我们在使用IBM SPSS Statistics来进行数据分析的时候，难免会遇上这种情况:变量非常多，多到我们不能对其一一控制的地步，但每个变量都有分析的价值，同时又彼此重叠。这个时候最直接的方法就是把所有变量按照一定的标准来进行分类，今天要介绍的距离分析，便可以提供这一标准。距离，意思是对变量之间的相似度或非相似度的一种测量方式。

距离分析可以分为相似度测量与非相似度测量两大类，相似度测量主要分析变量的相似程度，而不相似度测量则相反，测量变量的不相似程度。

今天要给大家示范的是，以我国各省农产品种植面积为例 ，对7个变量进行距离分析的具体步骤。接下就来让我们来看一看，在Windows10操作系统上，IBM SPSS Statistics是如何进行距离分析的吧。

1. 进行距离分析

如图1所示，打开SPSS的界面,在菜单栏中依次找到【分析】- - 【相关】- - 【距离】。

首先我们要选择进行距离分析的变量，这里要注意的一点是：在变量列表框里我们应该至少写入两个变量。如图2所示，为了详细分析图中的数据，这里我们要写入全部7个变量。

写入了变量，接着就要写入个案标注依据，在今天的这个例子中，个案标注依据是【地区】。变量和标注依据都填好了后，就该配置距离分析的各种参数了。在个案标注依据下面的是计算距离选项框，分别有个案间和变量间两个选项，如果在此处勾选【个案间】，我们的输出结果就会是个案之间的距离，如果勾选的是【变量间】，我们的输出结果就会是变量之间的距离。因为前一步加入了7个变量，这里需要选择【变量间】选项。接下来在测量选项卡里有相似性与非相似性两个选项，我们选择【相似性】选项，如图3所示。

然后在测量选项卡中点击“测量”进行进一步配置，在【区间】- - 【测量】下拉框中选择皮尔逊相关性，接着在【转换值】- - 【标准化】下拉框中选择Z得分并勾选【按变量】，设置完了单击继续，如图4所示。

设定好后单击确定，我们就得到了SPSS的输出结果，如图5所示。

1. 对输出结果的分析

在相似性矩阵中的数值越接近1，变量间的相似性就越高，说明越相似。在图中相似度最高的一组变量是瓜果和蔬菜，距离为0.627，从图中我们可以看出有的数值是1，这表示完全相同。

如果在【测量】选项卡中选择非相似性，则最后得到的结果为非相似性矩阵，它与相似性矩阵相反，也就是说距离越接近0相似性越大，非相似性数值越大，说明越不相似。

通过距离分析我们可以得到变量间的相似系数，大家下次再遇到多个彼此重叠的变量时，不妨用SPSS的距离分析功能来试一试。

署名：小雨