论文研究方法层次分析法

论文数据方法有多选题研究、聚类分析和权重研究三种。

1、多选题研究：多选题分析可分为四种类型包括：多选题、单选-多选、多选-单选、多选-多选。

2、聚类分析：聚类分析以多个研究标题作为基准，对样本对象进行分类。如果是按样本聚类，则使用SPSSAU的进阶方法模块中的“聚类”功能，系统会自动识别出应该使用K-means聚类算法还是K-prototype聚类算法。

3、权重研究：权重研究是用于分析各因素或指标在综合体系中的重要程度，最终构建出权重体系。权重研究有多种方法包括：因子分析、熵值法、AHP层次分析法、TOPSIS、模糊综合评价、灰色关联等。

拓展资料：

一、回归分析

在实际问题中，经常会遇到需要同时考虑几个变量的情况，比如人的身高与体重，血压与年龄的关系，他们之间的关系错综复杂无法精确研究，以致于他们的关系无法用函数形式表达出来。为研究这类变量的关系，就需要通过大量实验观测获得数据，用统计方法去寻找他们之间的关系，这种关系反映了变量间的统计规律。而统计方法之一就是回归分析。

最简单的就是一元线性回归，只考虑一个因变量y和一个自变量x之间的关系。例如，我们想研究人的身高与体重的关系，需要搜集大量不同人的身高和体重数据，然后建立一个一元线性模型。接下来，需要对未知的参数进行估计，这里可以采用最小二乘法。最后，要对回归方程进行显著性检验，来验证y是否随着x线性变化。这里，我们通常采用t检验。

二、方差分析

在实际工作中，影响一件事的因素有很多，人们希望通过实验来观察各种因素对实验结果的影响。方差分析是研究一种或多种因素的变化对实验结果的观测值是否有显著影响，从而找出较优的实验条件或生产条件的一种数理统计方法。

人们在实验中所观察到的数量指标称为观测值，影响观测值的条件称为因素，因素的不同状态称为水平，一个因素可能有多种水平。

在一项实验中，可以得到一系列不同的观测值，有的是处理方式不同或条件不同引起的，称为因素效应。有的是误差引起的，称做实验误差。方差分析的主要工作是将测量数据的总变异按照变异原因的不同分解为因素效应和试验误差，并对其作出数量分析，比较各种原因在总变异中所占的重要程度，作为统计推断的依据。

例如，我们有四种不同配方下生产的元件，想判断他们的使用寿命有无显著差异。在这里，配方是影响元件使用寿命的因素，四种不同的配方成为四种水平。可以利用方差分析来判断。

三、判别分析

判别分析是用来进行分类的统计方法。我来举一个判别分析的例子，想要对一个人是否有心脏病进行判断，可以取一批没有心脏病的病人，测其一些指标的数据，然后再取一批有心脏病的病人，测量其同样指标的数据，利用这些数据建立一个判别函数，并求出相应的临界值。

这时候，对于需要判别的病人，还是测量相同指标的数据，将其带入判别函数，求得判别得分和临界值，即可判别此人是否属于有心脏病的群体。

四、聚类分析

聚类分析同样是用于分类的统计方法，它可以用来对样品进行分类，也可以用来对变量进行分类。我们常用的是系统聚类法。首先，将n个样品看成n类，然后将距离最近的两类合并成一个新类，我们得到n-1类，再找出最接近的两类加以合并变成n-2类，如此下去，最后所有的样品均在一类，将上述过程画成一张图。在图中可以看出分成几类时候每类各有什么样品。

比如，对中国31个省份的经济发展情况进行分类，可以通过收集各地区的经济指标，例如GDP，人均收入，物价水平等等，并进行聚类分析，就能够得到不同类别数量下是如何分类的。

五、主成分分析

主成分分析是对数据做降维处理的统计分析方法，它能够从数据中提取某些公共部分，然后对这些公共部分进行分析和处理。

在用统计分析方法研究多变量的课题时，变量个数太多就会增加课题的复杂性。人们自然希望变量个数较少而得到的信息较多。在很多情形，变量之间是有一定的相关关系的，当两个变量之间有一定相关关系时，可以解释为这两个变量反映此课题的信息有一定的重叠。

主成分分析是对于原先提出的所有变量，将重复的变量（关系紧密的变量）删去多余，建立尽可能少的新变量，使得这些新变量是两两不相关的，而且这些新变量在反映课题的信息方面尽可能保持原有的信息。

最经典的做法就是用F1（选取的第一个线性组合，即第一个综合指标）的方差来表达，即Var(F1)越大，表示F1包含的信息越多。因此在所有的线性组合中选取的F1应该是方差最大的，故称F1为第一主成分。

如果第一主成分不足以代表原来P个指标的信息，再考虑选取F2即选第二个线性组合，为了有效地反映原来信息，F1已有的信息就不需要再出现在F2中，用数学语言表达就是要求Cov(F1, F2)=0，则称F2为第二主成分，依此类推可以构造出第三、第四，……，第P个主成分。

六、因子分析

因子分析是主成分分析的推广和发展，它也是多元统计分析中降维的一种方法。因子分析将多个变量综合为少数几个因子，以再现原始变量与因子之间的相关关系。

在主成分分析中，每个原始变量在主成分中都占有一定的分量，这些分量（载荷）之间的大小分布没有清晰的分界线，这就造成无法明确表述哪个主成分代表哪些原始变量，也就是说提取出来的主成分无法清晰的解释其代表的含义。

因子分析解决主成分分析解释障碍的方法是通过因子轴旋转。因子轴旋转可以使原始变量在公因子（主成分）上的载荷重新分布，从而使原始变量在公因子上的载荷两级分化，这样公因子（主成分）就能够用哪些载荷大的原始变量来解释。以上过程就解决了主成分分析的现实含义解释障碍。

例如，为了了解学生的学习能力，观测了许多学生数学，语文，英语，物理，化学，生物，政治，历史，地理九个科目的成绩。为了解决这个问题，可以建立一个因子模型，用几个互不相关的公共因子来代表原始变量。我们还可以根据公共因子在原始变量上的载荷，给公共因子命名。

例如，一个公共因子在英语，政治，历史变量上的载荷较大，由于这些课程需要记忆的内容很多，我们可以将它命名为记忆因子。以此类推，我们可以得到几个能评价学生学习能力的因子，假设有记忆因子，数学推导因子，计算能力因子等。

接下来，可以计算每个学生的各个公共因子得分，并且根据每个公共因子的方差贡献率，计算出因子总得分。通过因子分析，能够对学生各方面的学习能力有一个直观的认识。

七、典型相关分析

典型相关分析同样是用于数据降维处理，它用来研究两组变量之间的关系。它分别对两组变量提取主成分。从同一组内部提取的主成分之间互不相关。用从两组之间分别提取的主成分的相关性来描述两组变量整体的线性相关关系。

浅谈成分分析法与层次分析法论文

摘 要 ：传统句法分析法“成分分析法”，将句子的成分分为主、谓、宾、定、状、补。不得不说在语文教学方面，成分分析法的功劳是不能小觑的。但是，我们发现，汉语中有一些句法结构并不能用成分分析法有效的解决。于是，语言学家把美国结构主义描写学派的层次分析法引入到汉语句法分析中，取得了不菲的成绩。层次分析法解决了成分分析法无法解决的问题，但是，层次分析法自身也存在一些问题。本文将做较为详细的解释，在进行汉语结构分析的时候应该根据情况正确选择。

关键词： 成分分析法；层次分析法；优缺点；句法结构；歧义句

汉语中存在很多有趣的现象。譬如说，“咬死了猎人的狗”、“我没有考过”、“两个学校的领导”这一类的歧义句。再者，“台上坐着主席团”、“台上唱着戏”[1]这两个句子的成分和序列完全一样，均为“名1+动词+着+名2”但为什么“戏唱在台上”不符合正确的语法规范，而我们却可以说“主席团坐在台上”？进一步思考，我们会有一种明显的感觉，“台上坐着主席团”是静态的，“台上唱着戏”是动态的。那么，我们的这种直觉正确吗？再比如说，①“实习的学生”，②“实习的学校”均为偏正结构中的定中结构。定语都是“实习的”，但是我们会发现①中的“学生”在特定的语境中可以省略。比如说“我是实习的”。但是②中的“学校”在任何情况下都不可以省略，否则就会影响正常交流。“这是我实习的学校”绝不可以省略成“这是我实习的…”

为了更好地解决这些问题，我们必须找到一些行之有效的分析方法。以句法为出发点，解释说明各种的语言现象的`分析方法，我们一般称之为“句法分析法”与之相关的理论称之为“句法分析理论”研究一种句法结构或者说句式的特征，基本上有两种思路。一是，分析句式或句法结构的内部结构的构造特点。二是观察了解这一个句式和句法结构和其他的句式或句法结构之间的关系。我们所了解到的层次分析法和语义特征分析法属于前者。本文将主要探讨层次分析法和成分分析法。

首先，我们来看成分分析法。句子成分分析法又称“中心词分析法”，成分分析法是传统的句法分析方法。也是我们最早接触到的。早在小学的时候我们已经懂得基本的主谓宾。下面我们来实际运用一下成分分析法。

“勤劳的工人在最短时间里修好了一座简易的桥。”

按照成分分析法，句子中的主语是“工人”，谓语是“修”。而“工人”和“修”就是我们在分析时首先要找出来的全句的中心词。再来看，“修”是及物动词，后面可以接名词，比如说“修房子”所以，名词“桥”就是句子的另一个中心词，宾语。

从上面的例子中我们可以看出来成分分析法有自身的优点。采取成分分析法，容易把握出句子的整体脉络。用它来分析长单句，这种优势就更加明显了。比如说，

我国首次升空的“神州—3号”模拟载人飞船经过264个小时在太空运行之后按原先预定的时间安全、准确的返回原先计算好的我国西北部的某地区的地面。

按照成分分析法，这个句子的基本脉络就是“神州—3号”飞船返回地面。在处理这一类句中有很多修饰限定的成分的长单句时，利用成分分析法可以快速的找出句子的整体脉络。在语文教学中，具有很大的实践意义。

但是，在利用成分分析法进行句法分析的时候也会出现一些问题。下面我们一一的进行分析。

1、成分分析法不能有效的分析某些存在歧义的句子，不能挖掘出句子内在的规律。

上文中提到了“两个学校的领导”我们就以这个为例。

“今天，两个学校的领导都来了。”按照成分分析法，“领导”和“来”是全句的中心词，分别作为句子的主语和谓语。所以，这个句子的基本脉络就是“领导来了”但是，这个句子明显是一个歧义句。所以，采用成分分析法解释歧义句的时候就会出现问题。

“她的头发剪短了点儿。”我们再来看这句话，按照成分分析法，“头发”和“短”是句子的中心词，非别为主语和谓语。所以，句子的脉络就是“头发短”。但是，对这个句子进行内部的分析，我们会发现这个句子具有两方面的含义。

①减了之后，她的头发比之前短。（达到了理想中的效果）

②她的头发剪得太短了。（没有实现理想的效果）

2、分析出来的句子脉络不成立。

比如：她爱好古筝。（她爱好。）

陋习必须改掉。（陋习改掉。）

3、分析出来的句子脉络在语法上虽然成立，却和原句的意义不同了。

比如：老奶奶哭瞎了双眼。（老奶奶瞎。）

便利店方便了周围的居民。（便利店方便）

通过上面的分析，我们不难看出以下几点：

1、成分分析法分析的对象只能单句，对复杂句是无能无力的。

2、在分析过程中，我们首先找出句子的中心词，也就是作为句子主语和谓语的部分。

谓语和主语的关系是陈述和被陈述的关系。其次，在确定其他的成分，而且，其他的成分依附于中心词。

3、从理论上讲，能做句子成分的只能是词。

为什么成分分析法会存在这样的问题？主要原因就在于成分分析法的重点在于句式或句法结构的各个成分。并没有关注句式或句法结构中的层次性。那么，问题来了，什么是层次性？按照朱德熙先生在语法问