• 曲线拟合效果图
主成分分析
AnalyzeData ReductionFactor （分析） （降维） （因子分析）
主成分分析界面
Variables：选入 进入主成分分析 的变量
Descriptives：原始变量的描述统计和初始的分析结果 Extraction：选择不同的提取公因子的方法和控制提取结果的依据 Rotation：选择因子旋转的方法
• Statistics：选择要输出的统计量 • Plots：绘图 • Save：指定要保存到数据窗口的新变量
• Options：设置模型拟合标准和缺失值处 理方式
回归结果
Model Summary
模型概要：
Model 1
R .975a
R Sq uare .951
Adjusted R Sq uare .942
曲线拟合界面
• Dependent：因变量 • Independents：自变量 • Models：选择曲线类型
不同模型表示
曲线拟合分析结果
模型概述与参数估计表
Model Summary and Parameter Estimates Dependent Variable: 工 业 增 加 值 Equation Quadratic Cubic Exponential R Square .982 .999 .942 Model Summary F df1 279.343 2 5677.436 3 179.530 1 df2 10 9 11 Sig . .000 .000 .000 Constant 28791.899 11802.427 10822.646 Parameter Estimates b1 b2 -7585.419 1067.275 4752.173 -1056.409 .166 b3 101.128
Scores：计算因子得分
Options：选择对应的输出项
保存主成分变量
Scores选项： 勾选 Save as variables、Display factor score coefficient matrix
主成分分析结果
总方差分解表
Component 1 2 3 4 Total 1.532 1.026 .886 .557 Total Variance Explained Initial Eigenvalues % of Variance Cumulative % 38.293 38.293 25.644 63.937 22.150 86.087 13.913 100.000 Extraction Sums of Squared Loading s Total % of Variance Cumulative % 1.532 38.293 38.293 1.026 25.644 63.937
Measure:
Euclidean Distance
垂直冰柱图
聚类树形图
上机作业
• 142页 7.7 习题 1，2，3
• 184页 10.5 习题 1、3
（只需完成主成分方法）
• 要求对模型结果进行分析
4 .711 .094 .000
a. Convergence achieved due to no or small chang e in cluster centers. The maximum absolute coordinate change for any center is .000. The current iteration is 3. The minimum distance between initial centers is 2.654.
Standardized Coefficients Beta .798 .278
t 1.136 10.096 3.522
Sig . .280 .000 .005
a. Dependent Variable: 偏 好
曲线拟合
• 单击AnalyzeRegressionCurve Estimation 进入曲线拟合分析界面
保存k-means聚类变量
Save 选项：
勾选 Cluster membership
k-means输出结果
Initial Cluster Centers Cluster
初始类中心
1 REGR factor score 1 for analysis 1 REGR factor score 2 for analysis 1 1.66127 -1.02717
SPSS软件主要功能
• 数据管理
包括定义变量属性、复制数据、定日日期、插入变量、汇总数据、 拆分数据等
• 数据转换
包括计算变量、计数、创建时间序列、替换缺失值和随机数字种子
• 统计分析
主要的统计方法和模型包括描述性统计、参数检验、回归分析、数
据降维、时间序列分析等
• 绘图
能绘制35种以上常用的统计图形
2 -.034 .924 -.243 .248
uhj 特征向量！
Extraction Method: Principal Component Analysis.
主成分分析结果
a Component Matrix
因子载荷矩阵
被 引 次 数 载 文 量 引 证 期 刊 标 注 “国 家 自 然 科 学 基 金 项 目 ”
最终各类中心
REGR factor score 1 for analysis 1 REGR factor score 2 for analysis 1
Final Cluster Centers Cluster 1 .64250 -.66704 2 1.56761 1.23760 3 -.62024 -.64349 4 -.72392 1.05171
2 2.10173 2.04377
3 -1.30583 -.89410
4 -1.07178 1.74996
a Iteration History
每次迭代 各类中心变化
Iteration 1 2 3
1 1.001 .114 .000
Chang e in Cluster Centers 2 3 .967 .830 .000 .100 .000 .000
聚类总结
Number of Cases in each Cluster Cluster 1 2 3 4 11.000 4.000 11.000 9.000 35.000 .000
Valid Missing
绘制散点图选项
定义Y轴
定义X轴 此处放置聚类变量
此处放置数据标签
Options： 勾选 Display chart with case labels
工具栏
数据视图区
变量视图区
单击此处打开数 据文件
打开数据文件
“打开文件” 对话框
在此选择 文件类型
线性回归分析
AnalyzeRegressionLinear （分析） （回归） （线性回归）
线性回归分析界面
• Dependent：因变量 • Independents：自变量 • Method：变量筛选方式
Extraction Method: Principal Component Analysis.
Component Score Coefficient Matrix Component
因子得分参数表
1 被 引 次 数 载 文 量 引 证 期 刊 标 注 “国 家 自 然 科 学 基 金 项 目 ” .512 .067 .524 .335
Component 1 .784 .102 .802 .513 2 -.035 .948 -.249 .254
h uhj 相关系数！
Extraction Method: Principal Component Analysis. a. 2 components extracted.
因子载荷图
查看主成分变量
应用统计学
——SPSS统计分析
SPSS简介
• SPSS是由美国斯坦福大学的三位研究生于 20世纪60年代末研制，同时成立了SPSS公 司，并于1975年在芝加哥组建了SPSS总部。
• Statistical Product and Service Solutions • 公司主页:
方差分析：
Reg ression Residual Total
a. Predictors: (Constant), 价 格 ,质 量 b. Dependent Variable: 偏 好
Coefficientsa
回归系数：
Model 1
(Constant) 质 量 价 格
Unstandardized Coefficients B Std. Error .535 .471 .976 .097 .251 .071
主成分变量
绘制散点图
GraphsScatter/Dot… （绘图） （散点图）
绘制散点图选项
定义Y轴
定义X轴
此处放置数据标签
Options： 勾选 Display chart with case labels
主平面图
k-means聚类方法
AnalyzeClassifyK-means Cluster
参考书
• 数据分析与SPSS应用 高祥宝，董寒青著，清华大学出版社 • SPSS for Windows统计分析
卢纹岱著，电子工业出版社
• SPSS for Windows统计分析教程
李志辉等著，电子工业出版社
• SPSS界面 • 回归分析
x3 0
y3
y2
y1
x2
• 主成分分析
• 聚类分析
x1
SPSS主界面

Std. Error of the Estimate .76180