15、数据挖掘：SPSS Statistics与SPSS Modeler的对比与应用

数据挖掘：SPSS Statistics与SPSS Modeler的对比与应用

在当今的数据驱动时代，数据挖掘和预测分析变得越来越重要。本文将深入探讨数据挖掘的概念，对比SPSS Statistics和SPSS Modeler这两款工具，并介绍如何在SPSS Statistics中进行有效的数据挖掘任务。

一、维度解释的主观方法

1.1 操作步骤

首先，在大纲窗格中点击标有“Dimensionality 2”的对象点图图标。这一步操作是后续进行维度解释主观分析的基础。

1.2 主观分析过程

主观维度解释方法通过检查对象的图形表示，基于我们对对象的了解来发现潜在模式。我们需要思考这些对象在每个维度上是如何不同的。在二维解决方案中，水平轴似乎是一种数据维度，右侧是定量子学科，左侧是定性子学科。对于垂直维度，它可能代表心理学家在不同子学科中通常遇到的疾病严重程度，或者是这些子学科研究影响的普遍性或特异性。

例如，从疾病严重程度的角度来看，社会心理学子学科可被视为处理非严重疾病，而神经心理学子学科则处理严重疾病患者群体。从影响范围的角度来看，社会心理学子学科对整个社会有影响，而神经心理学子学科则对特定个体有影响。需要注意的是，这些都是主观解释，并非统计证明。

1.3 后续操作

• 滚动到变换图。
• 在大纲窗格中点击标有“Dimensionality 2”的变换图图标。此图提供了应用于邻近度的变换函数信息。垂直轴表示变换（这里是顺序变换）后的邻近度，水平轴表示数据中的实际邻近度。该图具有明显的阶跃函数。如果此图平滑且接近线性，则可以使用度量多维缩放