这里是一组风力发电厂30台机组的齿轮油数据,共监测其5个参数,数据如下。现在想通过这30组数据得到这5个参数的关联度,经过一段时间的闭门造车,我分别采用了邓聚龙教授的灰理论自关联矩阵、SPSS中双变量的Pearson分析方法和分类里面的系统聚类方法,现得到的结果表明灰理论的分析结果和SPSS分析结果出入比较大,现有以下几个问题想向您请教:
1)我导出的这30组数据是否满足SPSS中双变量分析对数据的要求?适用pearson还是spearman?
2)邓聚龙教授的自关联矩阵计算过程中关联系数若是使用动态分辨系数去计算的话,是否各序列数据都使用同一分辨系数?
3)还望指点用哪种方法分析这种数据最为合适?为什么灰色理论计算结果和spss中不一样呢,是不是数据类型不一样?
运动黏度40℃ 总酸值 水含量 Fe元素 Si元素
1号风力机 300.8 0.76 94 34 8
2号风力机 328.7 0.8 107 18 4
3号风力机 319.4 0.74 86 23 3
4号风力机 337.1 0.73 113 20 5
5号风力机 315.7 0.78 85 18 3
6号风力机 324.8 0.79 97 19 5
7号风力机 329.3 0.74 116 24 5
8号风力机 322.8 0.79 124 30 6
9号风力机 321.5 0.75 101 28 5
10号风力机 316 0.78 92 32 5
11号风力机 318.8 0.73 139 35 8
12号风力机 326.5 0.76 126 13 4
13号风力机 321.5 0.78 101 19 5
14号风力机 327.1 0.77 134 21 6
15号风力机 323.6 0.79 98 20 6
16号风力机 323 0.71 122 34 6
17号风力机 325.7 0.76 131 29 5
18号风力机 326.2 0.81 141 18 5
19号风力机 325.9 0.76 152 27 4
20号风力机 324.8 0.78 146 18 3
21号风力机 326.9 0.72 171 24 6
22号风力机 321.5 0.86 182 13 14
23号风力机 320.2 0.83 179 15 4
24号风力机 328.4 0.79 151 15 5
25号风力机 329.3 0.79 132 24 4
26号风力机 317.2 0.78 122 32 13
27号风力机 323.5 0.74 165 34 5
28号风力机 323.2 0.76 143 31 6
29号风力机 321.5 0.81 98 37 9
30号风力机 324.5 0.78 87 27 4
再次感谢,希望能点解。