SPSS統(tǒng)計(jì)方法體系與案例實(shí)驗(yàn)進(jìn)階 課件 第11-14章 生存分析-聚類分析與判別分析

《SPSS統(tǒng)計(jì)方法體系與案例實(shí)驗(yàn)進(jìn)階》學(xué)習(xí)目標(biāo)：1、掌握壽命表法和LM法2、掌握COX回歸分析重點(diǎn)：1、COX回歸分析第11章生存分析1.基本原理壽命表法采用與編制生命表相似的原理計(jì)算生存率,通過計(jì)數(shù)落入?yún)^(qū)間[t,t+k]內(nèi)的失效和截尾的觀察例數(shù)來估計(jì)該區(qū)間死亡概率,然后根據(jù)概率的乘法原則,將不同時期的生存概率相乘,得到自觀察開始到指定某一時刻的生存率.2.應(yīng)用條件(1)壽命表法適用于區(qū)間數(shù)據(jù):當(dāng)資料是按照固定時間間隔收集,隨訪結(jié)果是該年或該月期間若干觀察人數(shù)、出現(xiàn)預(yù)期觀察結(jié)果數(shù)和截尾數(shù)(刪失數(shù)),數(shù)據(jù)總結(jié)成若干個時段頻數(shù)表形式,每位患者確切生存時間未知,應(yīng)當(dāng)用壽命表法進(jìn)行研究;(2)壽命表法適用于觀察例數(shù)較多而分組的大樣本生存資料.

3.適用范圍與對象(1)估計(jì)某生存時間的生存率,以及生存時間中位數(shù);(2)繪制各種曲線:如生存函數(shù)、風(fēng)險(xiǎn)函數(shù)曲線等;(3)對某一研究因素不同水平的生存時間分布的比較;(4)控制另一個因素后對研究因素不同水平的生存時間分布的比較;(5)對多組生存時間分布進(jìn)行兩兩比較.【實(shí)例1】[問題敘述]現(xiàn)有450例肺癌患者的隨訪資料,請對其生存情況進(jìn)行描述.表11-1450例肺癌患者的隨訪資料術(shù)后年數(shù)012345678910期間死亡人數(shù)9082655240302015842期間刪失人數(shù)324108542121[實(shí)驗(yàn)?zāi)康腯理解壽命表基本思想、應(yīng)用條件及適用范圍,掌握SPSS操作方法和結(jié)果解讀.[操作步驟]變量要求:將資料整理成頻數(shù)表形式,時間變量,類型為數(shù)值型;頻數(shù)變量,類型為數(shù)值型,加權(quán);結(jié)局變量,類型為數(shù)值型;還可以有分組變量,類型為數(shù)值型.隨訪時間數(shù)據(jù)是時間變量取值;隨訪期間的死亡和刪失人數(shù)是頻數(shù)變量取值;結(jié)局變量取值為1和0:若頻數(shù)為死亡則賦值1,若頻數(shù)為刪失(截尾)則賦值0.定義一個時間變量“術(shù)后年數(shù)”,一個頻數(shù)變量“人數(shù)”,一個結(jié)局變量“結(jié)局”,并設(shè)置其“值(Value)”為“1=死亡,0=刪失”.將術(shù)后年數(shù)錄入時間變量,將期間死亡人數(shù)和期間刪失人數(shù)錄入頻數(shù)變量,將頻數(shù)變量對應(yīng)的兩類數(shù)據(jù)分別錄入1、0至結(jié)局變量.菜單選擇:(1)變量加權(quán):主菜單“數(shù)據(jù)(Data)”→“加權(quán)個案(WeightCases)”→“加權(quán)個案(Weightcasesby)”;選頻數(shù)變量“人數(shù)”到“頻率變量(FrequencyVariable)”框,點(diǎn)擊“確定(OK)”按鈕.(2)生命表分析:主菜單“分析(Analyze)”→“生存函數(shù)(Survival)”→“壽命表(LifeTables)”.界面設(shè)置:將“術(shù)后年數(shù)”選入“時間(Time)”欄;在“顯示時間間隔(Displaytimeintervals)”區(qū)域,在“0到(0through)”框填入最大生存時間的上限10;在“步長(by)”框填入生存時間的組距1;在“狀態(tài)(Status)”框選入結(jié)局變量“結(jié)局”,點(diǎn)擊“定義事件(DefineEvents)”按鈕,在“單值(SingleValue)”框填入1.在主界面中,單擊“選項(xiàng)(Option)”按鈕,在“圖形(Plot)”區(qū)域,勾選“生存函數(shù)(Survival)”,點(diǎn)擊“繼續(xù)(Continue)”,其它按默認(rèn)值,點(diǎn)擊“確定(OK)”按鈕.經(jīng)分析,中位數(shù)生存時間為2.78年,表明術(shù)后死亡人數(shù)達(dá)到一半時間為2.78年.其他指標(biāo):☆終結(jié)比例,即死亡概率;☆生存比例,即生存概率;☆期末的累積生存比例,即截止本段上限的累積生存概率;☆概率密度指所有個體在時點(diǎn)t后單位時間內(nèi)死亡概率估計(jì)值;☆風(fēng)險(xiǎn)率,表示活過時點(diǎn)t后、單位時間內(nèi)死亡概率估計(jì)值;☆風(fēng)險(xiǎn)率的標(biāo)準(zhǔn)誤等.期初時間期初記入數(shù)期內(nèi)退出數(shù)歷險(xiǎn)數(shù)期間終結(jié)數(shù)終結(jié)比例生存比例期末累積生存比例概率密度風(fēng)險(xiǎn)率04503448.50090.20.80.80.201.2213572356.00082.23.77.62.184.2622734271.00065.24.76.47.148.27320410199.00052.26.74.35.122.3041428138.00040.29.71.25.100.34594591.50030.33.67.16.080.39659457.00020.35.65.11.058.43735234.00015.44.56.06.047.57818117.5008.46.54.03.027.599928.0004.50.50.02.016.6710312.5002.80.20.00.000.00表11-2肺癌患者術(shù)后壽命表圖11-2為累積生存率曲線圖,橫坐標(biāo)為生存的時間,而縱坐標(biāo)是生存函數(shù)的大小.顯然,隨著時間流逝,生存的概率遞減,曲線呈下降趨勢.11.2Kaplan-Meier分析一、核心知識Kaplan-Meier法利用條件概率及概率乘法原理計(jì)算生存率及標(biāo)準(zhǔn)誤,又稱乘積極限法(Product-LimitMethod,P-L法).1.1生存率計(jì)算:(1)生存時間由小到大排列;(2)生存時間t對應(yīng)的死亡人數(shù);(3)期初觀察人數(shù);(4)計(jì)算條件死亡率及條件生存率;(5)計(jì)算活過t時點(diǎn)的生存率.生存率的標(biāo)準(zhǔn)誤計(jì)算:1.2生存曲線:以生存時間為橫軸,生存率為縱軸繪制生存曲線并描述生存過程,又稱K—M曲線,分析時應(yīng)注意曲線高度和下降坡度.1.3中位生存時間（生存時間中位數(shù)）:50%個體存貨期大于該時間.2.應(yīng)用條件Kaplan-Meier分析適用于小樣本或者大樣本未分組資料的生存率的估計(jì)和組間生存率的比較,主要用于樣本含量較小的資料分析.3.適用范圍與對象(1)估計(jì)各生存時間的生存率和中位生存時間;(2)繪制曲線:如生存函數(shù)、風(fēng)險(xiǎn)函數(shù)曲線等;(3)某因素不同水平的生存時間有無差異比較;(4)控制某個分層因素后對研究因素不同水平的生存時間分布比較;(5)多組生存時間分布兩兩比較;(6)各總體分布比較采用Log-rank等非參數(shù)方法.【實(shí)例2】[問題敘述]中藥加化療(中藥組)和化療(對照組)療法治療白血病,隨訪記錄患者生存時間,不帶“+”號者表示已死亡,即完全數(shù)據(jù);帶“+”號者表示尚存活,即截尾數(shù)據(jù),請作生存分析.表11-3兩組療法治療白血病隨訪資料(單位:月)中藥組102+12+13186+19+269+8+6+43+943124對照組2+137+11+61113177[實(shí)驗(yàn)?zāi)康腯理解Kaplan-Meier法基本思想、應(yīng)用條件及適用范圍,掌握SPSS操作方法和結(jié)果解讀.[操作步驟]變量要求:時間變量,類型為數(shù)值型;結(jié)局變量,類型為數(shù)值型;還可以有分組變量,類型為數(shù)值型或字符型.隨訪時間數(shù)據(jù)是時間變量取值;結(jié)局變量取值為1和0(死亡為1,截尾為0).定義時間變量“生存時間”;結(jié)局變量“結(jié)局”,并設(shè)置其“值(Value)”為“1=死亡,0=截尾”;分組變量,設(shè)置其“值(Value)”為“1=中藥組,2=對照組”.將生存時間錄入時間變量,將死亡和截尾數(shù)據(jù)分別對應(yīng)錄入1、0至結(jié)局變量,將組別分別對應(yīng)錄入1、2至分組變量.菜單選擇:“分析(Analyze)”→“生存函數(shù)(Survival)”→“Kaplan-Meier…”.界面設(shè)置:將“生存時間”選入“時間(Time)”欄;將“結(jié)局”選入“狀態(tài)(Status)”欄,點(diǎn)擊“定義事件(DefineEvents)”按鈕,在“單值(SingleValue)”框填入1;將分組變量“組別”選入“因子(Factor)”框.在主界面中,單擊“選項(xiàng)(Option)”按鈕,在“圖(Plot)”區(qū)域,勾選“生存函數(shù)(Survival)”,點(diǎn)擊“繼續(xù)(Continue)”;單擊“比較因子(CompareFactor)”按鈕,勾選“對數(shù)秩(Log-rank)”,用于檢驗(yàn)時間分布是否相同,點(diǎn)擊“繼續(xù)(Continue)”;其它按默認(rèn)值,點(diǎn)擊“確定(OK)”按鈕.[結(jié)果分析]分組總數(shù)事件數(shù)刪失N百分比對照組107330.0%中藥組168850.0%整體26151142.3%表11-4兩組人群生存率估計(jì)表分組時間狀態(tài)此時生存的累積比例累積事件數(shù)剩余個案數(shù)估計(jì)標(biāo)準(zhǔn)誤對照組11.000死亡.900.0951922.000存活..1833.000死亡.788.1342746.000死亡.675.1553657.000死亡.563.1654567.000存活..44711.000死亡.422.17453811.000存活..52913.000死亡.211.173611017.000死亡.000.00070分組時間狀態(tài)此時生存的累積比例累積事件數(shù)剩余個案數(shù)估計(jì)標(biāo)準(zhǔn)誤中藥組14.000死亡.933.06411426.000存活..11336.000存活..11248.000存活..11159.000死亡.848.10021069.000存活..29710.000死亡.754.12638812.000存活..37913.000死亡.646.147461018.000死亡.539.157551119.000存活..541224.000死亡.404.166631326.000死亡.269.156721431.000死亡.135.123811543.000存活..80生存率估計(jì)表中“此時生存的累積比例估計(jì)值”表示該時點(diǎn)的生存率估計(jì)值.兩組的平均生存時間中,中位數(shù)平均時間、標(biāo)準(zhǔn)誤及95%置信區(qū)間等信息.中藥組生存時間均值為22.013個月,中位數(shù)為24個月;對照組生存時間均值為9.775個月,中位數(shù)為11個月.分組均值中位數(shù)估計(jì)標(biāo)準(zhǔn)誤95%置信區(qū)間估計(jì)標(biāo)準(zhǔn)誤95%置信區(qū)間下限上限下限上限對照組9.7751.9745.90513.64511.0004.9401.31820.682中藥組22.0133.66314.83429.19324.0007.5199.26238.738整體17.5392.79312.06523.01213.0003.4816.17719.823兩組及多組生存曲線的比較采用Log-rank檢驗(yàn),即以生存時間對數(shù)為基礎(chǔ)推導(dǎo).表11-6兩組生存率LogRank比較卡方dfSig.LogRank(Mantel-Cox)6.5791.010為分組的不同水平檢驗(yàn)生存分布等同性.經(jīng)分析,兩組比較LogRank檢驗(yàn)結(jié)果(對應(yīng)的概率值P=0.010),檢驗(yàn)結(jié)果表明兩組生存率差異有統(tǒng)計(jì)學(xué)意義.經(jīng)分析,兩組生存曲線的大致分布規(guī)律,并可以進(jìn)行兩組生存率比較,看出中藥組(組別1)預(yù)后效果比對照組(組別2)好.11.3Cox回歸分析一、核心知識Cox回歸模型是1972年由英國統(tǒng)計(jì)學(xué)家Cox提出,主要用來研究各種因素(稱為協(xié)變量或伴隨變量等)對于生存期長短的關(guān)系.生存資料同時考慮生存結(jié)局和生存時間,生存時間不服從正態(tài)分布,可能含有刪失,面對這些特點(diǎn),傳統(tǒng)多因素分析方法無能為力.因此傳統(tǒng)分析方法不能同時處理生存結(jié)局和生存時間,也不能處理刪失時間.(1)Logistic回歸以生存結(jié)局為因變量,僅考慮結(jié)局好壞(死亡或生存),而未考慮出現(xiàn)該結(jié)局的時間長短,無論死亡在隨訪早期或晚期,處理均相同.(2)多重線性回歸以生存時間為因變量,雖能考慮生存時間,但生存時間一般不服從正態(tài)分布,而且傳統(tǒng)線性回歸不能有效利用刪失時間.☆Cox回歸以生存結(jié)局和生存時間為因變量,同時分析眾多因素對生存期的影響,分析帶有刪失生存時間的資料,且不要求資料服從特定的分布.其中是協(xié)變量;是回歸系數(shù),由樣本估計(jì)而得.系數(shù)含義:在其他協(xié)變量不變情況下,協(xié)變量Xi每改變一個單位引起相對危險(xiǎn)度/風(fēng)險(xiǎn)比的自然對數(shù)的該變量.>0表示協(xié)變量是危險(xiǎn)因素,越大生存時間越短;<0表示協(xié)變量是保護(hù)因素,越大生存時間越長.1.基本原理(詳見醫(yī)學(xué)統(tǒng)計(jì)學(xué)教材)Cox回歸模型基本形式為:2.應(yīng)用條件Cox回歸模型假定預(yù)后因素對其死亡風(fēng)險(xiǎn)作用強(qiáng)度在所有時間上都保持一致.3.適用范圍與對象(1)因素分析:分析哪些因素(協(xié)變量)影響生存期的長短;(2)計(jì)算各因素在排除其它因素影響后,對于死亡的相對危險(xiǎn)度;如某因素xi的偏回歸系數(shù)為bi,則該因素xi對于死亡的比數(shù)比為exp(bi).(3)比較各因素對于生存期長短的相對重要性;比較標(biāo)準(zhǔn)化偏回歸系數(shù)bi絕對值大小,越大對生存期長短作用也大.COX模型分析時的樣本含量不宜太小;自變量較多時,要進(jìn)行多元共線性診斷;【實(shí)例3】[問題敘述]為探討某惡性腫瘤的預(yù)后,收集了25例患者的生存時間、生存結(jié)局及影響因素.影響因素包括病人年齡、性別、組織學(xué)類型、治療方式、淋巴結(jié)轉(zhuǎn)移,生存時間以月計(jì)算,變量的賦值和所收集的資料.請用Cox回歸模型進(jìn)行分析.因素變量名賦值說明年齡X1單位(歲)性別X2女=0、男=1組織學(xué)類型X3高分化=0、低分化=1治療方法X4傳統(tǒng)療法=0、新療法=1淋巴結(jié)轉(zhuǎn)移X5否=0、是=1生存時間t單位(月)生存結(jié)局Y刪失=0、死亡=1表11-8收集的25例惡性腫瘤患者生存時間(月)NOX1X2X3X4X5tY15401115202570000510358010135144310111030548010071640000060074400005808360101291939101070010420000670……………………[實(shí)驗(yàn)?zāi)康腯理解Cox回歸模型基本思想、應(yīng)用條件及適用范圍,掌握SPSS操作方法和結(jié)果解讀.[操作步驟]變量要求:一個時間變量,類型為數(shù)值型;一個結(jié)局變量,類型為數(shù)值型;多個影響因素變量(定類、定序、定距及定比數(shù)據(jù)變量),類型為數(shù)值或字符型.隨訪時間數(shù)據(jù)是時間變量取值;結(jié)局變量取值為1和0(死亡為1,截尾為0).定義因素變量“年齡”、“性別”、“組織學(xué)類型”、“治療方式”、“淋巴結(jié)轉(zhuǎn)移”,時間變量“生存時間”,結(jié)局變量“生存結(jié)局”,設(shè)置“值(Value)”“1=死亡,0=截尾”.將影響因素X1~X5數(shù)據(jù)分別錄入影響因素變量,將生存時間錄入時間變量,將死亡和截尾兩類數(shù)據(jù)分別對應(yīng)錄入1、0至結(jié)局變量.菜單選擇:主菜單“分析(Analyze)”→“生存函數(shù)(Survival)”→“Cox回歸(CoxRegression)”.界面設(shè)置:將時間變量“生存時間”選入“時間(Time)”框;把結(jié)局變量“生存結(jié)局”選入“狀態(tài)(Status)”框,點(diǎn)擊“定義事件(DefineEvent)”按鈕,“單值(Singlevalue)”中輸入1;把影響因素變量“年齡、性別、組織學(xué)類型、治療方式、淋巴結(jié)轉(zhuǎn)移”選入“協(xié)變量(Covariates)”框;方法選擇“條件:向前(ForwardConditional)”.點(diǎn)擊“分類(Categorical)”按鈕,一般將多分類無序變量選入“分類協(xié)變量(CategoricalCovariates)”框,系統(tǒng)將作為啞變量處理.將“治療方式”和“組織學(xué)類型”選入,“參考類別(ReferenceCategory)”選“第一個(First)”,一定點(diǎn)擊“更改(Change)”;點(diǎn)擊“選項(xiàng)(Options)”按鈕,在“模型統(tǒng)計(jì)量(ModelStatistics)”區(qū)域選擇“CI用于exp(B)95%(CIforexp(B)95%)”;點(diǎn)擊“繪圖(Plots)”按鈕,勾選“生存函數(shù)(Survival)”,將“協(xié)變量值的位置”框中的“治療方式”選入“單線(SeparateLinesfor)”框.點(diǎn)擊“繼續(xù)(Continue)”,點(diǎn)擊“確定(OK)”.[結(jié)果分析]表11-9Cox回歸模型整體性檢驗(yàn)步驟-2倍對數(shù)似然值整體(得分)從上一步驟開始更改從上一塊開始更改卡方dfSig.卡方dfSig.卡方dfSig.1a30.7986.0771.0145.9541.0155.9541.0152b22.16813.2292.0018.6311.00314.5842.0013c18.70914.7303.0023.4581.06318.0433.000經(jīng)Cox回歸模型整體性檢驗(yàn),三種Cox回歸模型整體都有統(tǒng)計(jì)學(xué)意義.表11-10Cox回歸模型參數(shù)檢驗(yàn)BSEWalddfSig.Exp(B)95%CI用于Exp(B)下部上部步驟1治療方法-2.2671.1104.1761.041.104.012.912步驟2組織學(xué)類型3.0011.2815.4901.01920.1121.633247.639治療方法-3.2641.3755.6321.018.038.003.567步驟3組織學(xué)類型14.648169.105.0081.9312299699.0002.015E150治療方法-3.1151.3984.9671.026.044.003.687淋巴結(jié)轉(zhuǎn)移-11.796169.101.0051.944.000.0006.553E138B為偏回歸系數(shù),Wald為檢驗(yàn)偏回歸系數(shù)的統(tǒng)計(jì)量,顯然第二個模型(步驟2)中兩個變量系數(shù)都有統(tǒng)計(jì)學(xué)意義(對應(yīng)的概率值P<0.05),說明生存結(jié)局主要受“治療方法”和“組織學(xué)類型”兩種因素影響.步驟2中,“治療方法”的OR=0.038,說明新治療方法對生存結(jié)局有重要影響,是死亡率的保護(hù)因素,從傳統(tǒng)治療方法變成新療法后,術(shù)后死亡風(fēng)險(xiǎn)降低為原來3.8%;“組織學(xué)類型”的OR=20.112,說明“組織學(xué)類型”是死亡率的危險(xiǎn)因素,說明“低分化”比“高分化”,術(shù)后死亡風(fēng)險(xiǎn)提高20.112倍;步驟2的Cox回歸模型:累積生存函數(shù)曲線圖可以分析總體人群總的生存率隨著時間的變化趨勢.比較兩種治療方法總體人群的生存率變化趨勢,圖中看出新療法的生存率較高,說明新療法的預(yù)后效果較好.【練習(xí)1】[問題敘述]收集心梗病人的生存數(shù)據(jù),計(jì)算生存率及其標(biāo)準(zhǔn)誤、估計(jì)中位生存時間.術(shù)后年數(shù)012345678910期間死亡人數(shù)823027222625201114135期間刪失人數(shù)08877283124272218【練習(xí)2】[問題敘述]為探討傳統(tǒng)手術(shù)(A)和改進(jìn)手術(shù)(B)治療某種惡性腫瘤的預(yù)后效果,隨機(jī)選取了病情基本一致的患者進(jìn)行手術(shù),術(shù)后隨訪記錄各患者生存時間(月),不帶"+"號者表示已死亡,即完全數(shù)據(jù);帶"+"號者表示尚存活,即截尾數(shù)據(jù),請作生存分析.A391520202664+64135365450596+680+900+B1070+70+120225366390+18+647+776+800+852+900+920+【練習(xí)3】[問題敘述]探討惡性腫瘤患者的預(yù)后與各影響因素X1-X6之間的關(guān)系,請進(jìn)行Cox回歸分析判斷各因素對惡性腫瘤預(yù)后有無影響,并分析影響程度大小及方向.表11-13各影響因素賦值情況變量名標(biāo)簽編碼X1年齡歲X2性別1=男、2=女X3組織學(xué)類型1=高分化、2=低分化X4治療方式1=傳統(tǒng)、2=新方法X5淋巴節(jié)是否轉(zhuǎn)移1=是、2=否X6腫瘤浸潤程度1=突破漿膜、2=無突破漿膜Y結(jié)局0=死亡、1=截尾t生存時間單位:月表11-14惡性腫瘤患者的生存時間(t,月)與預(yù)后因素患者編號X1X2X3X4X5X6ty1540001052125701100511358001113504431101010315450001032164201011321745001105218621000052195210101410105101000521………………………學(xué)習(xí)目標(biāo)：1、掌握因子分析法的提出思想、適用條件和案例實(shí)現(xiàn)重點(diǎn)：1、因子分析的應(yīng)用實(shí)現(xiàn)第12章因子分析一、核心知識因子分析法(FactorAnalysis)是從研究指標(biāo)相關(guān)矩陣內(nèi)部依賴關(guān)系出發(fā),把信息重疊、錯綜復(fù)雜關(guān)系變量歸結(jié)為少數(shù)不相關(guān)綜合因子的多元統(tǒng)計(jì)方法.基本思想是根據(jù)相關(guān)性大小把變量分組,使得同組內(nèi)的變量之間相關(guān)性較高,但不同組的變量不相關(guān)或相關(guān)性較低,每組變量用公共因子描述,也稱潛在變量,它是不能直接測度的.設(shè)p個可能存在相關(guān)關(guān)系的原始觀測變量含有q個獨(dú)立的公共因子原始觀測變量除受公共因子影響外,還受特殊因子影響.二、幾個重要概念（見教材）三、因子分析法的主要步驟(1)對數(shù)據(jù)樣本標(biāo)準(zhǔn)化處理.(2)計(jì)算相關(guān)系數(shù)矩陣,若相關(guān)性太差,則不適合因子分析.(3)求相關(guān)矩陣特征根和特征向量.(4)根據(jù)特征值大小(一般>1)、方差累計(jì)貢獻(xiàn)率多少(一般>80%),以及碎石圖形態(tài),確定公共因子的個數(shù).(5)計(jì)算公共因子的載荷矩陣.(6)確定因子模型.(7)對公共因子命名解釋.用途:簡化數(shù)據(jù),探求數(shù)據(jù)潛在結(jié)構(gòu);公共因子得分;問卷結(jié)構(gòu)效度等.【實(shí)例1】[問題敘述]現(xiàn)有北京18個區(qū)縣職業(yè)教育發(fā)展水平的9個指標(biāo)x1~x9,x1“在校生數(shù)”、x2“招生數(shù)”、x3“畢業(yè)生數(shù)”、x4“責(zé)任教師數(shù)”、x5“本科教師比例”、x6“高級教師比例”、x7“學(xué)校平均在校生數(shù)”、x8“經(jīng)費(fèi)比例”、x9“生均教育經(jīng)費(fèi)”.根據(jù)該數(shù)據(jù)資料,分析北京區(qū)縣職業(yè)教育發(fā)展水平主要受哪些潛在因的影響.表12-1北京18個區(qū)縣職業(yè)教育發(fā)展水平數(shù)據(jù)指標(biāo)區(qū)縣x1x2x3x4x5x6x7x8x9朝陽2217745170.4990.2545532.286625崇文2027257160.5660.1936331.685357大興2057667160.5970.1296161.074990昌平2328066190.5310.1064910.725089宣武1765731170.6300.2345841.556432石景山1926152190.5240.0855351.585695東城1565345150.5070.2457011.095356海淀1696442130.5730.1835730.485840豐臺1666648150.4440.1424651.125532西城1194231130.5020.3315520.636449房山1153825100.5710.1276180.617020門頭溝1275333300.1430.0263760.753904懷柔1215227120.2230.0766370.234149通縣98402570.5330.1074740.315559…………………………[實(shí)驗(yàn)?zāi)康腯理解因子分析的原理、作用和適用對象,掌握SPSS操作方法.[操作步驟]變量要求:需要多個實(shí)際觀測變量,變量類型為數(shù)值型.菜單選擇:主菜單“分析(Analyze)”→“降維(DimensionReduction)”→“因子分析(Factor)”.界面設(shè)置:將變量“x1”~“x9”選入變量窗口(Variable(s)).點(diǎn)擊“描述(Descriptives)”按鈕,主要作因子相關(guān)性檢驗(yàn)設(shè)置:在“相關(guān)矩陣(CorrelationMatrix)”區(qū)域,選“系數(shù)(Coefficients)”、“顯著性水平(Significancelevels)”、“KMO和Bartlett球形度檢驗(yàn)”.點(diǎn)擊“抽取(Extraction)”按鈕,主要用于因子提取和因子載荷矩陣的求解:“方法(Method)”默認(rèn)“主成分分析法(Principalcomponents)”,“抽取(Extract)”默認(rèn)“基于特征值大于1”,有時選“因子的固定數(shù)量”;在“輸出(Display)”區(qū)域,選碎石圖(Screeplot).點(diǎn)擊“旋轉(zhuǎn)(Rotation)”按鈕,主要用于因子命名、旋轉(zhuǎn):在“方法(Method)”區(qū)域,選“最大方差法(Varimax)”.點(diǎn)擊“得分(Scores)”按鈕,計(jì)算因子得分:選“保存為變量(Saveasvariables)”,選“顯示因子得分系數(shù)矩陣”.點(diǎn)擊“確定(OK)”.[結(jié)果分析]表12-2原始觀測變量相關(guān)系數(shù)矩陣(略)表12-3巴特利特球度檢驗(yàn)和KMO檢驗(yàn)取樣足夠度的Kaiser-Meyer-Olkin度量.763Bartlett的球形度檢驗(yàn)近似卡方131.051df36Sig..000經(jīng)分析,大部分相關(guān)系數(shù)都較高,可以提取公共因子;巴特利特球形檢驗(yàn),對應(yīng)的概率值P=0.000<0.001,說明與單位矩陣差異有統(tǒng)計(jì)學(xué)意義,KMO為0.763,說明適合作因子分析.表12-5各階段公共因子的累計(jì)方差貢獻(xiàn)率成份初始特征值提取平方和載入旋轉(zhuǎn)平方和載入合計(jì)方差%累積%合計(jì)方差%累積%合計(jì)方差%累積%14.97555.27555.2754.97555.27555.2753.75441.70841.70821.87120.79376.0691.87120.79376.0693.09234.36176.0693.7568.39784.4664.6096.77091.2365.2973.29994.535圖12-2顯示特征值與公共因子個數(shù)關(guān)系的碎石圖經(jīng)分析,利用主成分分析的方法,提取公共因子后因子方差的均值都較高,說明提取的公共因子能很好的解釋原始觀測變量.每組的各列含義:特征值、方差貢獻(xiàn)率、累計(jì)方差貢獻(xiàn)率.第二組表示提取兩個因子,可以共同解釋76.069%,丟失的信息較少.縱坐標(biāo)為特征值,橫坐標(biāo)為因子個數(shù),特征值越小,則原有變量的貢獻(xiàn)越小.特征值大于1的因子有兩個,所以提取兩個因子是合適的.表12-6原始因子載荷成份12在校生數(shù)x1.946-.270招生數(shù)x2.860-.413畢業(yè)生數(shù)x3.834-.369專任教師數(shù)x4.585-.610本科教師比例x5.657.558高級教師比例x6.628.579學(xué)校平均在校生數(shù)x7.516.446經(jīng)費(fèi)比例x8.848-.058生均教育經(jīng)費(fèi)x9.701.520經(jīng)分析,第一個因子與所有變量的相關(guān)性程度高,第二個因子與大部分變量相關(guān)性也較高,所以兩個因子含義模糊,不利于命名,接下來要對其進(jìn)行因子旋轉(zhuǎn).成份12在校生數(shù)x1.906.383招生數(shù)x2.929.217畢業(yè)生數(shù)x3.881.236專任教師數(shù)x4.838-.108本科教師比例x5.161.847高級教師比例x6.126.845學(xué)校平均在校生數(shù)x7.123.671經(jīng)費(fèi)比例x8.697.487生均教育經(jīng)費(fèi)x9.220.845經(jīng)因子旋轉(zhuǎn)后,第一個因子與“在校生數(shù)”、“招生數(shù)”、“畢業(yè)生數(shù)”、“專任教師數(shù)”及“經(jīng)費(fèi)比例”等變量相關(guān)性程度較高,第二個因子與“本科教師比例”、“高級教師比例”、“學(xué)校平均在校生數(shù)”、“生均教育經(jīng)費(fèi)”等變量相關(guān)性較高.因此將第一個公共因子命名為“辦學(xué)的規(guī)模數(shù)量因素”,將第二個公共因子命名為“辦學(xué)的質(zhì)量保證因素”,北京區(qū)縣職業(yè)教育發(fā)展水平主要這兩個潛在因素的影響.原始變量與公共因子的結(jié)構(gòu)模型:表12-8公共因子與原始變量系數(shù)矩陣公共因子(主成份)12在校生數(shù)x1.239.007招生數(shù)x2.273-.064畢業(yè)生數(shù)x3.254-.048專任教師數(shù)x4.296-.180本科教師比例x5-.084.315高級教師比例x6-.096.320學(xué)校平均在校生數(shù)x7-.069.251經(jīng)費(fèi)比例x8.152.083生均教育經(jīng)費(fèi)x9-.065.305表12-9公共因子間關(guān)系矩陣成份1211.000.0002.0001.000表12-8給出公共因子的得分函數(shù)關(guān)系式:由表12-9可見,兩個公共因子的相關(guān)程度很低,說明因子間獨(dú)立性很好.表12-10中,FAC1_1和FAC2_1是各區(qū)縣公共因子得分結(jié)果,進(jìn)行比較分析.表12-10各區(qū)縣的兩個公共因子的得分結(jié)果【練習(xí)1】[問題敘述]為了研究省市的科技創(chuàng)新力問題,現(xiàn)有2005年8個省市15個指標(biāo)數(shù)據(jù),請根據(jù)該數(shù)據(jù)資料,分析一個省市的科技創(chuàng)新能力主要受哪些潛在因素的影響.表12-11八省市科技創(chuàng)新力指標(biāo)數(shù)據(jù)指標(biāo)北京天津遼寧上海江蘇浙江山東廣東X1229874410450533035X280.2667.4865.6974.0660.7963.4864.5969.64X348.536.8235.9435.9834.0731.0833.2237.27X424.4914.088.3417.846.85.424.445.81X53.552.622.324.782.133.951.813.66X65.551.961.562.281.471.221.051.09………………………第13章信度分析與效度分析學(xué)習(xí)目標(biāo)：1、掌握信度分析2、掌握效度分析重點(diǎn)：1、信度分析2、效度分析13.1信度分析信度（Reliability）即可靠性,它是指采用同樣的方法對同一對象重復(fù)測量時所得結(jié)果的一致性、穩(wěn)定性及可靠性程度;主要評價量表或問卷精確性、穩(wěn)定性和一致性,即測量過程中隨機(jī)誤差造成的測定值變異程度的大小.常用信度指標(biāo):(1)重測信度(Test-retestreliability):對同一組被訪者進(jìn)行兩次相同的問卷調(diào)查,分析兩次結(jié)果之間的簡單相關(guān)系數(shù)r,一般要求達(dá)到0.7以上.(2)折半信度(Split-halfreliability):在實(shí)踐中重復(fù)測量兩次在實(shí)現(xiàn)中往往受條件限制.為此,將評估項(xiàng)目拆分為兩半,計(jì)算兩部分得分簡單相關(guān)系數(shù)r.(3)克朗巴赫

系數(shù)(Cronbach’salphacoefficient):評價調(diào)查項(xiàng)目和諧水平,一般認(rèn)為克朗巴赫系數(shù)應(yīng)達(dá)到0.7以上.【實(shí)例1】[問題敘述]驗(yàn)證在國外有較好信度和效度的Spielberger特質(zhì)焦慮量表(部分)的國內(nèi)大學(xué)生信度.隨機(jī)選取25名大學(xué)生進(jìn)行測驗(yàn),量表共有20個條目組成,Sum1與Sum2分別是反向賦分后的兩次量表調(diào)查總得分.表15-1Spielberger特質(zhì)焦慮量表(部分)測量結(jié)果(見教材)[實(shí)驗(yàn)?zāi)康腯理解信度分析的作用及常用的信度指標(biāo);掌握各種信度檢驗(yàn)方法的SPSS操作方法和結(jié)果解讀.[操作步驟]定義20個條目變量“X1”~“X20”;2個分析變量“Sum1”和“Sum2”,數(shù)值型;1個序號變量,類型為數(shù)值型或字符型.菜單選擇:對常用的三種信度檢驗(yàn)方法分別進(jìn)行闡述.(1)重測信度分析:主菜單“分析(Analyze)”→“相關(guān)(Correlate)”→“雙變量(Bivariate)”,打開雙變量相關(guān)分析主界面.界面設(shè)置:變量“Sum1”與“Sum2”選入“變量(Variables)”框.點(diǎn)擊“確定(OK)”.[結(jié)果分析]表13-2雙變量相關(guān)分析表Sum1Sum2Sum1Pearson相關(guān)性1.972**顯著性(雙側(cè)).000N2525Sum2Pearson相關(guān)性.972**1顯著性(雙側(cè)).000N2525經(jīng)分析,兩次測量量表總得分的Pearson相關(guān)系數(shù)為0.972>0.7,對應(yīng)概率值P<0.001,相關(guān)有統(tǒng)計(jì)學(xué)意義,表明兩次測量具有較好的重測信度.(2)克朗巴赫

系數(shù)和分半信度分析:主菜單“分析(Analyze)”→“度量(Scale)”→“可靠性分析(ReliabilityAnalysis)”,打開信度分析主界面.界面設(shè)置:將20個條目“X1”~“X20”選入“項(xiàng)目(Items)”框;點(diǎn)擊“統(tǒng)計(jì)量(Statistics)”按鈕.點(diǎn)擊“模型(Model)”下拉框.信度系數(shù):“克朗巴赫

系數(shù)(Alpha)”、“分半信度系數(shù)(Split-half)”及“Guttman分半信度(GuttmanSplit-half)”等,前者為系統(tǒng)默認(rèn).[結(jié)果分析]表13-3克朗巴赫

系數(shù)檢驗(yàn)統(tǒng)計(jì)量

可靠性統(tǒng)計(jì)量Cronbach'sAlpha項(xiàng)數(shù).75020表13-3為克朗巴赫

系數(shù)檢驗(yàn)結(jié)果,克朗巴赫系數(shù)為0.750>0.7,信度較好.表13-4分半信度檢驗(yàn)統(tǒng)計(jì)量Spearman-Brown系數(shù)等長.679不等長.679GuttmanSplit-Half系數(shù).677表13-4為分半信度結(jié)果,本量表在國內(nèi)大學(xué)生中Spearman-Brown分半信度為0.679,Guttman分半信度為0.677,兩者均接近但是略小于0.7,分半信度欠佳.13.2效度分析一、核心知識1.基本原理效度分析(ValidityAnalysis)用于評價量表或問卷的準(zhǔn)確度、有效性和正確性,即測定值與目標(biāo)真實(shí)值的偏差大小,效度意在反映測量工具或手段準(zhǔn)確有效地測出所需測量的事物的程度,即實(shí)際測定結(jié)果與考察內(nèi)容預(yù)想結(jié)果的符合程度.信度是效度的必要條件,效度須建立在信度的基礎(chǔ)上.(1)內(nèi)容效度(Contentvalidity):指量表或問卷的各條目是否測定其希望測量的內(nèi)容,即測定對象對問題的理解和回答是否與條目設(shè)計(jì)者希望詢問的內(nèi)容一致.內(nèi)容效度一般通過專家評議打分進(jìn)行主觀評定.(2)標(biāo)準(zhǔn)關(guān)聯(lián)效度(Criterion-relatedvalidity):又稱標(biāo)準(zhǔn)效度,是以一個公認(rèn)有效的量表作為標(biāo)準(zhǔn),檢驗(yàn)問卷與標(biāo)準(zhǔn)量表測定結(jié)果的相關(guān)性,以兩者測定得分的相關(guān)系數(shù)評判標(biāo)準(zhǔn)效度,若問卷與標(biāo)準(zhǔn)量表相關(guān)系數(shù)較大,則認(rèn)為問卷具有較好的標(biāo)準(zhǔn)效度.(3)結(jié)構(gòu)效度(Contractvalidity):又稱構(gòu)想效度,說明量表或問卷的結(jié)構(gòu)是否與制表的理論設(shè)想相符,測量結(jié)果的各內(nèi)在成分是否與設(shè)計(jì)者打算一致.結(jié)構(gòu)效度用于評價量表穩(wěn)定性,常用方法是因子分析.當(dāng)公因子累積方差貢獻(xiàn)率為≥60％時,且各條目在某個公因子載荷均≥0.4,而在其他公因子中的載荷較低時,則認(rèn)為該量表具有較好的結(jié)構(gòu)效度,此時還須對公因子命名.

【實(shí)例2】[問題敘述]利用實(shí)例13.1的數(shù)據(jù),分析Spielberger特質(zhì)焦慮量表的結(jié)構(gòu)效度.[實(shí)驗(yàn)?zāi)康腯理解效度分析的作用、常用類型、探索性因子分析基本思想和適用條件,掌握利用因子分析進(jìn)行效度分析的SPSS操作方法和結(jié)果解讀.[操作步驟]

變量要求:要求分析變量及條目變量均為數(shù)值型變量.定義條目變量“X1”~“X20”,類型為數(shù)值型;分析變量“Sum1”和“Sum2”,類型為數(shù)值型;1個序號變量,類型為數(shù)值型或字符型.菜單選擇:主界面“分析(Analyze)”→“降維(DimensionReduction)”→“因子分析(Factor)”命令,進(jìn)入探索性因子分析主界面.界面設(shè)置:將變量“X1”~“X20”選入“變量(Variables)”框.

點(diǎn)擊“描述(Discriptives)”按鈕,在“相關(guān)矩陣(CorrelationMatrix)”區(qū)域,勾選“顯著性水平(Significancelevels)”和“KMO和Bartlett球形度檢驗(yàn)(KMOandBartlett`stestofsphericity)”,點(diǎn)擊“繼續(xù)(Continue)”.點(diǎn)擊“抽取(Extraction)”按鈕,“方法(Method)”的默認(rèn)選項(xiàng)“主成分分析法(Principalcomponents)”,默認(rèn)基于特征值大于1提取公因子;點(diǎn)擊“繼續(xù)(Continue)”.點(diǎn)擊“旋轉(zhuǎn)(Rotation)”按鈕,勾選“最大方差法(Varimax)”;點(diǎn)擊“得分(Scores)”按鈕,勾選“保存為變量(Saveasvariables)”;勾選“顯示因子得分系數(shù)矩陣(Displayfactorscorecoefficientsmatrix)”.點(diǎn)擊“確定(OK)”.[結(jié)果分析]表13-5KMO和Bartlett球形檢驗(yàn)

Kaiser-Meyer-OlkinMeasureofSamplingAdequacy..350Bartlett'sTestofSphericityApprox.Chi-Square318.398df190Sig..000Bartlett球形檢驗(yàn)在于檢驗(yàn)相關(guān)陣是否為單位陣,檢驗(yàn)各個變量是否各自獨(dú)立.KMO值越接近于1,意味著變量間的相關(guān)性越強(qiáng),越適合作因子分析;Bartlett球形檢驗(yàn)對應(yīng)的概率值P=0.000<0.001,相關(guān)性有統(tǒng)計(jì)學(xué)意義,說明適合進(jìn)行因子分析,但KMO=0.350,較1小很多,說明不適合進(jìn)行因子分析.本例與選取樣本較小及條目不全有關(guān),為了課堂講解需要,仍作如下步驟演示.

表13-8公共因子累積方差貢獻(xiàn)率成份初始特征值提取平方和載入合計(jì)方差的%累積%合計(jì)方差的%累積%15.51227.55927.5595.51227.55927.55923.54517.72345.2833.54517.72345.28332.16410.81856.1002.16410.81856.10041.7018.50364.6041.7018.50364.60451.3616.80671.4101.3616.80671.41061.1535.76777.1771.1535.76777.1777.9414.70581.881旋轉(zhuǎn)后6個公共因子的累積方差貢獻(xiàn)率達(dá)到77.177%,說明問卷的問題變量對問卷的總體累計(jì)有效程度較好.【練習(xí)1】[問題敘述]編制問卷并調(diào)查高校學(xué)生健康狀況,預(yù)調(diào)查收集20例資料.X1健康狀況滿意程度、X2是否需要調(diào)理身體、X3身體有不舒服感覺、X4感覺自己生病、X5有緊張情緒或壓力感、X6晚間休息不好、X7胃口不好.請進(jìn)行信度分析.【練習(xí)2】[問題敘述]考試焦慮量表共由10個題目組成,選項(xiàng)包括“非常符合、比較符合、說不準(zhǔn)、不很符合、很不符合”,采用里克特五級評分方式,按照編碼規(guī)則將選項(xiàng)依次賦值為5、4、3、2、1,此處隨機(jī)抽樣調(diào)查40名學(xué)生,建立如下數(shù)據(jù)庫.請對量表結(jié)構(gòu)效度進(jìn)行分析.學(xué)習(xí)目標(biāo)：1、掌握聚類分析2、掌握判別分析重點(diǎn)：1、聚類分析2、判別分析第14章聚類分析與判別分析14.1聚類分析(ClusterAnalysis)一、核心知識根據(jù)同類事物應(yīng)有相近特性,不同事物在這些特性上差異較大的假定,將所研究的事物進(jìn)行分類,這種研究方法稱為聚類(Cluster).在SPSS中,常用兩種聚類分析方法:一種是快速樣本聚類分析指給定用于聚類分析的變量和類數(shù)后進(jìn)行的聚類;另一種是系統(tǒng)聚類分析(或稱分層聚類分析)指不事先給定類數(shù),按個案性質(zhì)接近程度,將所有個案不斷相聚,最終聚為一類,結(jié)論將在聚類過程中找到.1.快速樣本聚類分析快速樣本聚類分析事先要確定最終聚類數(shù),聚類發(fā)生到該指定類數(shù)后就停止.快速聚類過程遵照所有樣本空間點(diǎn)與這幾個類中心的距離取最小值原則,反復(fù)迭代計(jì)算,最終將各個個案分配到各個類中心所在的類,迭代停止.另外,系統(tǒng)還提供了更簡單方法,即用戶指定初始類中心后,系統(tǒng)只負(fù)責(zé)分類,而不再更改這些初始類中心位置,最終將各個個案點(diǎn)歸類到各個初始類中心.快速聚類效率較高,比較適合樣本量較大的聚類分析.

2.系統(tǒng)聚類系統(tǒng)聚類是按個案性質(zhì)的接近程度分析,個案性質(zhì)通過個案測量變量來描述,如果以n個數(shù)值型變量(n維空間)描述某類個案,則個案就是n維空間中一個點(diǎn).接近程度的測度方法:(1)個案間的相似程度,應(yīng)用簡單相關(guān)系數(shù)和等級相關(guān)系數(shù)測度;(2)個案間的差異程度,通過“距離”來測度:點(diǎn)之間距離和類之間距離.系統(tǒng)聚類就是通過對變量的測量,將比較接近的個案找出來歸為一類,進(jìn)一步再將比較接近的類合并成為新的類,逐層合并直到最后合并成為一類.

兩種類型:Q型聚類,也可稱為樣本聚類,在聚類過程中發(fā)現(xiàn)具有共同屬性的樣本;R型聚類,也可稱為變量聚類,在某些變量中選擇出具有代表性的變量.系統(tǒng)聚類結(jié)果不僅有聚類步驟,而且有直觀圖形表達(dá),如樹狀圖和冰柱圖.【實(shí)例1】[問題敘述]已知某省17所醫(yī)院人力利用和醫(yī)院任務(wù)的數(shù)據(jù)資料,現(xiàn)需要根據(jù)該數(shù)據(jù)資料,將這17所醫(yī)院劃分為三個等級,請作聚類分析.表14-117所醫(yī)院人力利用和醫(yī)院任務(wù)數(shù)據(jù)表

表14-117所醫(yī)院人力利用和醫(yī)院任務(wù)數(shù)據(jù)表

醫(yī)院編號日均住院人數(shù)月均X光攝片人數(shù)月均占病床天數(shù)服務(wù)范圍人口數(shù)患者人均住院天數(shù)每月使用人力115.672463472.9218.004.45566.52244.0220481339.759.506.92596.82320.423940620.2512.804.281033.15418.746505560.3036.703.901603.62549.2067231497.6035.705.501611.37644.92115201365.6324.004.601613.27755.4857791687.0043.305.631854.17850.2859691639.9246.705.152160.55994.3984612872.3378.706.18230.58…………………[實(shí)驗(yàn)?zāi)康腯理解快速樣本聚類分析適用條件,掌握SPSS操作實(shí)現(xiàn)方法.[操作步驟]變量要求:一個個案標(biāo)識變量,變量類型無要求;多個聚類分析變量,變量類型為數(shù)值型.界面設(shè)置:將標(biāo)識變量“醫(yī)院編號”選入“個案標(biāo)識依據(jù)(LabelCasesby)”框,其它變量選入“變量(Variable)”框;“聚類數(shù)(NumberofCases)”設(shè)為3.

定義標(biāo)識變量“醫(yī)院編號”聚類分析變量:“日均住院人數(shù)”、“月均X光攝片人數(shù)”、“月均占病床天數(shù)”、“服務(wù)范圍人口數(shù)”、“患者人均住院天數(shù)”及“每月使用人力”.菜單選擇:“分析(Analyze)”→“分類(Classify)”→“K均值聚類(K-meanscluster)”點(diǎn)擊“保存(Save)”按鈕,選“聚類成員(Clustermembership)”,點(diǎn)擊“確定(OK)”.[結(jié)果分析]表14-2最終不同聚類中心變量的平均值聚類123日均住院人數(shù)375.2767.37510.21月均X光攝片人數(shù)36700.338703.1586533.00月均占病床天數(shù)11409.611962.2715524.00服務(wù)范圍人口數(shù)219.5059.79371.60患者人均住院天數(shù)9.525.316.35每月使用人力12496.972008.9118854.45第1、2、3類中包含有3、13、1個個案,得到各類中心變量平均值結(jié)果“最終聚類中心”.表14-4各醫(yī)院所在聚類的結(jié)果

經(jīng)分析,各醫(yī)院分類結(jié)果:編號為14-16第1類;編號為1-13第2類;編號為17第3類.【實(shí)例2】[問題敘述]根據(jù)表14-52006年全國各省市醫(yī)療衛(wèi)生服務(wù)條件及服務(wù)效果的評價指標(biāo)數(shù)據(jù),分別對各省市醫(yī)療衛(wèi)生服務(wù)水平進(jìn)行省市系統(tǒng)聚類和各指標(biāo)的系統(tǒng)聚類.表14-52006年各省市醫(yī)療衛(wèi)生服務(wù)條件及服務(wù)效果的指標(biāo)數(shù)據(jù)省市萬人擁有醫(yī)務(wù)人員數(shù)萬人擁有病人床位數(shù)門診病人人均醫(yī)療費(fèi)住院病人人均醫(yī)療費(fèi)嬰兒死亡率孕產(chǎn)婦死亡率平均預(yù)期壽命北京108.1151.41259.512551.78.87.976.10天津75.3939.80170.37849.910.76.674.91河北40.8223.66116.93427.09.223.372.54山西53.3532.18127.73934.419.239.371.65內(nèi)蒙古50.5328.94103.63669.92938.669.87遼寧64.7742.06133.04623.518.719.373.34吉林59.4432.14102.23758.324.430.373.10……………………[實(shí)驗(yàn)?zāi)康腯理解系統(tǒng)聚類適用條件,掌握個案系統(tǒng)聚類和變量系統(tǒng)聚類分析的SPSS操作實(shí)現(xiàn)方法及結(jié)果解讀.(一)個案的系統(tǒng)聚類[操作步驟]變量要求:一個個案標(biāo)識變量,變量類型無要求;多個聚類分析變量,類型為數(shù)值型.定義標(biāo)識變量“省市”;定義七個聚類變量:“萬人擁有醫(yī)務(wù)人員數(shù)”、“萬人擁有病人床位數(shù)”、“門診病人人均醫(yī)療費(fèi)”、“住院病人人均醫(yī)療費(fèi)”、“嬰兒死亡率”、“孕產(chǎn)婦死亡率”及“平均預(yù)期壽命”.菜單選擇:“分析(Analyze)”→“分類(Classify)”→“系統(tǒng)聚類”.界面設(shè)置:變量“省市”選入“標(biāo)注個案(LabelCasesby)”框,其它選入“變量窗口”.

點(diǎn)擊“繪制(Plots)”,選“樹狀圖(Dendrogram)”;點(diǎn)擊“保存(Save)”,選“單一方案(SingleSolution)”,設(shè)置“聚類數(shù)(Clusters)”為5,點(diǎn)擊“確定(OK)”.[結(jié)果分析]樹狀圖展現(xiàn)了每次類合并情況.SPSS自動將各類間距離映射到0-25間.每條橫線所包括的個案是一個聚類,繪制垂線、對應(yīng)三個聚類.第一類:北京;第二類:上海、浙江、天津、廣東;第三類:其它省市.在系統(tǒng)聚類冰柱(掛)圖中,縱軸數(shù)字為聚類數(shù),縱向的各長條類似倒掛的冰柱,在聚類數(shù)對應(yīng)水平橫線上,中間沒有冰柱相連,即為不同聚類.綜合圖14-4和圖14-5結(jié)果,并結(jié)合實(shí)際,將31個省市按醫(yī)療衛(wèi)生服務(wù)水平分為3個類比較適當(dāng),其聚類結(jié)果為:第一類:北京;第二類:上海、浙江、天津、廣東;第三類:其它省市.(二)變量的系統(tǒng)聚類[操作步驟]變量要求:多個聚類分析變量,變量類型為數(shù)值型.“萬人擁有醫(yī)務(wù)人員數(shù)”、“萬人擁有病人床位數(shù)”、“門診病人人均醫(yī)療費(fèi)”、“住院病人人均醫(yī)療費(fèi)”、“嬰兒死亡率”、“孕產(chǎn)婦死亡率”及“平均預(yù)期壽命”.菜單選擇:主菜單“分析(Analyze)”→“分類(Classify)”→“系統(tǒng)聚類(HierarchicalCluster)”.界面設(shè)置:將除“省市”以外的變量選入“變量窗口(Variable)”;在“分群(Cluster)”區(qū)域,選“變量(Variables)”;點(diǎn)擊“繪制(Plots)”,選“樹狀圖(Dendrogram)”,點(diǎn)擊“確定(OK)”.[結(jié)果分析]若各指