应用多元统计分析习题解答聚类分析.docx
《应用多元统计分析习题解答聚类分析.docx》由会员分享,可在线阅读,更多相关《应用多元统计分析习题解答聚类分析.docx(24页珍藏版)》请在冰豆网上搜索。
应用多元统计分析习题解答聚类分析
第五章聚类分析
5.1判别分析和聚类分析有何区别?
答:
即根据一定的判别准则,判定一个样本归属于哪一类。
具体而言,设有n个样本,对每个样本测得p项指标(变量)的数据,已知每个样本属于k个类别(或总体)中的某一类,通过找出一个最优的划分,使得不同类别的样本尽可能地区别开,并判别该样本属于哪个总体。
聚类分析是分析如何对样品(或变量)进行量化分类的问题。
在聚类之前,我们并不知道总体,而是通过一次次的聚类,使相近的样品(或变量)聚合形成总体。
通俗来讲,判别分析是在已知有多少类及是什么类的情况下进行分类,而聚类分析是在不知道类的情况下进行分类。
5.2试述系统聚类的基本思想。
答:
系统聚类的基本思想是:
距离相近的样品(或变量)先聚成类,距离相远的后聚成类,过程一直进行下去,每个样品(或变量)总能聚到合适的类中。
5.3对样品和变量进行聚类分析时,所构造的统计量分别是什么?
简要说明为什么这样构造?
答:
对样品进行聚类分析时,用距离来测定样品之间的相似程度。
因为我们把n个样本看作p维空间的n个点。
点之间的距离即可代表样品间的相似度。
常用的距离为
(一)闵可夫斯基距离:
q取不同值,分为
(1)绝对距离()
(2)欧氏距离()
(3)切比雪夫距离()
(二)马氏距离
(三)兰氏距离
对变量的相似性,我们更多地要了解变量的变化趋势或变化方向,因此用相关性进行衡量。
将变量看作p维空间的向量,一般用
(一)夹角余弦
(二)相关系数
5.4在进行系统聚类时,不同类间距离计算方法有何区别?
选择距离公式应遵循哪些原则?
答:
设dij表示样品Xi与Xj之间距离,用Dij表示类Gi与Gj之间的距离。
(1).最短距离法
(2)最长距离法
(3)中间距离法
其中
(4)重心法
(5)类平均法
(6)可变类平均法
其中β是可变的且β<1
(7)可变法
其中β是可变的且β<1
(8)离差平方和法
通常选择距离公式应注意遵循以下的基本原则:
(1)要考虑所选择的距离公式在实际应用中有明确的意义。
如欧氏距离就有非常明确的空间距离概念。
马氏距离有消除量纲影响的作用。
(2)要综合考虑对样本观测数据的预处理和将要采用的聚类分析方法。
如在进行聚类分析之前已经对变量作了标准化处理,则通常就可采用欧氏距离。
(3)要考虑研究对象的特点和计算量的大小。
样品间距离公式的选择是一个比较复杂且带有一定主观性的问题,我们应根据研究对象的特点不同做出具体分折。
实际中,聚类分析前不妨试探性地多选择几个距离公式分别进行聚类,然后对聚类分析的结果进行对比分析,以确定最合适的距离测度方法。
5.5试述K均值法与系统聚类法的异同。
答:
相同:
K—均值法和系统聚类法一样,都是以距离的远近亲疏为标准进行聚类的。
不同:
系统聚类对不同的类数产生一系列的聚类结果,而K—均值法只能产生指定类数的聚类结果。
具体类数的确定,离不开实践经验的积累;有时也可以借助系统聚类法以一部分样品为对象进行聚类,其结果作为K—均值法确定类数的参考。
5.6试述K均值法与系统聚类有何区别?
试述有序聚类法的基本思想。
答:
K均值法的基本思想是将每一个样品分配给最近中心(均值)的类中。
系统聚类对不同的类数产生一系列的聚类结果,而K—均值法只能产生指定类数的聚类结果。
具体类数的确定,有时也可以借助系统聚类法以一部分样品为对象进行聚类,其结果作为K均值法确定类数的参考。
有序聚类就是解决样品的次序不能变动时的聚类分析问题。
如果用表示个有序的样品,则每一类必须是这样的形式,即,其中且,简记为。
在同一类中的样品是次序相邻的。
一般的步骤是
(1)计算直径{D(i,j)}。
(2)计算最小分类损失函数{L[p(l,k)]}。
(3)确定分类个数k。
(4)最优分类。
5.7检测某类产品的重量,抽了六个样品,每个样品只测了一个指标,分别为1,2,3,6,9,11.试用最短距离法,重心法进行聚类分析。
(1)用最短距离法进行聚类分析。
采用绝对值距离,计算样品间距离阵
0
10
210
5430
87630
1098520
由上表易知中最小元素是于是将,,聚为一类,记为
计算距离阵
0
30
630
8520
中最小元素是=2于是将,聚为一类,记为
计算样本距离阵
0
30
630
中最小元素是于是将,聚为一类,记为
因此,
(2)用重心法进行聚类分析
计算样品间平方距离阵
0
10
410
251690
64493690
10081642540
易知中最小元素是于是将,,聚为一类,记为
计算距离阵
0
160
4990
812540
注:
计算方法,其他以此类推。
中最小元素是=4于是将,聚为一类,记为
计算样本距离阵
0
160
64160
中最小元素是于是将,聚为一类,记为
因此,
5.8下表是15个上市公司2001年的一些主要财务指标,使用系统聚类法和K-均值法分别对这些公司进行聚类,并对结果进行比较分析。
公司
编号
净资产收益率
每股净利润
总资产周转率
资产负债率
流动负债比率
每股净资产
净利润增长率
总资产增长率
1
11.09
0.21
0.05
96.98
70.53
1.86
-44.04
81.99
2
11.96
0.59
0.74
51.78
90.73
4.95
7.02
16.11
3
0
0.03
0.03
181.99
100
-2.98
103.33
21.18
4
11.58
0.13
0.17
46.07
92.18
1.14
6.55
-56.32
5
-6.19
-0.09
0.03
43.3
82.24
1.52
-1713.5
-3.36
6
10
0.47
0.48
68.4
86
4.7
-11.56
0.85
7
10.49
0.11
0.35
82.98
99.87
1.02
100.23
30.32
8
11.12
-1.69
0.12
132.14
100
-0.66
-4454.39
-62.75
9
3.41
0.04
0.2
67.86
98.51
1.25
-11.25
-11.43
10
1.16
0.01
0.54
43.7
100
1.03
-87.18
-7.41
11
30.22
0.16
0.4
87.36
94.88
0.53
729.41
-9.97
12
8.19
0.22
0.38
30.31
100
2.73
-12.31
-2.77
13
95.79
-5.2
0.5
252.34
99.34
-5.42
-9816.52
-46.82
14
16.55
0.35
0.93
72.31
84.05
2.14
115.95
123.41
15
-24.18
-1.16
0.79
56.26
97.8
4.81
-533.89
-27.74
解:
令净资产收益率为X1,每股净利润X2,总资产周转率为X3,资产负债率为X4,流动负债比率为X5,每股净资产为X6,净利润增长率为X7,总资产增长率为X8,用spss对公司聚类分析的步骤如下:
a)系统聚类法:
1.在SPSS窗口中选择Analyze→Classify→HierachicalCluster,调出系统聚类分析主界面,并将变量移入Variables框中。
在Cluster栏中选择Cases单选按钮,即对样品进行聚类(若选择Variables,则对变量进行聚类)。
在Display栏中选择Statistics和Plots复选框,这样在结果输出窗口中可以同时得到聚类结果统计量和统计图。
图5.1系统分析法主界面
2.点击Statistics按钮,设置在结果输出窗口中给出的聚类分析统计量。
我们选择Agglomerationschedule与ClusterMembership中的Rangeofsolution2-4,如图5.2所示,点击Continue按钮,返回主界面。
(其中,Agglomerationschedule表示在结果中给出聚类过程表,显示系统聚类的详细步骤;Proximitymatrix表示输出各个体之间的距离矩阵;ClusterMembership表示在结果中输出一个表,表中显示每个个体被分配到的类别,Rangeofsolution2-4即将所有个体分为2至4类。
)
3.点击Plots按钮,设置结果输出窗口中给出的聚类分析统计图。
选中Dendrogram复选框和Icicle栏中的None单选按钮,如图5.3,即只给出聚类树形图,而不给出冰柱图。
单击Continue按钮,返回主界面。
图5.2Statistics子对话框图5.3 Plots子对话框
4.点击Method按钮,设置系统聚类的方法选项。
ClusterMethod下拉列表用于指定聚类的方法,这里选择Between-groupinkage(组间平均数连接距离);Measure栏用于选择对距离和相似性的测度方法,选择SquaredEuclideandistance(欧氏距离);单击Continue按钮,返回主界面。
图5.4Method子对话框图5.5Save子对话框
5.点击Save按钮,指定保存在数据文件中的用于表明聚类结果的新变量。
None表示不保存任何新变量;Singlesolution表示生成一个分类变量,在其后的矩形框中输入要分成的类数;Rangeofsolutions表示生成多个分类变量。
这里我们选择Rangeofsolutions,并在后面的两个矩形框中分别输入2和4,即生成三个新的分类变量,分别表明将样品分为2类、3类和4类时的聚类结果,如图5.5。
点击Continue,返回主界面。
6.点击OK按钮,运行系统聚类过程。
聚类结果分析:
下面的群集成员表给出了把公司分为2类,3类,4类时各个样本所属类别的情况,另外,从右边的树形图也可以直观地看到,若将15个公司分为2类,则13独自为一类,其余的为一类;若分为3类,则公司8分离出来,自成一类。
以此类推。
表5.1各样品所属类别表
图5.6聚类树形图
b)K均值法的步骤如下:
1.在SPSS窗口中选择Analyze→Classify→K-MeansCluster,调出K均值聚类分析主界面,并将变量X1-X8移入Variables框中。
在Method框中选择Iterateclassify,即使用K-means算法不断计算新的类中心,并替换旧的类中心(若选择Classifyonly,则根据初始类中心进行聚类,在聚类过程中不改变类中心)。
在NumberofCluster后面的矩形框中输入想要把样品聚成的类数,这里我们输入3,即将15个公司分为3类。
(Centers按钮,则用于设置迭代的初始类中心。
如果不手工设置,则系统会自动设置初始类中心,这里我们不作设置。
)
图5.