01SPSS软件聚类分析过程的图文解释及结果的全面分析.docx
《01SPSS软件聚类分析过程的图文解释及结果的全面分析.docx》由会员分享，可在线阅读，更多相关《01SPSS软件聚类分析过程的图文解释及结果的全面分析.docx（12页珍藏版）》请在冰豆网上搜索。
01SPSS软件聚类分析过程的图文解释及结果的全面分析
SPSS聚类分析过程
聚类的主要过程一般可分为如下四个步骤：
〔标准化〕
〔亲疏关系的描述〕
3.聚类〔根据不同方法进行分类〕
4.确定最正确分类〔类别数〕
SPSS软件聚类步骤
1.数据预处理〔标准化〕
→Analyze（分析）→Classify（分类，归类）→HierachicalClusterAnalysis〔层序聚类分析〕→Method〔方法，条理，〕然后从对话框中进行如下选择
从TransformValues框中点击向下箭头，此为标准化方法，将出现如下可选项，从中选一即可：
标准化方法解释：
None：
不进行标准化，这是系统默认值；ZScores〔Z-Scores,英文名又叫StandardizedPopulationData,是以标准差单位来表现的一组观察值〕：
标准化变换；Range–1to1：
极差标准化变换〔作用：
变换后的数据均值为0，极差为1，且|xij*|<1，消去了量纲的影响；在以后的分析计算中可以减少误差的产生。
〕；Range0to1〔极差正规化变换/规格化变换〕；
2.构造关系矩阵
在SPSS中如何选择测度〔相似性统计量〕:
→Analyze→Classify→HierachicalClusterAnalysis→Method然后从对话框中进行如下选择
常用测度〔选项说明〕：
Euclideandistance：
欧氏距离〔二阶Minkowski距离〕，用途：
聚类分析中用得最广泛的距离；SquaredEucideandistance：
平方欧氏距离；Cosine：
夹角余弦（相似性测度；Pearsoncorrelation：
皮尔逊相关系数；
3.选择聚类方法
SPSS中如何选择系统聚类法
常用系统聚类方法
a〕Between-groupslinkage组间平均距离连接法
方法简述：
合并两类的结果使所有的两两项对之间的平均距离最小。
〔项对的两成员分属不同类〕特点：
非最大距离，也非最小距离
b〕Within-groupslinkage组内平均连接法
方法简述：
两类合并为一类后，合并后的类中所有项之间的平均距离最小
C〕Nearestneighbor最近邻法〔最短距离法〕
方法简述：
用两类之间最远点的距离代表两类之间的距离，也称之为完全连接法
d〕Furthestneighbor最远邻法〔最长距离法〕
方法简述：
用两类之间最远点的距离代表两类之间的距离，也称之为完全连接法
e〕Centroidclustering重心聚类法
方法简述：
两类间的距离定义为两类重心之间的距离，对样品分类而言，每一类中心就是属于该类样品的均值
特点：
该距离随聚类地进行不断缩小。
该法的谱系树状图很难跟踪，且符号改变频繁，计算较烦。
f〕Medianclustering中位数法
方法简述：
两类间的距离既不采用两类间的最近距离，也不采用最远距离，而采用介于两者间的距离
特点：
图形将出现递转，谱系树状图很难跟踪，因而这个方法几乎不被人们采用。
g〕Ward’smethod离差平方和法
方法简述：
基于方差分析思想，如果分类合理，则同类样品间离差平方和应当较小，类与类间离差平方和应当较大
特点：
实际应用中分类效果较好，应用较广；要求样品间的距离必须是欧氏距离。
谱系分类确实定
经过系统聚类法处理后，得到聚类树状谱系图，Demirmen（1972）提出了应根据研究的目的来确定适当的分类方法，并提出了一些根据谱系图来分类的准则：
A.任何类都必须在临近各类中是突出的，即各类重心间距离必须极大
B.确定的类中，各类所包含的元素都不要过分地多
C.分类的数目必须符合实用目的
D.假设采用几种不同的聚类方法处理，则在各自的聚类图中应发现相同的类
实例分析
S分析软件聚类分析
聚类分析——系统聚类法
在数据编辑窗口的主菜单中选择“分析（A）”→“分类（F）”→“系统聚类（H）”〔如图-4所示〕，
弹出“系统聚类分析”对话框，将“地区”变量选入“标注个案（C）”中，将其他变量选入“变量框”中，如图-5所示。
在“分群”单项选择框中选中“个案”，表示进行的是Q型聚类。
在“输出”复选框中选中“统计量”和“图”，表示要输出的结果包含以上两项。
单击“统计量（S）”按钮，在“系统聚类分析：
统计量”对话框中选择“合并进程表”、“相似性矩阵”，如图-6所示，表示输出结果将包括这两项内容。
单击“绘制（T）”按钮，在“系统聚类分析：
图”对话框中选择“树状图”、“冰柱”，如图-7所示，表示输出的结果将包括谱系聚类图〔树状〕以及冰柱图〔垂直〕。
单击“方法（M）”按钮，弹出“系统聚类分析：
方法”对话框，如下列图-8所示。
“聚类方法（M）”选项条中可选项包括如图-9所示的几种方法，本例中选择“组间联接”：
“度量标准-区间（N）”选项条中可选项包括如图-10所示的几种度量方法，本例中选择“平方Euclidean距离”：
“转换值-标准化（S）”选项条中可选项包括如图-11所示的几种将原始数据标准化的方法，本例中选择“全局从0到1”：
冰柱图解释
聚类分析冰柱图形状类似于屋檐上垂下的冰柱，因此而得名。
横轴：
案例〔Case〕表示被聚类的对象或变量；
纵轴：
群集数〔Numberofclusters〕表示被聚成几类；
观察冰柱图应从最后一行开始。
举例如下：
当聚成6类时X4和X8和X6聚成一类，其他个案自成一类，用白板将6类一下挡上可以看出如图；
当聚成5类时X4和X8和X6和X2聚成一类，其他个案自成一类。
冰柱图的优点是不仅可以显示出不同类数时个案所属的分类结果，还能表现出聚类的过程步骤，生动形象；缺点是不能表现出聚类过程中距离的大小。
假设生成的树状图如下，看不清楚。
可点击右键导出文件，生成word文件，然后可以看出聚类过程。
导出的word文档中聚类过程如下：
可看出聚类过程为如下表所示：
分类过程统计表
连结顺序
连结元素
1
B
C
2
A
BC
3
E
F
4
EF
ABC
5
D
ABCEF
升级会员 