SPSS操作方法聚类分析.docx
《SPSS操作方法聚类分析.docx》由会员分享，可在线阅读，更多相关《SPSS操作方法聚类分析.docx（20页珍藏版）》请在冰豆网上搜索。
SPSS操作方法聚类分析
实验指导之一
聚类分析的SPSS操作方法
系统聚类法
实验例城镇居民消费水平通常用下表中的八项指标来描述。
八项指标间存在一定的线性相关。
为研究城镇居民的消费结构，需将相关性强的指标归并到一起，这实际上就是对指标聚类。
实验数据表2001年30个省。
市，自治区城镇居民月平均消费数据
x1人均粮食支出（元／人）x5人均衣着商品支出（元／人）
x2人均副食支出（元／人）x6人均日用品支出（元／人）
x3人均烟、酒、茶支出（元／人）x7人均燃料支出（元／人）
x4人均其他副食支出（元／人）x8人均非商品支出（元／人）
x1
x2
x3
x4
x5
x6
x7
x8
北京
7.78
48.44
8.00
20.51
22.12
15.73
1.15
16.61
天津
10.85
44.68
7.32
14.51
17.13
12.08
1.26
11.57
河北
9.09
28.12
7.40
9.62
17.26
11.12
2.49
12.65
山西
8.35
23.53
7.51
8.62
17.42
10.00
1.04
11.21
内蒙古
9.25
23.75
6.61
9.19
17.77
10.48
1.72
10.51
辽宁
7.90
39.77
8.49
12.94
19.27
11.05
2.04
13.29
吉林
8.19
30.50
4.72
9.78
16.28
7.60
2.52
10.32
黑龙江
7.73
29.20
5.42
9.43
19.29
8.49
2.52
10.00
上海
8.28
64.34
8.00
22.22
20.06
15.52
0.72
22.89
江苏
7.21
45.79
7.66
10.36
16.56
12.86
2.25
11.69
浙江
7.68
50.37
11.35
13.30
19.25
14.59
2.75
14.87
安徽
8.14
37.75
9.61
8.49
13.15
9.76
1.28
11.28
福建
10.60
52.41
7.70
9.98
12.53
11.70
2.31
14.69
江西
6.25
35.02
4.72
6.28
10.03
7.15
1.93
10.39
山东
8.82
33.70
7.59
10.98
18.82
14.73
1.78
10.10
河南
9.42
27.93
8.20
8.14
16.17
9.42
1.55
9.76
湖北
8.67
36.05
7.31
7.75
16.67
11.68
2.38
12.88
湖南
6.77
38.69
6.01
8.82
14.79
11.44
1.74
13．23
广东
12.47
76.39
5.52
11.24
14.52
22.00
5.46
25.50
广西
7.27
52.65
3.84
9.16
13.03
15.26
1.98
14.57
海南
13.45
55.85
5.50
7.45
9.55
9.52
2.21
16.30
四川
7.18
40.91
7.32
8.94
17.60
12.75
1.14
14.80
贵州
7.67
35.71
8.04
8.31
15.13
7.76
1.41
13.25
云南
9.98
37.69
7.01
8.94
16.15
11.08
0.83
11.67
西藏
7.94
39.65
20.97
20.82
22.52
12.41
1.75
7.90
陕西
9.41
28.20
5.77
10.80
16.36
11.56
1.53
12.17
甘肃
9.16
27.98
9.01
9.32
15.99
9.10
1.82
11.35
青海
10.06
28.64
10.52
10.05
16.18
8.39
1.96
10.81
宁夏
8.70
28.12
7.21
10.53
19.45
13.30
1.66
11.96
新疆
6.93
29.85
4.54
9.49
16.62
10.65
1.88
13.61
系统聚类法的SPSS操作：
1.从数据编辑窗口点击Analyze→Classify→HierachicalCluster,（见图1）
图1系统聚类法
打开层次聚类法对话如图2。
图2系统聚类法对话框
选择需要进行聚类分析的变量进入Variable框内后，在Cluster栏中选择聚类类型，SPSS有两种层次聚类方法：
Cases对样品聚类（Q型；系统默认），
Variable对指标变量聚类（R型），本例选择。
在Display栏中选择默认的输出项。
2.点击Statistics按钮，打开对话框如图3.
图3Statistics对话框
✧Agglomerationschedule输出凝聚状态表（聚类进度表）；本例选择。
✧Ploximitymatrix输出个体间的距离矩阵，本例选择。
✧ClusterMembership栏中显示每个观测量被分派到的类。
None不输出。
本例选择。
Simplesolution指定分类数，并输出样本所属类，单一解。
Rengeofsolution指定输出从m到n类的各样本所属类。
多个解。
选好后返回主对话框。
3.单击Method按钮，打开对话框如图4-1.
✧ClusterMethod：
选择聚类方法：
SPSS中提供7种聚类方法，分别是：
类间平均，类内平均，最短距离，最长距离，重心法，中值法，最小平方和法。
本例选择类间平均。
✧Measure栏：
对距离的测度方法选择
SPSS中提供了三种类型：
Interval等间距度量的变量（连续型），Counts计数型变量（离散型）和Binary二值变量。
Interval等间隔测度的变量方法包括:
Euclideandistance欧氏距离；
SquaredEuclideandistance欧氏平方距离；
Cosine夹角余弦（R型聚类）；
PearsonCorrelation皮尔逊相关系数距离（R型聚类），本例选择此项。
Chebychev契比雪夫距离；
block距离；
Minkowski明氏距离；
Customized用户自定义距离--即变量绝对值的第p次幂之和的第r次根。
p与r由用户指定。
图4-1Method对话框
✧TransformValues栏，选择消除数量级差的方法（见图4-2），依次是：
None不作处理（系统默认）；本例选择此项。
Zscores标准化处理；
Range-1to1各变量值除全距；
Range0to1各变量值减最小值后除全距；
Maximummagnitudeof1各变量值除最大值；
Meanof1各变量值除以均值；
Standarddeviationof1各变量值除以标准差。
图4-2Method对话框
4.单击Plots按钮，打开对话框如图5.
图5Plots对话框
✧Dendrogram表示输出树形图，本例选择此项。
✧Icicle表示输出冰柱图。
其中，
Allclusters表示输出聚类分析每个阶段的冰柱图；本例选择此项。
Specifiedrangeofcluster表示只输出某个阶段的冰柱图，输入从第几步开始到第几步结束，中间间隔几步。
✧Orientationk栏中指定如何显示冰挂图：
Vertical纵向显示，本例选择此项。
Horizontal横向显示。
图6SaveNewVariables对话框
5.单击Save按钮，打开SaveNewVariables对话框，如图6所示。
选择是否将聚类的结果以变量形式保存在数据文件中。
变量名为：
clun_m，其中n表示类数，m表示第m次分析。
✧ClusterMembership栏
None不输出
Simplesolution指定分类数，并输出样本所属类。
单一变量。
Rengeofsolution指定输出从m到n类的各样本所属类。
多个变量。
当选择结束后，在主对话框中点击OK，可得下面的输出表和图。
ProximityMatrix两两变量间距离矩阵（相关系数矩阵）
Case
MatrixFileInput
人均粮食支出（元/人）
人均副食支出（元／人）
人均烟、酒、茶支出（元／人）
人均其他副食支出（元／人）
人均衣着商品支出（元／人）
人均日用品支出（元／人）
人均燃料支出（元／人）
人均非商品支出（元／人）
人均粮食支出（元/人）
.000
.334
-.055
-.061
-.289
.197
.349
.319
人均副食支出（元／人）
.334
.000
-.023
.399
-.156
.716
.414
.835
人均烟、酒、茶支出（元／人）
-.055
-.023
.000
.533
.497
.033
-.139
-.258
人均其他副食支出（元／人）
-.061
.399
.533
.000
.698
.478
-.171
.313
人均衣着商品支出（元／人）
-.289
-.156
.497
.698
.000
.284
-.208
-.081
人均日用品支出（元／人）
.197
.716
.033
.478
.284
.000
.408
.710
人均燃料支出（元／人）
.349
.414
-.139
-.171
-.208
.408
.000
.399
人均非商品支出（元／人）
.319
.835
-.258
.313
-.081
.710
.399
.000
AverageLinkage（BetweenGroups）类间平均
AgglomerationSchedule凝聚状态进度表；
Stage
ClusterCombined
Coefficients
StageClusterFirstAppears
NextStage
Cluster1
Cluster2
Cluster1
Cluster2
1
2
8
.835
0
0
2
2
2
6
.713
1
0
5
3
4
5
.698
0
0
4
4
3
4
.515
0
3
7
5
2
7
.407
2
0
6
6
1
2
.299
0
5
7
7
1
3
.004
6
4
0
凝聚状态进度表：
第一列（Stage）表示聚类的
升级会员 