SPSS数据转换
两分类或多分类方法(经验总结)
.
第二篇:SPSS分类分析报告
构造分类器实验报告
10级信计班 XXX XXXXXX
通过对SPSS的初步学习,现运用SPSS中分析菜单中的降维因子分析来对搜集的数据进行因子分析,由此得出数据的分类,从而进行评估。
在搜集的过程中,难免会遇到的缺失、填写错误、噪音等诸多问题,在这次关于高校数学教育对于人才培养的影响研究调查问卷中也出现了很多问题,比如有几份问卷全部选择的是同一个答案、有些问卷没有填写完整、对于有些问题没有涉及到填写人因面缺失等。在进行数据处理的过程中,排除掉了全部选择同一个答案的问卷;对于没填写完整的问卷,则根据前面所选内容猜测填写人内心活动,进而有关联的填写;经过多重处理后,问关由最初的305份到最后的275分,而在这次的分析报告中,我们采用了前面175份进行分析分类操作。下面将对因子分析进行一个简单的介绍:
因子分析法是从研究变量内部相关的依赖关系出发,把一些具有错综复杂关系的变量归结为少数几个综合因子的一种多变量统计分析方法。它的基本思想是将观测变量进行分类,将相关性较高,即联系比较紧密的分在同一类中,而不同类变量之间的相关性则较低,那么每一类变量实际上就代表了一个基本结构,即公共因子。对于所研究的问题就是试图用最少个数的不可测的所谓公共因子的线性函数与特殊因子之和来描述原来观测的每一分量。
在进行因子分析前,我们需要做一个分析来判定这份数据是否适合进行因子分析,这在SPSS软件中可以帮我们实现。在结果KMO and Bartlett's Test(球形检验)中,Kaiser-Meyer-Olkin 值为0.840>0.5,适合进行因子分析。
接下来进行因子分析中各参数的详细操作:
操作步骤
1. 按【分析】→【降维】→【因子分析】顺序单击菜单项,打开因子分析主对话框。
2. 将分析变量送到右边的【变量】栏中。
3. 在主对话框中单击【抽取】按钮,相应的对话框中:
1) 【方法】菜单中选择主成分分析方法。
2) 【分析】栏中选择分析相关性矩阵。
3) 【输出】勾选未旋转的因子解和碎石图。
4) 【抽取】中选择基于特征值。
5) 选择最大迭代次数25.
4. 主对话框中单击【得分】按钮。在相应的对话框中选择保存为变量,并在Method栏中选择回归,要求通过回归方法计算因子得分并把因子得分作为变量保存到数据文件中。
5. 单击【描述】按钮,在对话框选择原始分析结果、系数、KM和Bartlett的球度检验选项。
6. 在主对话框中单击OK按钮执行运算。
结果如下:
通过碎石图可以看出,在成份数5后曲线相对平缓,因此可以将数据分为五大类。
在上图旋转成份矩阵中,可以很清楚的看出,在成份1中前五个所占份额相对于其它四个成份中均是最高的,因此成份1可由前面五个问题构成,也就构成了一类,在这一类中,他们的相似度是接近的。由此可以分析,成份1可由问题13、3、18、1、2构成;成份2可由问题11、9、10、7、20、16、12构成;成份3可由问题17、19、4、6构成;成份4可由问题8、5构成;成份5可由问题14、15构成。这样就可以将这20个问题简单的分为这五大类。
但是在这次的分析中,不有很多分析是需要改进的,比如时行数据处理时,只是简单的进行了分析,而没有相关的分析手法对数据有理论的探讨。当然,这些问题将会在以后的分析进行完善。