SPSS软件实例应用(计量地理学课后题详解)
《统计分析报告方案设计与SPSS地的应用(第五版)》课后练习答案详解(第9章的)
《统计分析与SPSS的应用（第五版）》（薛薇）课后练习答案第9章SPSS的线性回归分析1、利用第2章第9题的数据，任意选择两门课程成绩作为解释变量和被解释变量，利用SPSS提供的绘制散点图功能进行一元线性回归分析。
请绘制全部样本以及不同性别下两门课程成绩的散点图，并在图上绘制三条回归直线，其中，第一条针对全体样本，第二和第三条分别针对男生样本和女生样本，并对各回归直线的拟和效果进行评价。
选择fore和phy两门成绩体系散点图步骤：图形→旧对话框→散点图→简单散点图→定义→将fore导入Y轴，将phy导入X轴，将sex导入设置标记→确定。
接下来在SPSS输出查看器中，双击上图，打开图表编辑在图表编辑器中，选择“元素”菜单→选择总计拟合线→选择线性→应用→再选择元素菜单→点击子组拟合线→选择线性→应用。
分析：如上图所示，通过散点图，被解释变量y(即：fore)与解释变量phy有一定的线性关系。
但回归直线的拟合效果都不是很好。
2、请说明线性回归分析与相关分析的关系是怎样的？相关分析是回归分析的基础和前提，回归分析则是相关分析的深入和继续。
相关分析需要依靠回归分析来表现变量之间数量相关的具体形式，而回归分析则需要依靠相关分析来表现变量之间数量变化的相关程度。
只有当变量之间存在高度相关时，进行回归分析寻求其相关的具体形式才有意义。
如果在没有对变量之间是否相关以及相关方向和程度做出正确判断之前，就进行回归分析，很容易造成“虚假回归”。
与此同时，相关分析只研究变量之间相关的方向和程度，不能推断变量之间相互关系的具体形式，也无法从一个变量的变化来推测另一个变量的变化情况，因此，在具体应用过程中，只有把相关分析和回归分析结合起来，才能达到研究和分析的目的。
线性回归分析是相关性回归分析的一种，研究的是一个变量的增加或减少会不会引起另一个变量的增加或减少。
3、请说明为什么需要对线性回归方程进行统计检验？一般需要对哪些方面进行检验？检验其可信程度并找出哪些变量的影响显著、哪些不显著。
《统计分析与SPSS的应用(第五版)》课后练习答案(第2章)
《统计分析与SPSS的应用（第五版）》（薛薇）课后练习答案第2章SPSS数据文件的建立和管理1、SPSS中有哪两种基本的数据组织形式？各自的特点和应用场合是什么？SPSS中两个基本的数据组织方式：原始数据的组织方式和计数数据的组织方式。
●原始数据的组织方式：待分析的数据是一些原始的调查问卷数据，或是一些基本的统计指标。
●计数数据的组织方式：所采集的数据不是原始的调查问卷数据，而是经过分组汇总后的数据。
2、什么是SPSS的个案？什么SPSS的变量？个案：在原始数据的组织方式中，数据编辑器窗口中的一行称为一个个案或观测。
变量：数据编辑器窗口中的一列。
3、在定义SPSS数据结构时，默认的变量名和变量类型是什么？如果希望增强SPSS统计分析结果的易读性，还需要对数据结构的哪些方面进行必要说明？默认的变量名：VAR------；默认的变量类型：数值型。
变量名标签和变量值标签可增强统计分析结果的可读性。
4、收集到以下关于两种减肥产品试用情况的调查数据，请问在SPSS中应如何组织该份资料？产品类型体重变化情况明显减轻无明显变化第一种产品27 19第二种产品20 33问：在SPSS中应如何组织该数据？数据文件如图所示：5、什么是SPSS的用户缺失值？为什么要对用户缺失值进行定义？如何在SPSS中指定用户缺失值？缺失值分为用户缺失值（User Missing Value）和系统缺失值（System MissingValue）。
用户缺失值指在问卷调查中，将无回答的一些数据以及明显失真的数据当作缺失值来处理。
用户缺失值的编码一般用研究者自己能够识别的数字来表示，如“0”、“9”、“99”等。
系统缺失值主要指计算机默认的缺失方式，如果在输入数据时空缺了某些数据或输入了非法的字符，计算机就把其界定为缺失值，这时的数据标记为一个圆点“•”。
在变量视图中定义。
6、从计量尺度角度看，变量包括哪三种主要类型？请各举出一个相应的实际数据。
《计量地理学》各 章 习 题讲解
《计量地理学》各章习题第一章1.在地理学研究中应用数学方法应该注意哪些问题？2.在现代地理学中，应用了哪些主要的数学方法，其主要用途是什么？3.怎样评价现代地理学中应用数学方法，在我国地理学界对数学方法应用的情况怎样？第二章1.根据1990～2003年的中国经济统计年鉴，以各省（直辖市、自治区）的GDP数据为变量，运用平均值、方差、变异系数等统计量,对全国各年经济发展的一般水平、差异情况进行计算和分析。
2.对于黄土高原西部地区某山区县的人工造林地调查数据，以地块面积作为统计分组标志，计算各组数据的频数、频率，编制成的统计分组表如下所示，试计算中位数和众数。
表1某县人工造林地面积的统计分组数据分组序号 1 2 3 4 5 6 7 8 9 10 11分组标志(面积: ha) (0,1] (1,2] (2,3] (3,4] (4,5] (5,6] (6,7] (7,8] (8,9] (9,10] (10,11) 组中值0.5 1.5 2.5 3.5 4.5 5.5 6.5 7.5 8.5 9.5 10.5 频数（地块个数）25 96 136 214 253 286 260 203 154 85 24 频率（%） 1.44 5.53 7.83 12.33 14.57 16.47 14.98 11.69 8.87 4.90 1.38 向上累计频数25 121 257 471 724 1010 1270 1473 1627 1712 1736 向下累计频数1736 1711 1615 1479 1265 1012 726 466 263 109 243.各种类型的地理数据的测度方法分别是什么？数学方法和地理信息系统在地理数据处理中各自发挥什么样的作用？第三章1.主成分分析方法计算：(1)某医学院测得20例肝病患者的4项肝功能指标：SGPT（转氨酶）X1，肝大指数X2，ZnT（硫酸锌浊度）X3，AFP（胎甲球）X4，数据见下表。
计量地理学
相关分析目的：揭示地理要素之间相互关系的密切程度。
实际操作：第一步，我们应该主观列出一些影响Y的一些X，选择相关分析的方法，如果只是两个要素之间的关系，我们采用简单相关，秩相关的方法，如果要是想研究多个要素之间的关系，我们可以采用偏相关和复相关的方法。
第二步，绘制散点图判断是否线性相关，进行正态性检验（检验方法：选用SPSS中的正态性检验功能，样本数>50选用K-S，<50选用S-W，sig值<0.05非正态，>0.05正态）。
第三步，计算相关系数。
如果正态性检验通过，我们就可以进行简单相关的分析（使用SPSS计算其Person 相关系数，绝对值越接近1表示相关性越强），正态性检验没有通过，选用秩相关的方法（秩相关是将两要素的样本值按数据的大小顺序排列位次，以各要素样本值的位次代替实际数据而求得的一种统计量）（使用SPSS软件计算Spearman系数）。
第四步，对所求系数进行显著性检验。
（|r|>rα，p<α，拒绝零假设，表示他们相关性显著。
其中P在SPSS中是P值下的Sig值，小于0.05拒绝零假设，大于0.05承认零假设。
r（相关系数）在实际中可以用查表法进行检验，注意其中f=n-2，这里容易出错误！）偏相关检验方法：常使用t检验的方法。
（|t|> tα， p<α，拒绝零假设，表示他们相关性显著。
需要自己计算t=偏相关系数/根号下(1-偏相关系数的平方)*根号下（n-m-1）,n是样本数，m是自变量个数。
）*复相关系数检验方法：常使用F检验的方法。
（f> fα, p<α，拒绝零假设，表示他们相关性显著。
）回归分析目的：找出影响Y的影响源X，对以后的发展进行预测。
实际操作：第一步，如果只是研究两个变量之间的相关关系，我们可以选用一元线性回归模型，绘制散点图，选择线形回归还是非线性回归，如果是非线性那么我们化为线性进行参数结算，线性直接进行计算。
《统计分析及SPSS的应用（第五版）》课后练习答案解析（第5章）
统计分析与SPSS 的应用（第五版）》（薛薇）课后练习答案第 5 章SPSS 的参数检验1、某公司经理宣称他的雇员英语水平很高，如果按照英语六级考试的话，一般平均得分为75分。
现从雇员中随机选出11人参加考试，得分如下：80, 81, 72, 60, 78, 65, 56, 79, 77,87, 76 请问该经理的宣称是否可信。
原假设：样本均值等于总体均值即u=u0=75步骤：生成spss 数据→ 分析→ 比较均值→ 单样本t 检验→ 相关设置→ 输出结果（Analyze->compare means->one-samples T test ；）采用单样本T 检验（原假设H0:u=u0=75, 总体均值与检验值之间不存在显著差异）；单个样本统计量N均值标准差均值的标准误成绩1173.739.551 2.880单个样本检验检验值= 75tdf Sig.（双侧）均值差值差分的95% 置信区间下限上限成绩-.44210.668-1.273-7.69 5.14分析：指定检验值: 在test 后的框中输入检验值（填75），最后ok!分析：N=11人的平均值（mean ）为73.7 ，标准差（std.deviation ）为9.55 ,均值标准误差均值标准误差（std errormean ）为2.87. t 统计量观测值统计量观测值为-4.22 ，t 统计量观测值的双尾概率p-值（sig.（2-tailed ））为0.668 ，六七列是总体均值与原假设值差的95%的置信区间,为（-7.68,5.14）, 由此采用双尾检验比较a 和p 。
T 统计量观测值的双尾概率p-值（sig.（2-tailed ））为0.66 8>a=0.05 所以不能拒绝原假设；且总体均值的95%的置信区间为（67.31,80.14）, 所以均值在67.31~80.14 内,75 包括在置信区间内, 所以经理的话是可信的。
spss习题及其答案
spss习题及其答案
SPSS习题及其答案
SPSS（Statistical Package for the Social Sciences）是一种统计分析软件，广泛应用于社会科学和商业研究。
它可以帮助研究人员对数据进行分析、建模和预测。
在学习和使用SPSS的过程中，习题和答案是非常重要的，可以帮助我们更好地理解和掌握SPSS的使用方法和技巧。
下面是一些常见的SPSS习题及其答案，供大家参考：
1. 问题：如何在SPSS中导入数据？
答案：在SPSS中，可以通过“文件”菜单中的“打开”选项来导入数据，也可以直接拖拽数据文件到SPSS的工作区。
2. 问题：如何计算变量的描述性统计量？
答案：在SPSS中，可以使用“分析”菜单中的“描述统计”选项来计算变量的描述性统计量，包括均值、标准差、最大值、最小值等。
3. 问题：如何进行相关性分析？
答案：在SPSS中，可以使用“分析”菜单中的“相关”选项来进行相关性分析，可以计算变量之间的皮尔逊相关系数或斯皮尔曼相关系数。
4. 问题：如何进行回归分析？
答案：在SPSS中，可以使用“回归”选项来进行回归分析，可以进行简单线性回归、多元线性回归等不同类型的回归分析。
5. 问题：如何进行因子分析？
答案：在SPSS中，可以使用“因子”选项来进行因子分析，可以帮助研究人员发现变量之间的潜在结构和关联。
通过以上习题及其答案的学习和实践，我们可以更好地掌握SPSS的使用方法，提高数据分析的效率和准确性。
希望大家在学习SPSS的过程中能够多多练习，不断提升自己的数据分析能力。
SPSS习题及其答案是我们学习的好帮手，也是我们进步的动力。
《统计分析与SPSS的应用(第五版)》课后练习答案(第3章).doc
《统计分析与SPSS的应用（第五版）》课后练习答案第3章SPSS数据的预处理1、利用第2章第7题数据，采用SPSS数据筛选功能将数据分成两份文件。
其中，第一份数据文件存储常住地是“沿海或中心繁华城市”且本次存款金额在1000至5000之间的调查数据；第二份数据文件是按照简单随机抽样所选取的70%的样本数据。
第一份文件：选取数据数据——选择个案——如果条件满足——存款>=1000&存款<5000&常住地=沿海或中心繁华城市。
第二份文件：选取数据数据——选择个案——随机个案样本——输入70。
2、利用第2章第7题数据，将其按常住地（升序）、收入水平（升序）、存款金额（降序）进行多重排序。
排序数据——排序个案——把常住地、收入水平、存款金额作为排序依据分别设置排列顺序。
3、利用第2章第9题的完整数据，对每个学生计算得优课程数和得良课程数，并按得优课程数的降序排序。
计算转换——对个案内的值计数输入目标变量及目标标签，把所有课程选取到数字变量，定义值——设分数的区间，之后再排序。
4、利用第2章第9题的完整数据，计算每个学生课程的平均分以及标准差。
同时，计算男生和女生各科成绩的平均分。
方法一：利用描述性统计，数据——转置学号放在名称变量，全部课程放在变量框中，确定后，完成转置。
分析——描述统计——描述，将所有学生变量全选到变量框中，点击选项——勾选均值、标准差。
先拆分数据——拆分文件按性别拆分，分析——描述统计——描述，全部课程放在变量框中，选项——均值。
方法二：利用变量计算，转换——计算变量分别输入目标变量名称及标签——均值用函数mean完成平均分的计算，标准差用函数SD完成标准差的计算。
数据——分类汇总——性别作为分组变量、全部课程作为变量摘要、（创建只包含汇总变量的新数据集并命名）——确定5、利用第2章第7题数据，大致浏览存款金额的数据分布状况，并选择恰当的组限和组距进行组距分组。
《统计分析与SPSS的应用（第五版）》课后练习答案.doc（1）
《统计分析与SPSS的应⽤（第五版）》课后练习答案.doc（1）《统计分析与SPSS的应⽤（第五版）》课后练习答案第⼀章练习题答案1、SPSS的中⽂全名是：社会科学统计软件包（后改名为：统计产品与服务解决⽅案）英⽂全名是：Statistical Package for the Social Science.(Statistical Product and Service Solutions)2、SPSS的两个主要窗⼝是数据编辑器窗⼝和结果查看器窗⼝。
数据编辑器窗⼝的主要功能是定义SPSS数据的结构、录⼊编辑和管理待分析的数据；结果查看器窗⼝的主要功能是现实管理SPSS统计分析结果、报表及图形。
3、SPSS的数据集：SPSS运⾏时可同时打开多个数据编辑器窗⼝。
每个数据编辑器窗⼝分别显⽰不同的数据集合（简称数据集）。
活动数据集：其中只有⼀个数据集为当前数据集。
SPSS只对某时刻的当前数据集中的数据进⾏分析。
4、SPSS的三种基本运⾏⽅式：完全窗⼝菜单⽅式、程序运⾏⽅式、混合运⾏⽅式。
完全窗⼝菜单⽅式：是指在使⽤SPSS的过程中，所有的分析操作都通过菜单、按钮、输⼊对话框等⽅式来完成，是⼀种最常见和最普遍的使⽤⽅式，最⼤优点是简洁和直观。
程序运⾏⽅式：是指在使⽤SPSS的过程中，统计分析⼈员根据⾃⼰的需要，⼿⼯编写SPSS命令程序，然后将编写好的程序⼀次性提交给计算机执⾏。
该⽅式适⽤于⼤规模的统计分析⼯作。
混合运⾏⽅式：是前两者的综合。
5、.sav是数据编辑器窗⼝中的SPSS数据⽂件的扩展名.spv是结果查看器窗⼝中的SPSS分析结果⽂件的扩展名.sps是语法窗⼝中的SPSS程序6、SPSS的数据加⼯和管理功能主要集中在编辑、数据等菜单中；统计分析和绘图功能主要集中在分析、图形等菜单中。
7、概率抽样(probability sampling)：也称随机抽样，是指按⼀定的概率以随机原则抽取样本，抽取样本时每个单位都有⼀定的机会被抽中，每个单位被抽中的概率是已知的，或是可以计算出来的。
新大计量地理学实验指导04时间序列分析
用 SPSS 统计软件学会建立时间序列新变量方法时间序列，也叫时间数列或动态数列，是要素(变量) 的数据按照时间顺序变动排列而形成的一种数列，它反映了要素(变量) 随时间变化的发展过程。
地理过程的时间序列分析，就是通过分析地理要素(变量) 随时间变化的历史过程，揭示其发展变化规律，并对其未来状态进行预测。
在描述实际中出现的某些问题时，一种非常有用的随机模型就是自回归模型 (Autoregression) .在该模型中，过程的当前值被表示过程的有穷线性组合在加上一个重击e t .我们用X t,X t- 1,X t-2,… ，记在等间隔时间t,t- 1,t-2,…上的过程值。
此外，用Z t,Z t- 1,Z t-2,…,记关于均值u 的偏差，即Z t=X t-u 。
则：Z t=φ1Z t- 1+φ2Z t-2+…+φp Z t-p+e t便叫做为P阶自回归(AR)过程，当P=1时，称为一阶自回归模型。
1) 定义变量，建立数据文件并输入数据，至少要有一个变量。
打开Data 菜单中的DefineDates 对话框，定义时间序列的周期。
采用Transform 菜单中的Create Time Series 的方法，建立一个时间序列的新的变量。
2) 按Analyze ⇒ Time series ⇒ Autoregression 顺序展开相应的对话框。
3) 选择一个因变量，将其移到Dependent 框。
选择一个或多个自变量移到independent(s)框。
在Media 栏中，从三种方法中选择一种预测方法。
如果在回归方程中不需要包括常数项，可不选Include constant in model 复选项。
4) 单击Save 按钮展开保存对话框，在对话框中选择计算结果存放方式。
O 在Create Variables 栏中给出今Add to file 选项，将新建变量存放在原数据文件中，是系统默认的。
今Replace existing 选项，用新建变量数据替代数据文件中原先存在的计算结果。
《统计分析报告方案设计与SPSS地的应用(第五版)》课后练习答案详解(第4章的)
《统计分析与SPSS的应用（第五版）》（薛薇）课后练习答案第4章SPSS基本统计分析1、利用第2章第7题数据采用SPSS频数分析，分析被调查者的常住地、职业和年龄分布特征，并绘制条形图。
分析——描述统计——频率，选择“常住地”，“职业”和“年龄”到变量中，然后，图表——条形图——图表值（频率）——继续，勾选显示频率表格，点击确定。
Statistics户口所在地职业年龄NValid 282 282 282Missing 0 0 0户口所在地Frequency Percent ValidPercentCumulativePercentValid 中心城市200 70.9 70.9 70.9 边远郊区82 29.1 29.1 100.0 Total 282 100.0 100.0职业Frequency Percent ValidPercentCumulativePercentValid 国家机关24 8.5 8.5 8.5 商业服务业54 19.1 19.1 27.7 文教卫生18 6.4 6.4 34.0 公交建筑业15 5.3 5.3 39.4 经营性公司18 6.4 6.4 45.7 学校15 5.3 5.3 51.1 一般农户35 12.4 12.4 63.5 种粮棉专业户4 1.4 1.4 64.9 种果菜专业户10 3.5 3.5 68.4 工商运专业户34 12.1 12.1 80.5 退役人员17 6.0 6.0 86.5 金融机构35 12.4 12.4 98.9 现役军人 3 1.1 1.1 100.0 Total 282 100.0 100.0年龄Frequency Percent ValidPercentCumulativePercentValid 20岁以下4 1.4 1.4 1.4 20~35岁146 51.8 51.8 53.2 35~50岁91 32.3 32.3 85.5 50岁以上41 14.5 14.5 100.0 Total 282 100.0 100.0分析：本次调查的有效样本为282份。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
a.软件操作
聚类表
聚类表
阶
群集组合
系数 首次出现阶群集 下阶一阶 群集组合
系数 首次出现阶群集 下一阶
a.数据结果与对比 群集 1 群集 2
群集 1 群集 2
1
17
25
.024 0
0
51
群集 1 群集 2
17
25
.060
群集 1 群集 2
0
0
6
2
26
35
.045 0
0
321
5
29
.065 0
0
6
5
10
9
5
20
.069 7
0
190
5
16
.123 6
0
10
10
5
22
.070 9
0
1130
5
20
.127 9
8
11
11
32
33
.072 6
0
1191
5
32
.128 10
0
12
12
19
28
.076 0
0
1182
5
33
.129 11
3
13
13
5
12
.077 10
0
1143
5
14
.136 12
0
15
14
5
3
18
31
.047 0
0
135
33
34
.085 0
0
12
4
5
29
.052 0
0
54
26
35
.089 0
0
28
5
5
17
.055 4
1
75
30
31
.104 0
0
8
6
32
34
.063 0
0
161
5
17
.108 2
1
9
7
5
30
.067 5
0
97
8
18
.108 0
0
17
8
6
21
.069 0
0
285
20
30
.115 0
聚 类
·分析某地区35个城市2004年的7
分 项经济统计指标数据
析
&
主 成
（1）试用最短距离法对35个城市综合 实力进行系统聚类分析，并画出聚类谱系图
分
分
析
a.软件操作及原理
实 例
b.数据结果及分析
a.软件操作及原理——操作
a.软件操作及原理——操作
a.软件操作及原理——标准差标准化原理
xij
0
16
n(非0)表示由第n部聚类产生的
15 16
5 6
22
.160 13
0
11
.166 14
0
17 27
小类参与本步骤聚类；第七列 17 5
8
.182 15
7
18
表示本步骤聚类的结果将在下
18 19
5 13
19 15
.190 17 .196 0
0 0
20 24
面聚类的第几部中用到。
20
5
7
.197 18
第2主成分与x1,x3呈现出较 强的正相关，x2呈现出较强的负 相关，因此可以认为第2主成分 是2014年农业经济的代表。
聚 类
·分析某地区35个城市2004年的7
分 项经济统计指标数据
析
&
主 成
（3）以第一、二、三主成分为变量， 进行聚类分操作
实 例
b.数据结果与对比
b.数据结果及分析——主成分因子
一般取累计贡献率达85%~95%的特征值所对应的第1、第 2、…、第m（m≤p）个主成分。
b.数据结果及分析——变量与因子联系系数
变量与某一因子联系系数 绝对值越大，则该因子与变量关 系越近。
将第一因子代替 x4,x5,x6,x7; 将 第 二 因 子 代 替 x1,x2,x3即可得到旋转矩阵，使 复杂的矩阵变得简洁。
聚 类
·分析某地区35个城市2004年的7
分 项经济统计指标数据
析
&
主
（2）试用主成份分析法对35个城市7项
成
经济指标进行主成分分析，并分析其综
分
合实力。
分
析
a.软件操作
实 例
b.数据结果及分析
a.软件操作
a.软件操作
b.数据结果及分析——Bartlett验证
因子分析前，首先进行KMO检验和巴特利球体检验。KMO检验用 于检查变量间的偏相关性，取值在0~1之前。KMO统计量越接近于1， 变量间的偏相关性越强，因子分析的效果越好。实际分析中，KMO统 计量在0.7以上时效果比较好；当KMO统计量在0.5以下，此时不适合应 用因子分析法，应考虑重新设计变量结构或者采用其他统计分析方法。
0 5
17 10
列是相应的样本距离或小类距 9
5
16
.123 6
0
10
离；第五列、第六列表明本步
10 11
5 5
20
.127 9
8
32
.128 10
0
11 12
骤聚类中，参与聚类的是样本 12 5
33
.129 11
3
13
13
5
14
.136 12
0
15
还是小类。0表示样本，数字 14 6
21
.150 0
b.数据结果及分析——变量与因子联系系数
变量与某一因子联系系数 绝对值越大，则该因子与变量关 系越近。
将第一因子代替 x4,x5,x6,x7; 将 第 二 因 子 代 替 x1,x2,x3即可得到旋转矩阵，使 复杂的矩阵变得简洁。
b.数据结果及分析——变量与因子联系系数
第1主成分与所有变量成正 相关，与x4,x5,x6,x7呈现出较强 的正相关，因此可以认为第1主 成分是2014年城市经济结构的代 表。
群集 0
1
群集 2 0
6
2
5
29
.065 0
0
6
凝聚状态表的第一列表示 3
33
34
.085 0
0
12
聚类分析的第几步；第二列、
4 5
26
35
.089 0
30
31
.104 0
0 0
28 8
第三列表示本步骤聚类中那两 6
5
17
.108 2
1
9
个样本或小类聚成一类；第四
7 8
8
18
.108 0
20
30
.115 0
14
.080 13
0
1164
6
21
.150 0
0
16
15
8
18
.084 0
3
1165
5
22
.160 13
0
17
16
5
8
.085 14
15
1176
6
11
.166 14
0
27
17
5
16
.086 16
0
1187
5
8
.182 15
7
18
18
5
19
.093 17
12
1198
5
19
.190 17
0
20
19
5
32
.096 18
11
2109
13
15
.196 0
0
24
20
5
7
.099 19
0
2210
5
7
.197 18
0
21
21
5
11
.107 20
0
2221
4
5
.198 0
20
22
22
5
15
.120 21
0
23
a.数据结果与对比
0
21
21
4
5
.198 0
20
22
22
4
28
.199 21
0
23
b.数据结果及分析
在不同的聚类标准（距离）下， 聚类结果不同，当距离标准逐渐 放大时，35个区域单元被依次聚 类。
当距离为0时，每个样本为单 独的一类；当距离为5，则35个区 域单元被聚为11类；当距离为10， 则35个区域单元被聚为7类；当距 离为15，则35个区域单元被聚为5 类；当距离为20，则35个区域单 元被聚为3类；最终，当聚类标准 （距离）扩大到25时，35个区域 单元被聚为1类。
xij min{xij } max{xij } min{xij }
（i 1,2,...,m; j 1,2,...n）
a.软件操作及原理——欧氏距离原理
dij
n
( xik x jk )2
k 1
聚类表
阶
群集组合
系数 首次出现阶群集 下一阶
a.软件操作及原理——最短1 距离群17集聚1 类群25集法2 原.060理