24-实例一、信用卡资料实例二、护理部门在职护士工作压 力与离职意愿.ppt

實例一、信用卡資料 實例二、護理部門在職護士工作壓 力與離職意願之間的關係 一、信用卡呆帳預測 信用卡呆帳預測 信用卡呆帳預測 應用分析方法 判別分析 典型相關分析 分類樹 1-dimension（two groups） (B) 2-dimension（two groups） (C) More than 2-Group 1068筆信用卡資料 10680筆信用卡資料 典型相關分析 單變項複相關： 有p個X變項和一個Y變項，分析的目的在於找出適當的迴歸係數作為這p個X變項的加權值，使p個X變項之線性組合分數與這一個Y變項分數之間的相關變為最大。 典型相關分析： 也有p個X變項，但是Y變項卻有q個(q1)。典型相關的目的在於找出這p個X變項的加權值和這q個Y變項權值，使這p個X變項之線性組合與這q個Y變項之線性組合的相關達到最大值。 1068筆信用卡資料 10680筆信用卡資料 呆帳預測分類樹 護士工作壓力與離職意願 某醫學中心護理部門欲探討在職護士工作壓力與離職意願之間的關係 資料內容分為三大部分 第一部份：為護理人員壓力量表 包括工作壓力來源與工作壓力反應 第二部分：為護理人員離職意願量表 第三部分：為個人基本資料 研究分析架構 護士工作壓力與離職意願 應用分析方法 主成分分析 因素分析 集群分析 判別分析 典型相關分析 分類樹 主成分分析 找尋資料能夠解釋最多變異的方向、第二多的方向等等 目的是希望用較少的變數去解釋原來資料中的大部份變異 將許多相關性很高的變數轉化成彼此互相獨立的變數 選取較原始變數個數少，能解釋大部份資料中的變異的幾個新變數 『轉換』原始變項使之成為一些綜合性的新指標 因素分析 找出『這些資料是如何產生的』的結構 以少數幾個因素來解釋一群相互之間有關係存在的變數之數學模式 解釋變數之間的『共變異數』(covariance)問題 主成分分析是以變異數為導向，而因素分析是以共變異數為導向 關心每個變數與其他變數共同享有部分的大小 壓力來源因素分析結果 壓力反應因素分析結果 離職意願因素分析結果 集群分析 將一群具有相關性的資料加以有意義的分類 集群結果在同一群組內有相近性質，不同群集間差異性大 用來對資料作摘要，不是在找『自然」或是『真正』的集群 只能用數值變數，不能用分類變數 距離測量 工作壓力與離職意願集群關係 判別分析 在已知的分類之下，判定新樣本將放置於那個族群中 與集群分析不同，判別分析是已知觀察者的所屬群體 與主成分分析、典型相關分析相似，皆可作為降低維度的方法 可用來做預測與描述 工作壓力反應分群之檢測 離職意願分群之檢測 典型相關分析 單變項複相關： 有p個X變項和一個Y變項，分析的目的在於找出適當的迴歸係數作為這p個X變項的加權值，使p個X變項之線性組合分數與這一個Y變項分數之間的相關變為最大。 典型相關分析： 也有p個X變項，但是Y變項卻有q個(q1)。典型相關的目的在於找出這p個X變項的加權值和這q個Y變項權值，使這p個X變項之線性組合與這q個Y變項之線性組合的相關達到最大值。 工作壓力與離職意願典型相關 離職意願集群分類樹 0 8 2 10 11 5 0 9 5 6 4 0 7 3 3 0 9 2 0 1 5 4 3 2 1 Link 3 5 0 5 6 8 4 0 9 7 2 0 3 1 0 35 4 2 1 35 Link (1 3 5) Min(3,11) Min(7,10) Min(9,8) 0 5 6 4 0 7 2 0 135 4 2 135 Link ( 2 4) 0 6 24 0 135 24 135 a.最短距離法 b.最大距離法 c.平均距離法 壓力反應集群分析結果 離職意願集群分析結果 * * 判別分析 在已知的分類之下，判定新樣本將放置於那個族群中 與集群分析不同，判別分析是已知觀察者的所屬群體 與主成分分析、典型相關分析相似，皆可作為降低維度的方法 可用來做預測與描述 (i) (ii) (iii) (i) (ii) (iii) ：相關係數 R（1 TO 1） ：單變項複相關（1 TO n ） ：典型相關分析（n TO n） 規則： 信用卡申請書來源及方式為：親簽 ?宗教信仰：佛教、道教、拜拜 ?職業：夜間部高中職學生、勞務職、商 工服務自營（員工9人以下） ? 歸屬於有呆帳風險 a.主成分分析模式 b.因素分析模式 … …