之前的单因素方差分析和多因素方差分析，都在针对一个因变量，而实际工作中，经常会碰到多个因变量的情况，如果单纯的将其拆分为多个单因变量的做法不妥，需要使用多元方差分析或因子分析 多元方差分析与一元方差分析本质区别是：一元方差分析是组间均方与组内均方进行比较，而多元方差分析时组间方差协方差矩阵与组内方差 ...
分类：
其他好文 时间：
2016-06-08 00:01:16
阅读次数：
399
IBMSPSSModeler作为大数据分析应用层数据挖掘平台，受到业界的广泛好评与喜爱，这也依赖于产品本身技术的不断的发展与完善，IBMSPSS的研发团队在中国历史文化名城—西安，拥有超过300多名技术研发人员，致立于产品新技术的引入与研发，为产品本身提供源源不断发展动力..
分类：
其他好文 时间：
2016-06-07 16:33:17
阅读次数：
299
SPSS中t检验全都集中在分析—比较均值菜单中。关于t检验再简单说一下，我们知道一个统计结果需要表达三部分内容，即集中性、变异性、显著性。 集中性的表现指标是均值变异的的表现指标是方差、标准差或标准误显著性的则是根据统计量判断是否达到显著性水平由于t分布样本均值的抽样分布，那么基于t分布的t检验就是 ...
分类：
其他好文 时间：
2016-05-30 23:03:11
阅读次数：
252
描述性统计分析是针对数据本身而言，用统计学指标描述其特征的分析方法，这种描述看似简单，实际上却是很多高级分析的基础工作，很多高级分析方法对于数据都有一定的假设和适用条件，这些都可以通过描述性统计分析加以判断，我们也会发现，很多分析方法的结果中，或多或少都会穿插一些描述性分析的结果。描述性统计主要关注 ...
分类：
其他好文 时间：
2016-05-29 18:35:15
阅读次数：
1071
在实际工作中，往往需要对取得的数据资料进行整理，使其满足特定的分析需求，下面介绍SPSS在资料整理方面的一些功能。1.加权个案加权个案是指给不同的个案赋予不同的权重，以改变该个案在分析中的重要性。为什么要这么做呢？比如某些原始的数据资料每一行代表一个个案，在实际分析时，通常会整理成列联表或频数表，即 ...
分类：
其他好文 时间：
2016-05-28 15:36:36
阅读次数：
186
背景介绍很多用户都会关注一个问题，就是模型创建完成之后，如何自动化运行模型，因为不可能每次要运行都要打开SPSSModeler客户端，点击“运行”，那么今天这篇文章就给大家介绍下通过IBMSPSSModelerBatch批处理模式实现自动化运行模型的过程。IBMSPSSModele..
分类：
其他好文 时间：
2016-05-27 15:03:53
阅读次数：
816
前两章
【Activiti：学以致用】【第一章】
工作流核心API
【Activiti：学以致用】【第二章】Activiti的配置文件XML整合与十万个为什么
这章开始来个简单HelloWorld程序来热热身子，激动一下....
首先我们先来画个流程图（我用的是京缘网络提供的在线流程设计器，好像是基于原生的activiti改造的），至于怎么画？看下图吧...
分类：
其他好文 时间：
2016-05-07 09:45:51
阅读次数：
232
欢迎加入SPSS使用者的行列，首先祝贺你选择了权威统计软件中界面最为友好，使用最为方便的SPSS来完成自己的工作。由于该软件极为易学易用（当然还至少要有不太高的英语水平），我们准备在课程安排上做一个新的尝试，即不急于介绍它的界面，而是先从一个数据分析实例入手：当你将这个例题做完，SPSS的基本使用方法也就已经被你掌握了。从现在开始，我们介绍SPSS各个模块的精确用法。...
分类：
其他好文 时间：
2016-04-22 20:27:16
阅读次数：
294
Navicat Data Modeler 2.0是一款常用地构建精确模型的图形化工具，对各个层面上的用户来说都是非常实用的。它不仅可以给专业人士提供各种特殊需求的复杂功能，对数据模型的新手来说也相当容易上手。重新设计的功能和外观，为创建数据模型带来一种全新的体验。 加快和简化创建数据模型的工序 创建 ...
分类：
其他好文 时间：
2016-04-18 15:37:22
阅读次数：
161
1.maven导包及spring的一些基本配置与创建流程模型时候的没有什么变化，依旧沿用就好;前端的首页也不用有太大变化，只需要把之后新创建的js引入进来即可。
2.acitivit流程定义有必要的24张表。
创建模型时相关的有act_re_model和act_ge_bytearray两个。
成功创建模型后可以看到model表中会有一条数据，同时在bytearray表中也会同...
分类：
编程语言 时间：
2016-04-14 10:42:53
阅读次数：
380
