新校区大学生心理适应性量表的编制及信效度验证论文

　大学生心理适应能力是大学生根据客观环境要求，主动采取对策，与环境和谐相处的能力。应对效能是与人们如何管理应激性事件有关的一种效能信念，特指个体在应激情境中对自己应对环境需要的能力做出的主观评价。以下是我为大家精心准备的：新校区大学生心理适应性量表的编制及信效度验证相关论文。内容仅供参考，欢迎阅读!

　新校区大学生心理适应性量表的编制及信效度验证全文如下：

摘要 ：通过对46名大学生的访谈和文献分析，编制出40个题目，在170名大学生中进行施测，经过项目分析和探索性因素分析，最终保留11个题目，共3个因子。复测样本为625名高校大学生，验证性因素分析支持了所提取的3个因子，模型拟合较好，量表的信效度符合心理测量学要求。

　 关键词 ：新校区;大学生;心理适应性;因素分析

　1引言

　世界卫生组织(WHO)明确指出：健康是指生理、心理及适应性三方面均良好的一种状况，而不仅仅是指没有生病或者体质健壮。可见适应性对于个体健康的重要意义。正如心理学家妮特(PJanet)所说，人的一生都处于不断的适应的过程中。个体总是在不断地通过与周围环境的交互调整自我，达成和谐健康。

　大学生正处于人生的关键阶段，需要面对和处理从学生到社会人过程中的各种问题。心理适应性在很大程度上决定了其是否能顺利渡过该发展阶段。想要更好地应对问题，适应社会，首先必须准确了解和科学评价自我情况。当前，全国大部分地区都已经或正在建设大学城。新校区将成为未来各地高校学生培养工作的主要区域。但已有调查发现，由于新校区环境条件、学习生活情况师生交流方式等因素，使得大学城高校学生的心理适应性问题更加特殊与严峻。因此，开发科学有效、针对性强的评测工具，对于了解与应对大学生心理适应性问题，保障大学城顺利建设发展具有十分重要的现实意义。

　国内在心理适应性工具研究方面，取得了一些成果，如已经开发了中国大学生适应量表(CCSAS)[1]，大学生学习适应量表[2]，大学生人际适应量表[3]，大学生学习适应状况量表[4]，大学生一般情况调查问卷[5]等。该领域工具虽不算少，但多数为针对新生或一般性的调查量表。专门针对新校区编制的大学生心理适应性工具几乎没有。为了满足该领域理论研究的需要，并在现实中更好地发现与处理新校区大学生的心理适应性问题。因此，在已有研究成果的基础上，编制了《新校区大学生心理适应性量表》。

　2编制过程

　《新校区大学生心理适应性量表》的编制通过三阶段完成。首先，进行关于大学生心理适应性内容的访谈;然后，在访谈与文献调研的基础上，通过理论构思编制初测问卷并施测;最后，在初测数据分析的基础上，修订量表进行复测并验证效度。

　21访谈

　211访谈对象

　面对陌生的大学生活，大学生表现出更多的适应性问题。大学城作为各高校新校区，除大部分新生以外，不少老校区的高年级学生也搬进了大学城，作为特殊时期、特殊环境的特殊群体，不论是新生还是新迁入的老生都会面临适应性的问题。研究中的访谈选取了贵州大学城新校区的贵州师范大学和贵阳中医学院的46名学生。其中大一学生22名，大三学生24名;男生15名，女生31名。

　212访谈过程

　研究采用半结构化访谈结合行为事件访谈(BEI)的方式，在知情同意的前提下，由事先培训过的主试对被试进行一对一的访谈。访谈包含4个问题，包括(1)你觉得适应良好的状态是怎样的(2)你所看到的同学难以适应的事件或状况有哪些(3)你觉得让你难以适应的事件或状况有哪些请按照难以适应的程度从大到小说出至少10件事件。(4)具体谈一谈对你而言最难以适应的一件事件，说说当时的实际情况是怎样的你当时的实际心理感受是怎样的你做出了怎样的行为反应影响结果是怎样的一次访谈约30分钟。

　213访谈资料整理及初测问卷编制

　用如下步骤对访谈对象的原始录音进行整理：(1)访谈结束后，第一时间将录音信息转换成文字材料，以确保资料的及时性和准确性;(2)在对第一次录音信息整理的过程中，不断反思访谈过程中存在的各种问题，及时修正不恰当的提问方式;(3)在保证文字材料与访谈对象所述完全一致的前提下，利用内容挖掘软件ROST对材料进行词频与聚类分析。最终得到关于心理适应性的五个因子：(1)学习适应，如“英语四级备考阶段，怕自己过不了，单词记不住，晚上失眠，上课疲惫”等;(2)生活适应，如“食堂的菜很难吃，除了食堂没别的选择”等;(3)人际适应，如“室友之间关系的处理比较困难，以前的宿舍打散了，我们是重新组合的”等;(4)环境适应，如“不习惯这边的天气，湿气比较重，因为自己身体方面的原因，一直都在适应这边的天气，除非自己本身适应了，才能在这边过的很好”等;(5)角色适应，如“不高兴的时候，感觉找不到亲近的人来说话，觉得所有东西都是一个人，没有陪伴者”等。

　在以上分析的基础上，结合已有研究成果，围绕五个核心维度编制了《新校区大学生心理适应性量表》。最终形成了五个因子40个题项的初测量表，分数越低则表示被试心理适应性状态越好，其中设有反向题。量表采用likert5点计分，题项描述情况与被试实际的符合程度按照“完全符合、较符合、一般、较不符合、完全不符合”逐级降低，并分别计分为“5、4、3、2、1”。

　22量表初测

　221被试

　采用整群抽样在贵州师范大学花溪校区发放40个题目的初测问卷180份，有效回收170份，有效回收率为944%。其中男生48人，女生122人，少数民族73人，汉族97人。

　被试按照自愿的原则完成问卷，完成一份问卷的平均时间为10分钟。采用SPSS 200统计软件完成数据分析。

　222项目分析

　采取高低分组独立样本T检验和题总相关(r)两种方法进行项目分析。(1)独立样本T检验，按照总分高端的27%和低端的27%将被试划分三组，即高分组、中间组和低分组，对高分组和低分组进行独立样本T检验，除第18题p=0408、第33题p=0057、第38题p=0053大于005不显著外，其余题项均在高低分组上达到显著差异。(2)题总相关，除第18题r=0036，p=0641相关较低外，其余题项均与总分达到显著相关。综合以上两项分析删除第18题、第33题、第38题，用剩余的37题做探索性因素分析。　223探索性因素分析

　为了检验调查数据是否适合做因素分析，对数据先进行Bartlett球形检验，检验值为1940909，p<0005，达到显著性水平，说明各项目间有共享因素的可能性。同时，样本适当性度量值KMO为0785，表明数据样本适合做因素分析。

　采用主成分分析法对问卷的37个题项先后进行多次探索性因素分析，共删除各维度上分布模糊的26个题项，剩余11题。对余下题项再次进行Bartlett球形检验与KMO检测，均满足因素分析所需统计要求。进一步通过探索性因素分析方法最终确定因素个数。依据因素分析理论以及参照已有研究者编制问卷的实际经验，因子个数的确定主要采用以下标准：(1)因子的特征值大于1;(2)符合碎石图检验;(3)抽出的因子旋转前至少能解释3%的变异;(4)每一因子至少包括3个项目。[6]经方差最大化旋转后特征值大于1的因素有3个，方差解释率为53821%，参见“因素分析碎石图”。

　因素分析的碎石图

　由碎石图可见，特征根大于1的因子共3个，对最终保留的3个因子进行正交旋转，结果如表1所示。

　表1表明，t2、t5、t6、t7、t11主要负荷在因子1上，根据理论构思及题项内容命名为“人际适应”;t1、t3、t10则负荷在因子2上，名为“环境适应”;t4、t8、t9则负荷在因子3上，命名为“学习适应”。

　224信度检验

　采用内部一致性α系数检验量表的信度，量表各因子的α系数介于07～08之间，总量表α系数为0847，结果如表2所示。

　23量表复测及效度检验

　231被试

　以贵州省花溪大学城高校(贵州师范大学、贵州财经大学、贵阳医学院、贵阳中医学院)本科生为调查对象，控制性别、年级及专业的分布，采取分层抽样发放问卷657份，回收问卷652份，有效问卷625份，有效率9513%。其中，男生312人，女生313人;大一207人，大二205人，大三213人;理工类310人，文史类315人;少数民族256人，汉族369人。

　被试按照自愿原则完成问卷，完成一份问卷的平均时间为5分钟。数据分析采用SPSS200和AMOS200统计软件。

　232数据分析及结果

　用SPSS200考察各因子之间、因子与总分之间的相关情况，结果如表3所示。

　由表3可见，各因子之间的相关满足01～06的统计学要求，因子与总分之间的相关在均06～08之间，达到03～08的统计学要求。通过AMOS200进行统计检验，得到模型检验结果如表4所示。

　由表4可知，X2/df<5，可认为模型的拟合是可以接受的。同时，拟合指数NFI、IFI、CFI的值在085～090之间，RMSEA=0061<008，说明模型拟合良好，综合各项指标说明量表具有较好的结构效度[7][8]。

　3讨论

　《新校区大学生心理适应性量表》是在已有研究基础上通过调查统计编制而成，最终量表采用likert5点评定方法，包含人际适应，环境适应，学习适应等3个因子11个具体题项。量表，量表编制过程中，首先从已有文献中收集大学生心理适应性的相关内容，并结合访谈结果，确定了相关题项。整个过程严格按照量表编制的科学标准和程序进行，保证了量表的信效度。量表所有题项的来源，均通过访谈分析，并参考已有同类量表资料编写，使得量表具有较好的适用性。量表的结构通过探索性因素分析确定，并采用验证性因素分析对此进行了检验。结果表明，模型的各项指数都达到了合理的标准，数据拟合较好，具有较好的结构效度。量表的内部一致性α系数为085，这说明该量表具有较好信度。总的来说，《新校区大学生心理适应性量表》具有较好的信度与效度，各项指标均达到了理想的心理测量学要求，可作为新校区高校大学生心理适应性的测评工具。

科学领域

学术（Academic）的缩写。

数学领域

选择公理（Axiom of choice），是一条集合论公理，由德国数学家恩斯特·策梅洛在1904年公式化。

物理领域

交流电（Alternating current），是指大小和方向都发生周期性变化的电流，目前被广泛用于电力传输（即交流输电）。在迈克尔·法拉第发现电磁感应后，交流电的原理就已经被揭示，1891年，尼古拉·特斯拉取得了“高频率”（15,000赫兹）交流发电机的专利。

声波时差曲线，孔隙度测井过程中，利用声波时差反映岩性、岩石构造的曲线数据，因为声波可写作Acoustic，所以用AC指代该项数据。

衰减系数（Attenuation coefficient），又称衰减常数、衰解系数，是指某种物质或物理量（光、声、电、热、水体中的污染物成分等）在一个单位计量下，受其他物理现象（介质密度、湿度、温度等）影响下的变化或损耗。如声在空气中传播就会受空气的粘滞性、热传导（经典吸收）和空气中氧分子和氮分子振动的弛豫效应（分子吸收）造成声能损耗，其衰减系数就反映了这种损耗。

化学领域

锕（Actinium，元素符号：Ac），是一种具有极强放射性的金属元素，于1899年被发现，存在于沥青铀矿或含铀矿物中，由铀元素衰变而成。其原子序数为89，属于锕系元素，放射性约为镭的150倍，在暗处能发蓝白色的光。由于自然界中锕含量极低且极难提取，所以现在一般通过在核反应堆中用中子照射钍-226的方法来制取。其用途包括医用肿瘤治疗、作为中子源等。

乙酸盐（Acetate），也称醋酸盐，是乙酸的羧基质子（H-氢离子）被其他金属阳离子替代后形成的生成物，如乙酸钠(NaAc)。同时，乙酸本身也可以写成HAc。乙酸盐的酸根离子——乙酸根的分子式为CH3COO-或[C2H3O2]-，属于羧酸根离子的一种。

乙酰基（Acetyl group），是有机化学中的一种由甲基和羰基组成的酰基官能团。分子式为CH3-C=O-R或CH3C(O)-,一般也记作Ac-。通过乙酰化试剂（常见的有乙酰氯或乙酸酐等）向分子中引入乙酰基的化学反应称为乙酰化。含有乙酰基的化合物可以在碱性条件下与卤素反应并生成卤仿，这一反应称为卤仿反应。

乙酰氧基（Acetoxy group），有机化学中的一种官能团，分子式为R-O-C=O-CH3。

偶氮二甲酰胺（Azodicarbonamide，也写作Azobisformamide），是一种无毒，无嗅，不易燃烧，溶于碱，不溶于汽油、醇、苯、吡啶和水的化合物，分子式为C2H4O2N4，可用作食品添加剂，发泡剂等。

活性炭（Activated carbon），又称活性炭黑。是黑色粉末状或颗粒状的无定形碳。活性炭主成分除了碳以外还有氧、氢等元素。这是活性炭为疏水性吸附剂的原因。活性炭中除I碳元素外，还包含布两类掺和物：一类 是化学结合的元素，主要是氧和氢，这些元素是由于未完全炭化而残留在炭中，或者在活化过程中，外来的非碳元素与活性炭表面化学结合，如用水蒸气活化时，活性炭表面被氧化或水蒸气氧化；另一类掺和物是灰分，它是活性炭的无机部分，几种活性炭的元素组成,易造成二次污染。

生物领域

腺苷酸环化酶（Adenylatecyclase，也可写作Adenylyl cyclone, Adenyl cyclon），是一种膜整合蛋白，能够将ATP转变成cAMP，引起细胞的信号应答，是G蛋白偶联系统中的效应物。

医学领域

前房（Anterior chamber），指角膜后方与虹膜、晶状体之间的空腔。前房内充满无色的液体，即房水。

肩锁关节（Acromio-clavicular joint，简称AC joint），位于肩部上部，连接肩胛骨肩峰突与锁骨，属于平面关节。

前十字韧带（Anterior cruciate ligament，简称ACL或AC ligament），位于膝部。

肛管（Anal canal），解剖学上指齿状线至肛缘的部分，成人平均长25cm；外科上指肛缘到肛管直肠环平面的部分，成人平均长4cm。

饭前（拉丁语：Ante cibum），医生的处方上有时候会注ac，表示药剂要饭前服用。

Adriamycin and cyclophosphamide，指一种化疗方案，使用阿霉素（Adriamycin，也称多柔比星，羟基红比霉素，羟基柔红霉素，亚德里亚霉素，亚法里亚霉素）和环磷酰胺（cyclophosphamide，也称癌得散、癌得星、安道生、环磷氮芥），主要用于对乳腺癌的治疗。

变应性咳嗽的缩写。

气象领域

高积云（Altocumulus cloud），一类云块较小，轮廓分明，在厚薄、形状上有很大差异的中云，其颜色在较薄时呈白色，在较厚时呈暗灰色。

预期对流（Anticipated convection），美国国家海洋和大气管理局下属的美国国家气象局用以指代预期中可能发生的对流事件。

天文领域

南门二（半人马座α/α Cen，英语：Rigil Kentaurus），实际上是一个位于半人马座的三星系统，整个系统的综合目视星等达到-027等，仅次于天狼星和老人星，为全天第三亮。南门二也是距离太阳系最近的恒星系统，其中的比邻星（Proxima Centauri）是已知的距离太阳最近的恒星，与太阳距离只有422光年。

地理领域

阿森松岛（Ascension Island），英国在南大西洋的海外领地。

阿里克州（葡萄牙语：Acre），巴西西部的一个州，州府为里约布兰科。阿里克州的辖区呈西北-东南延伸的斜长型，西接秘鲁，南与玻利维亚为界，东北与巴西面积最大的亚马逊州接壤。

大西洋城（Atlantic City），位于美国新泽西州的城市。

大西洋城（Atlantic City），位于美国怀俄明州的城市。

亚琛（德语：Städteregion Aachen），德国西部的一个县，属北莱茵-威斯特法伦州，西接比利时和荷兰。

经济学/管理学领域

平均成本（Average cost），是指平均每单位产品所分摊的成本，它等于平均不变成本和平均可变成本之和。

评价中心（Assessment center），指是一种包含多种测评方法和技术的综合测评系统，各种组织、团体、企业通过这套系统，从应聘者中选出适合某岗位的人。

工业领域

沥青混凝土（Asphalt concrete），一种建筑材料。

自动控制（Automation control），也称自动化控制，通常是指不需借着人力亲自操作机器或机构，而能利用动物以外的其他装置元件或能源，来达成人类所期盼执行的工作。

自适应控制（Adaptive control），是一种对系统参数的变化具有适应能力的控制方法。

计算机技术领域

AC值（Alternating class），是一种复杂度指标，类推自计算复杂性理论中的NC值（Nick's Class），主要应用于计算机算法的检验优化等领域。

ac，英国位于南大西洋的海外领地阿森松岛的国家顶级域名。

ac，表示学术科研机构（Academic）的二级域名，往往为某个国家或地区内的学术科研机构所使用，属于的组织域名（类似的还有表示工商企业的com，表示组织的org，表示政府机关的gov，表示教育机构的edu等）。

累加器（Accumulator）全称累加寄存器，是中央处理器中用来储存计算产生的中间结果的一种寄存器。

指某款软件或应用通过评测（Accepted）。同理，AC率的意思就是程序的通过率。

情感计算（Affective Computing），就是要赋予计算机类似于人一样的观察、理解和生成各种情感特征的能力，最终使计算机像人一样能进行自然、亲切和生动的交互。

人工意识（Artificialconsciousness），人工智能领域及认知机器人学的术语，以“合成一个具有意识的人造物需要哪些必要条件”为研究方向。

移动通信技术领域

授权证书（Authorization certificate）

鉴权中心（Authentication center），为认证移动用户的身份、产生相应鉴权参数的功能实体，有时候为了与交流电区分，而缩写为AUC。

访问条件（Access criteria），设备访问网络的进入条件，

接入控制器（Access Controller或Wireless Access Point Controller），即无线控制器，是一种网络设备，负责管理某个区域内无线网络中的AP。

主要功能包括：对不同AP下发配置、修改配置、射频智能管理、用户接入控制等。该设备由无线网络发展而来，区别于最初的无线网络都是自主单体的管理方式，对于某区域需要大面积的无线覆盖，往往需要多个AP(无线接入点)协同工作，单独配置AP的方式已经成为工作量的瓶颈，由此衍生出无线控制器。目前的无线控制器已经有了长足的发展，集成了三层交换机以及认证系统等众多功能，成为运营商以及企业部署无线局域网的必备设备。

问题一：判别分析的应用 在气候分类、农业区划、土地类型划分中有着广泛的应用。在市场调研中，一般根据事先确定的因变量（例如产品的主要用户、普通用户和非用户、自有房屋或租赁、电视观众和非电视观众）找出相应处理的区别特性。在判别分析中，因变量为类别数据，有多少类别就有多少类别处理组；自变量通常为可度量数据。通过判别分析，可以建立能够最大限度的区分因变量类别的函数，考查自变量的组间差异是否显著，判断那些自变量对组间差异贡献最大，评估分类的程度，根据自变量的值将样本归类。应用范围1）信息丢失2）直接的信息得不到3）预报4）破坏性实验假设条件1）分组类型在两种以上，且组间样本在判别值上差别明显。2）组内样本数不得少于两个，并且样本数量比变量起码多两个。3）所确定的判别变量不能是其他判别变量的线性组合。4）各组样本的协方差矩阵相等。5）各判别变量之间具有多元正态分布。6）样品量应在所使用的自变量个数的10~20倍以上时，建立的判别函数才比较稳定；而自变量个数在8~10之间时，函数的判别效果才能比较理想。当然，在实际工作中判别函数的自变量个数往往会超过10个，但应该注意的是，自变量的个数多并不代表效果好spss操作：“分析”～“分类”～“判别”～进入判别分析主对话框。这里有容易引起歧义的二个变量，最上面的为分组变量。对分组变量的了解需要联系判别分析的原理以及适用范围。因为判别分析是已知分类数目的情况下，进行分析，这个已知的分类数目就是这个分组变量。其实，一般分析步骤中，都是先进行聚类分析，聚类之后得到的分类结果就是这个分组变量，然后再选择这个分组变量，进行分析。也就是，聚类分析是母亲，母亲的孩子就是判别分析。得到的判别函数就是预测想要知道的个案究竟属于哪一类。另一个变量就是选择变量，它位于主对话框的最下面。这个选择变量在回归分析相应的对话框中也有，意思就是选择你需要的变量，这个变量可以为数据窗口的一个整个变量，也可以利用子设置“值”进行选择，所以，它的名字叫做选择变量。“统计量”子对话框：“描述性”栏，包括“均值”“单变量ANOVA”“BoxsM”需要特别说明，以后只要见到ANOVA这个单词，它的意思就是方差分析，也就是进一步输出方差分析表，其中最重要的就是P值也就是Sig值。BoxsM复选框：指的是输出对组协方差矩阵的等同性检验的检验结果。也就是对各类协方差矩阵相等的假设进行检验。“函数系数”栏：其实就是将判别函数系数进行设置。包括“费雪”和“未标准化”。费雪指的是对每一类给出一组系数，并且给出该组中判别分数最大的观测量。“矩阵”栏：都是复选框，对应相应的矩阵也就是在结果表中的四种数阵。“组内相关”“组内协方差”“分组协方差”“总体协方差”这个都是计算机自动计算，人工计算是不可能完成的任务。“分类”子对话框：本文也提到过先验概率，先验概率就是已知一部分信息，来了解未知信息也就是后验概率。“所有组相等”也就是如果分为几类，这所有的类中的先验概率都相等。“根据组大小计算”各类先验概率按照和各类样本量呈正比。“使用协方差矩阵”栏：是二个单选框。“在组内”指使用合并组内协方差矩阵进行分析“分组”指使用各组协方差矩阵进行分析。“输出”栏～“个案结果”：对每一个观测量输出判别分数，也就是选定变量的个案的分进哪个组的资格得分。实际类，预测类，也就是根据判别得分计算的古今对比。实际类就是目前实际上分为几类，预测类就是过去对未来预测，它们一对比，就可以知道过去和现在差别在哪里。附属选项“将个案限制在”在后面的小矩形框中输入观测量数，含义为仅输出设置的观测量结果，当个案也就是观测量太多，可以用此法。“摘>>

问题二：判别分析的判别函数 判别分析通常都要设法建立一个判别函数，然后利用此函数来进行批判，判别函数主要有两种，即线性判别函数（Linear Discriminant Function）和典则判别函数（Canonical Discriminate Function）。线性判别函数是指对于个总体，如果各组样品互相对立，且服从多元正态分布，就可建立线性判别函数，形式如下：其中，是判别组数；是判别指标（又称判别分数或判别值），根据所用的方法不同，可能是概率，也可能是坐标值或分值；是自变量或预测变量，即反映研究对象特征的变量；是各变量系数，也称判别系数。建立函数必须使用一个训练样品。所谓训练样品就是已知实际分类且各指标的观察值也已测得的样品，它对判别函数的建立非常重要。典则判别函数是原始自变量的线性组合，通过建立少量的典则变量可以比较方便地描述各类之间的关系，例如可以用话散点图和平面区域图直观地表示各类之间的相对关系等。

问题三：关于SPSS判别分析 150分 判别分析的目的 是为了 将待分类的事物 根据已有的分类数据 进行分类，所以 最终会出来一个判别类别系数 可以写判别方程，然后就可以根据这个方程来预测了

问题四：简单判别分析结果分析，为入门弟子求教 1、懂业务。从事数据分析工作的前提就会需要懂业务，即熟悉行业知识、公司业务及流程，最好有自己独到的见解，若脱离行业认知和公司业务背景，分析的结果只会是脱了线的风筝，没有太大的使用价值。

2、懂管理。一方面是搭建数据分析框架的要求，比如确定分析思路就需要用到营销、管理等理论知识来指导，如果不熟悉管理理论，就很难搭建数据分析的框架，后续的数据分析也很难进行。另一方面的作用是针对数据分析结论提出有指导意义的分析建议。

3、懂分析。指掌握数据分析基本原理与一些有效的数据分析方法，并能灵活运用到实践工作中，以便有效的开展数据分

析。基本的分析方法有：对比分析法、分组分析法、交叉分析法、结构分析法、漏斗图分析法、综合评价分析法、因素分析法、矩阵关联分析法等。高级的分析方法

有：相关分析法、回归分析法、聚类分析法、判别分析法、主成分分析法、因子分析法、对应分析法、时间序列等。

4、懂工具。指掌握数据分析相关的常用工具。数据分析方法是理论，而数据分析工具就是实现数据分析方法理论的工具，面对越来越庞大的数据，我们不能依靠计算器进行分析，必须依靠强大的数据分析工具帮我们完成数据分析工作。

5、懂设计。懂设计是指运用图表有效表达数据分析师的分析观点，使分析结果一目了然。图表的设计是门大学问，如图形的选择、版式的设计、颜色的搭配等等，都需要掌握一定的设计原则。

问题五：聚类分析与判别分析如何结合运用 1聚类分析与判别分析的区别与联系

都是研究分类的，在进行聚类分析前，对总体到底有几种类型不知道（研究分几类较为合适需从计算中加以调整）。判别分析则是在总体类型划分已知，对当前新样本判断它们属于哪个总体。如我们对研究的多元数据的特征不熟悉，当然要进行聚类分析，才能考虑判别分析问题。

2聚类分析分两种：Q型聚类（对样本的聚类），P型聚类（对变量的聚类）

聚类分析需要注意的是，一般小样本数据可以用系统聚类法，大样本数据一般用快速聚类法（K均值聚类法）。需要根据统计量判断分几类比较合适，一般用R平方统计、伪F统计量等。如用前者时，可以从R平方的变换看n个样品分成几类比较合适，如分为5类时，R平方为09，当分为四类时，其值减小较快，如R平方为04，则认为分五类比较合适。另外，不同的分类方法产生的分类结果可能不同，要结合实际情况选出最优的分类方法。

3判别分析

有Fisher判别，Bayes判别和逐步判别。一般用Fisher判别即可，要考虑概率及误判损失最小的用Bayes判别，但变量较多时，一般先进行逐步判别筛选出有统计意义的变量，再结合实际情况选择用哪种判别方法。

问题六：辨别词语意义的方法主要有哪些 1，历史出处法，如 纸上谈兵 ，战国时，赵国大将 赵括，不注重实际，只是依照一些兵书， 去作战，结果大败。

2，词素分解法，如 史无前例 史 ，历史。无，没有。前，以前，例，例子。所以总词语的 意思是，在历史上从来没有过的事。

3，句中移位法，如 就是说同一个词，在不同的地方，词义不同。如，打酱油的“打”和打 你的”打“

问题七：偏最小二乘判别分析和判别分析有什么区别 就在于这个偏字,主要是偏最小二乘法比最小二乘法多了一项主成分分析而已

问题八：相关系数的取值范围及意义 相关系数取值范围如下：

1、符号：如果为正号，则表示正相关，如果为负号，则表示负相关。通俗点说，正相关就是变量会与参照数同方向变动，负相关就是变量与参照数反向变动；

2、取值为0，这是极端，表示不相关；

3、取值为1，表示完全正相关，而且呈同向变动的幅度是一样的；

4、如果为-1，表示完全负相关，以同样的幅度反向变动；

5、取值范围：[-1，1]

这里的定义略有混乱，与模式相关的学科定义的特征向量和数学里面定义的特征向量采取了同一个英文单词，在翻译过来以后也都翻译成了特征向量。数据挖掘技术恰好两个特征向量都用到了，所以很容易混淆。

如果你指得是数学里面的特征向量，主成分分析法往往采取的方法不具有统计学含义，只有工程上的经验做支撑，并且不总是对的。特征向量本身不能评估权值，但是它对应的特征值大小表示了这个特征所含有用信息量的多少，这就可以评估权值了，所以该方法用到了较大特征值对应的特征向量来构造降维变换。 它并没有非常严谨的数学推理，只是工程经验表明这样做往往是对的。