
SPSS统计基础-距离相关
该过程计算测量变量对或个案对之间相似性或不相似性(距离)的各种统计量。随后,这些相似性或距离测量可与其他过程(例如因子分析、聚类分析或多维尺度)一起使用,以帮助分析复杂的数据集。
示例。有可能基于某些特征(例如引擎大小、MPG 和马力)度量汽车对之间的相似性?通过计算汽车间的相似性,您可以了解到哪些汽车彼此相似,哪些汽车彼此不同。对更正式的分析,您可以考虑将分层聚类分析或多维尺度应用到相似性中,以探索基础结构。
获得距离矩阵
从菜单中选择:
分析> 相关> 距离...
距离:非相似性测量
从“度量”组中选择与数据类型(区间、计数或二值)相应的选项,然后,在下拉列表中选择与该数据类型相应的测量。根据数据类型,可用的测量有:
定距数据。欧氏距离、平方Euclidean 距离、Chebychev、块、Minkowski 或定制。
计数数据。卡方测量或phi 平方测量。
二分类数据。欧氏距离、平方Euclidean 距离、尺度差分、模式差分、方差、形状或Lance 和Williams。(在“存在”和“不存在”中输入值以指定哪两个值有意
义,“距离”将忽略其他所有值。)
“转换值”组允许您在计算近似性之前,为个案或变量标准化数据值。对二分类数据,这些转换不适用。可用的标准化方法有z 得分、范围–1 至1、范围0 至1、1 的最大量级、1 的均值和使标准差为1。
“转换测量”组允许您转换距离测量所生成的值。在计算了距离测量之后应用这些转换。可用的选项有绝对值、更改符号和重新调整到0–1 范围。
距离:相似性测量
从“度量”组中选择与数据类型(定距或二分类)相应的选项,然后,在下拉列表中选择与该数据类型相应的测量。根据数据类型,可用的测量有:
.定距数据。Pearson 相关或余弦。
.二分类数据。Russell 和Rao、简单匹配、Jaccard、切块、Rogers 和Tanimoto、Sokal 和Sneath 1、Sokal 和Sneath 2、Sokal 和Sneath 3、Kulczynski 1、Kulczynski 2、Sokal 和Sneath 4、Hamann、Lambda、Anderberg 的D、Yule 的Y、Yule 的Q、Ochiai、Sokal 和Sneath 5、phi 4 点相关或离差。(在“存在”和“不存在”中输入值以指定哪两个值有意义,“距离”将忽略其他所有值。)
“转换值”组允许您在计算近似性之前,为个案或变量标准化数据值。对二分类数据,这些转换不适用。可用的标准化方法有z 得分、范围–1 至1、范围0 至1、1 的最大量级、1 的均值和使标准差为1。
“转换测量”组允许您转换距离测量所生成的值。在计算了距离测量之后应用这些转换。可用的选项有绝对值、更改符号和重新调整到0–1 范围。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15