(X2)、净利润增长率(X3)、主营业务收入增长率(X4)将样本分成三类。
单击Classify（分类）－K-Means Cluster（快速聚类法），将变量X1、X2、X3、X3，添入Variables框；在Number of Clusters（即聚类分析的类别数）处输入需要聚合的组数，本例为3；在聚类方法上有两种：Iterate and classify指先定初始类别中心点，而后按K-means算法作叠代分类，Classify only指仅按初始类别中心点分类，本例选用前一方法。
Hierarchical Cluster 系统聚类分析（谱系图法）
Dendrogram 系统树图（谱系图）
Icicle 冰柱图
Euclidean distance 欧氏距离
Between-groups linkage 类间平均链锁法；
Within-groups linkage 类内平均链锁法；
第一章ansform 转换 Analyze 分析 Graphs 图形
Descriptive Statistics 描述性统计量
Mean 均值 Median 中位数 Mode 众数
Sum 和 Std. deviation 标准差 Variance 方差
SRESID：学生(化)残差
SDRESID：学生(化)删除残差
Predicteds Values：预测值 有以下情况：
Unstandardized：未标准化的预测值。
Standardized：标准化的预测值。
Adjusted：修正后的预测值。
S．E．of Mean Prediction：预测值的标准误差。
Univariate descriptive 单变量描述性统计量
Principal components 主成分分析法
Correlation matrix 相关系数矩阵
Covariance matrix 协方差矩阵
Display 显示 Extract 提取
Unrotated factor solution 非旋转因子解
Nearest neighbor 最短距离法；
Furthest neighbor 最长距离法；
Centroid clustering：重心法，应与欧氏距离平方法一起使用；
Median clustering：类平均距离法，应与欧氏距离平方法一起使用；
Ward's method：离差平方和法，应与欧氏距离平方法一起使用。
（然后可选择某些数字特征）――OK
?例：分析某组样本是否来自一元正态分布：
1．数字特征：Skewness 偏度 Kurtosis 峰度（同上）
2. 图形 单击 Graphs （图形）选择合适的图形 例如
Histogram 直方图 P-P plots P-P 图
Q-Q plots Q-Q 图
Scree plot 碎石图
在 Extract 提取中
Number of factors添入公因子的数目，默认是2
单击 Continue 和 OK
分析结果中主要看1.Scree plot（此图中显示每个主成分的方差大小，即能看出每个主成分的贡献率） ponent Matrix 主成分关于原变量的线性关系
Scree plot 碎石图
Number of factors 公因子的数目
例子：请根据给出的数据进行主成分分析。
单击 Analyze（分析） －>Date reduction （数据简化（降维））－> Factor （因子）；单击 Extraction（提取）：
在 Method（方法） 中选择：
例子：请根据给出的数据进行单因素方差分析。分析在企业品牌的不同时，净资产收益率是否有差别？（记X为企业品牌是分类变量，Y为净资产收益率是数值变量）
单击 Analyze（分析）－－Compare Means（均值比较） ―― One Way ANOVA （单因素方差分析） 将变量Y添入Dependent List（因变量），变量X添入Facter（因子）。 然后单击 Options（选项） ，选择Descriptive（描述行统计量）和Homogeneity of variance test ，Levene。 最后单击 OK
Function coefficients 判别函数系数
Fisher’s
Within-groups Covariance Matrix 组内协方差矩阵
Separate－groups Covariance Matrix 分组协方差矩阵
例子：请根据给出的数据进行判别分析。现有数据已按企业绩效的不同分为三类。每一类都有若干变量，请根据这56样本请给出判别函数。