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。