1、Analyze(分析) Classify (分类,归类)Hierachical Cluster Analysis(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Transform Values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;Z Scores(Z-Scores, 英文名又叫Standardized Population Data, 是以标准差单位来表现的一组观察值):标准化变换;Range 1 to 1: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
2、量纲的影响;在以后的分析计算中可以减少误差的产生。);Range 0 to 1(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 Hierachical Cluster Analysis Method 然后从对话框中进行如下选择常用测度(选项说明):Euclidean distance:欧氏距离(二阶Minkowski距离),用途:聚类分析中用得最广泛的距离;Squared Eucidean distance:平方欧氏距离;Cosine:夹角余弦(相似性测度;Pearson correlation:皮尔逊相关系数;方
3、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)Median clustering 中位数法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)Wards method 离差平方和法基于方差分析思想,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。谱系分类的确定经过系统聚类法处
4、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.若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SPSS19.0分析软件聚类分析4.2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
5、示。在“分群”单选框中选中“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
6、)”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(Number of clusters)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。若生成的树状图如下,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1BC2ABC3EF4EFABC5DABCEF
copyright@ 2008-2022 冰豆网网站版权所有
经营许可证编号:鄂ICP备2022015515号-1