统计分析
irjAiij xxnS S A1 12)( kirjnkABijijkijxxS S E1 1 12)( rikjBiij xxnS S B1 12)(SSESSBSSASSTS S A B 30 2020/9/15 •交互作用的理解 A1 A2 B1 2 5 B2 7 10 A1 A2 B1 2 5 B2 7 3 31 2020/9/15
以判别它应属于哪一个总体。 2．判别函数的导出 （ 1）找到判别式 不妨设已经建立了判别式： 1 1 2 2 ppy c x c x c x ，则可以得到变换后的两组的重心。 第一组样品的重心： (1) (1)1pkkky c x 第二组样品的重心： (2) (2)1pkkky c x 组间变差： 2( 1 ) ( 2 )12, , , pQ Q c c
会被强制转换为因子 ，而矩阵、列表、数据框这样的成员为新数据框提供了和其列数、成员数、变量数相同个数的变量。 作为数据框变量的向量、因子或矩阵必须具有相同的长度（行数）。 • 尽管如此，我们一般还是可以把数据框看作是一种推广了的矩阵，它可以用矩阵形式显示，可以用对矩阵的下标引用方法来引用其元素或子集。 数据框生成 • 数据框可以用 ()函数生成，其用法与 list()函数相同
4 5 6 女 5 Grand Total 表分为 3部分： ，按各年级算出均值； ，按各年级算出均值；。 两个分组变量的列形式报告 表 48 2020/9/16 41 第二节 描述性统计分析（ Descriptive Statistics） • Frequencies 频数分析表 • Descriptive 描述性统计分析过程 • Explore 探索分析过程 • Crosstabs
11 12 11 1221 22 21 2211 11 12 21 11 12 12 2221 11 22 21 21 12 22 22lqll q l A A C CACA A C CA C A C A C
统聚类法是诸聚类分析方法中使用最多的一种，按下列步骤进行： 计算 n个样品两两之间的距离，构成距离矩阵 合并距离最近的两类为一新类 计算新类与当前各类的距离。 再合并、计算，直至只有一类为止 画聚类图，解释 类与类之间的距离 (single linkage) (plete linkage) (median method) (centroid method) (average
（ 60— 70） 重（ 70+） 性别 男 Count 17 35 17 69 % within 性别 % % % % % within 体重级别 % % % % % of Total % % % % 女 Count 136 6 3 145 % within 性别 % % % % % within 体重级别 % % % % % of Total % % % % Total Count 153
项，可以提高拆分执行的速度；否则，选择 Sort the file by grouping variables项。 68 2020/9/16 说明： 1） 数据拆分将对后面的分析一直起作用 ，即无论进行哪种统计分析，都将按拆分变量的不同组别分别分析计算。 如果希望对所有数据进行整体分析，则需要重新执行数据拆分，在数据拆分窗口中选择 Analyze all cases项。 2）对数据可以进行
是说分 G类是合适的。 但是，分类越多，每个类的类内的离差平方和就越小， 也就越大；所以我们只能取合适的 G，使得 足够大，而 G本生很小，随着 G的增加， 的增幅不大。 比如，假定分 4类时， =；下一次合并分三类时，下降了许多， =，则分 4 类是合适的。 TPR G 122RGP2R2R2R2R2R伪 F统计量的定义为 伪 F统计量用于评价聚为 G类的效果。 如果聚类的效果好
出函数利用 cat()和 formatC来控制： apply(da, 1, function(r) cat(formatC(r[1], format=39。 d39。 , width=2, flag=39。 039。 ), 39。 39。 , formatC(r[2], format=39。 d39。 , width=2, flag=39。 039。 ), 39。 39。 ,