引言
本篇文章将具体讲解笔者是如何复现2022年国赛c题的，下面是题目
正文
第一问
首先我们需要明确第一问的问题：
这里实际上是三个问题：即分析文物的表面风化和玻璃类型、纹饰、颜色之间的关系，结合玻璃类型分析文物样品表面有无风化化学成分含量的统计规律，预测未被风化前的化学成分含量。
对于第一个问题，我们可以打开数据，可以看到了，里面的数据都是分类数据没有具体数值：
因此我们可以选择卡方检验，那么什么是卡方检验呢？让我们看一下定义：
卡方检验下面还有三种类型需要选择：Pearson卡方检验、Yates校正卡方检验、Fisher精确检验
他们的区别见下：
因此我首先使用SPSS进行分析，可以看到风化和纹饰应该使用Yates检验，风化和类型应该使用Pearson检验、风化和颜色应该使用Fisher精确检验。根据分析可以在SPSSPRO中使用对应方法（在使用Fisher精确检验时无法使用，原因在于数据不是二分类的，因此选择Yates检验，可以看到其实这个数据也是符合Yates检验的），可以得出：
所谓的有显著性差异其实就是有相关关系或者就是相关性显著，这点看下图分析：
第二问使用单因素方差分析，作用也见下：
使用方差分析之前需要保证数据符合正态分布，这里我们可以直接使用SPSSPRO进行单因素方差分析，结果里面会自动给我们做好正态分布分析，
最后可以看到都是符合正态分布或者基本符合，然后我们再看Levene检验，这里的目的是看是不是符合方差齐性，其实不满足也没什么，后面也给出了不满足应该看什么以及结论：
最后一问的预测可以看做是正态分布的复原，我们可以在第二问得到1各元素的风化前后满足正态分布的均值和标准差：
然后以此可以对每个元素画出两个正态函数，以SiO2为例：
我们知道一个文物风化之后的SiO2含量，那么我们就可以以此为x，知道函数对应的f（x）,然后就可以在另一个正态函数中找到一个新x，这样就实现了复原，即实现了预测。
第二问
首先我们需要明确第二问的问题：
这实际上是三个问题：即分析高钾玻璃和铅钡玻璃的分类规律、对每个类别再细化分类、对分类结果的合理性和敏感性进行分析。
对于第一问，我们首先可以对表单二和表单一进行一个合并处理，处理完的数据见下图，我把完整数据放在附件中：
然后我们对这些数据做Spearman相关性分析：
我们保留和类型相关性较强的数据，即有显著性那里带星号的，这样就留下了7种元素：二氧化硅(SiO2)、氧化钾(K2O)、氧化铝(Al2O3)、氧化铁(Fe2O3)、氧化铅(PbO)、氧化钡(BaO)、氧化锶(SrO)
然后我们把这7个作为自变量，玻璃类型作为因变量进行二元Logistic回归：
根据运行出来的结果可以获得因变量和自变量的公式，然后看这个检验，P>0.05，视为模型建立良好。
然后我们可以把这个系数画个图，看看那个影响最大，然后再看表单中的数据，结合实际情况说一下就行。
至此第一问解决。
第二问使用K-means++进行聚类，首先我们使用系统聚类，根据他的系数画出对应的肘部法则：
根据上图可以选择分为3类(4类也可）。
最后我们需要对模型的合理性和敏感性进行分析，这里可以对刚分类的数据使用多元logistic回归，通过准确率达到一定程度即可说明合理性和敏感性可以。也可以仅使用文字说一下聚类中心，通过解释分类依据说明合理性和敏感性可以。也可以使用更严谨的方法，即专门用来检验合理性和敏感性的方法，这里不在过多赘述。
结语
至此，第一问&&第二问的求解就复现完成了，希望这篇文章可以帮到大家，如有疑惑，欢迎留言！
