最新《统计分析与SPSS的应用(第五版)》课后练习答案(第10章)资料

《统计分析与SPSS的应用（第五版）》（薛薇）

课后练习答案

第10章SPSS的聚类分析

1、根据“高校科研研究.sav”数据，利用层次聚类分析对各省市的高校科研情况进行层次聚类分析。要求：

1）根据凝聚状态表利用碎石图对聚类类数进行研究。

2）绘制聚类树形图，说明哪些省市聚在一起。

3）绘制各类的科研指标的均值对比图。

4）利用方差分析方法分析各类在哪些科研指标上存在显著差异。

采用欧氏距离，组间平均链锁法

利用凝聚状态表中的组间距离和对应的组数，回归散点图，得到碎石图。大约聚成4类。步骤：分析→分类→系统聚类→按如下方式设置……

结果：

凝聚计划

阶段

组合的集群

系数

首次出现阶段集群

下一个阶段集群 1 集群 2 集群 1 集群 2

1 26 30 328.189 0 0 2

2

26

29 638.295

1 0

7

3 20 25 1053.423

5

4

4 12 1209.922 0

15

5

8

20 1505.035

3

6

6 8 16 1760.170 5 0 9

7 24 26 1831.926 0 2 10

8 7 11 1929.891 0 0 11

9 5 8 2302.024 0 6 22

10 24 31 2487.209 7 0 22

11 2 7 2709.887 0 8 16

12 22 28 2897.106 0 0 19

13 6 23 2916.551 0 0 17

14 10 19 3280.752 0 0 25

15 4 21 3491.585 4 0 21

16 2 3 4229.375 11 0 21

17 6 13 4612.423 13 0 20

18 9 18 5377.253 0 0 25

19 14 22 5622.415 0 12 24

20 6 15 5933.518 17 0 23

21 2 4 6827.276 16 15 26

22 5 24 7930.765 9 10 24

23 6 27 9475.498 20 0 26

24 5 14 14959.704 22 19 28

25 9 10 19623.050 18 14 27

26 2 6 24042.669 21 23 28

27 9 17 32829.466 25 0 29

28 2 5 48360.854 26 24 29

29 2 9 91313.530 28 27 30

30 1 2 293834.503 0 29 0

将系数复制下来后，在EXCEL中建立工作表。选中数据列，点击“插入”菜单 拆线图……

碎石图：

由图可知，北京自成一类，江苏、广东、上海、湖南、湖北聚成一类。其他略。

接下来，添加一个变量CLU4_1，其值为类别值。（1、2、3、4），再数据→汇总→设置……→确定。

均值对比，依据聚类解，利用分类汇总，计算各个聚类变量的均值

方差分析结果：分析→比较均值→单因素ANOVA→设置……→确定

不同组在各个聚类变量上的均值均存在显著差异。

2、试说明当变量存在数量级上的差异，进行层次聚类分析时为什么要对数据进行标准化处理？

因为数量级将对距离产生较大影响，并影响最终聚类结果。

3、试说明变量之间的高度相关性是否会对层次聚类分析结果造成影响？为什么？

会。如果所选变量之间存在较强的线性关系，能够相互替代，在计算距离时同类变量将重复

“贡献”，占有较高权重，而使最终的聚类结果偏向该类变量。

4、试说明K-Mean聚类分析的基本步骤。

K-Means聚类分析步骤：

确定聚类数目K--确定K个初始类中心点--根据距离最近原则进行分类--重新确定K个类中心点--判断是否已经满足终止条件。

是一个反复迭代的分类过程。在聚类过程中，样本所属的类会不断调整，直至达到最终稳定为止。

5、收集到我国2007年各地区城镇居民家庭平均每人全年消费支出数据，数据文件名为：“消费结构.sav”，变量包括：地区、消费性支出总额、食品、衣着、居住、家庭设备用品及服

务、医疗保健、交通和通信、教育文化娱乐服务、医疗保健、杂项商品和服务支出。若采用层次聚类法（个体间距离定义为平方欧氏距离，类间距离定义为组间平均链锁距离），绘制的碎石图如下：

（1）依据上图，数据聚成几类较为恰当？

（2）试采用K-MEANS聚类方法，从类内相似性和类间差异性角度分析将数据聚成几类较为恰当。

（1）聚成3类较为恰当。

注：碎石图可按第9章第1题方式绘制，也可按如下方式绘制。

步骤：分析→降维→因子分析→导入全部变量到变量框中（地区变量除外）→抽取：选中碎石图→继续→确定。

得到：（可以看出，分成3类恰当）

（2）用K-MEANS聚类方法进行分类，比较分类数为2、3、4时的差别。

步骤：分析→分类→K-平均聚类→地区变量导入到标注个案，其他变量全部导入到变量框中→聚类数填2→选项：选中初始聚类中心和ANOVA→继续→确定。

得到：

ANOVA

聚类错误

均方df 均方df

F 显著性

食品13927902.967 1 246753.779 29 56.445 .000 衣着278718.565 1 37555.425 29 7.422 .011 居住667583.436 1 31940.764 29 20.901 .000 家庭设备用品及服务411657.258 1 14558.041 29 28.277 .000 医疗保健325304.302 1 34400.296 29 9.456 .005 交通和通信10285607.457 1 57486.400 29 178.922 .000 教育文化娱乐服务5226361.465 1 69080.933 29 75.656 .000 杂项商品和服务248312.931 1 6496.550 29 38.222 .000 仅当出于描述目的时才应该使用 F 检验，因为已选择聚类用于将不同聚类中的个案的差异最大化。受观察的显著性级别并未因此得到更正，所以无法将这些级别解释为“聚类方法是等同的”假设的检验。

每个聚类中的个案数量

聚类 1 4.000

2 27.000

有效31.000

缺失.000

ANOVA

聚类错误

F 显著性

均方df 均方df

食品8311754.509 2 159294.770 28 52.178 .000