第七章SPSS聚类分析

例如，学校里有些同学经常在一起，关系比较
密切，而他们与另一些同学却很少来往，关系比较 疏远。究其原因可能会发现，经常在一起的同学的 家庭情况、性格、学习成绩、课余爱好等方面有许 多共同之处，而关系比较疏远的同学在这些方面有 较大的差异性。为了研究家庭情况、性格、学习成 绩、课余爱好等是否会成为划分学生小群体的主要 决定因素，可以从有关这些方面的数据入手，进行 客观分组，然后比较所得的分组是否与实际相吻合。 对学生的客观分组就可采用聚类分析方法。
最近邻元素（Nearest Neighbor）：个体与小类中每个 个体距离的最小值。 最远邻元素（Furthest Neighbor ）：个体与小类中每 个个体距离的最大值。 组间联接（Between-groups linkage）：个体与小类 中每个个体距离的平均值。 组内联接（Within-groups linkage）：个体与小类中 每个个体距离以及小类内各个体间距离的平均值。 质心聚类法（Centroid clustering）：个体与小类的重 心点的距离。重心点通常是由小类中所有样本在各变量上的 均值所确定的点。 离差平方和法（Ward’s method）：聚类过程中使小类 内离差平方和增加最小的两小类应首先合并为一类。
• 例：下表是同一批客户对经常光顾的五座商场在购物环境和
服务质量两方面的平均得分，现希望根据这批数据将五座商
场分类。
编号
购物环境 服务质量
A商场
73
68
B商场
66
64
C商场
84
82
D商场
91
88
E商场
94
90
7.1.2 聚类分析中“亲疏程度”的度量方法
• 聚类分析中，个体之间的“亲疏程度”是极为重要 的，它将直接影响最终的聚类结果。对“亲疏”程 度的测度一般有两个角度：第一，个体间的相似程 度；第二，个体间的差异程度。衡量个体间的相似 程度通常可采用简单相关系数等，个体间的差异程 度通常通过某种距离来测度。
第七章
SPSS聚类分析
7.1
聚类分析的一般问题
7.2 层次聚类分析中的Q型聚类
7.3
层次聚类分析中的R型聚类
7.4
快速聚类分析
7.1 聚类分析的一般问题
• 7.1.1 聚类分析的意义
聚类分析是统计学中研究“物以类聚”问题的多元统 计分析方法。
聚类分析是一种建立分类的多元统计分析方法，它能 够将一批样本（或变量）数据根据其诸多特征，按照在性质 上的亲疏程度（各变量取值上的总体差异程度）在没有先验 知识（没有事先指定的分类标准）的情况下进行自动分类， 产生多个分类结果。类内部的个体在特征上具有相似性，不 同类间个体特征的差异性较大。
树形图以躺倒树的形式展现了聚类分析 中的每一次类合并的情况。SPSS自动将各类 间的距离映射到0～25之间，并将凝聚过程近 似地表示在图上。
析的结果以变 量的形式保存到数据编辑窗口中。生成的变 量名为clun_m（如clu2_1），其中n表示类 数（如2），m表示是第m次分析（如1）。
场分类。
编号
购物环境 服务质量
A商场
73
68
B商场
66
64
C商场
84
82
D商场
91
88
E商场
94
90
1．数值型变量的样本距离测量方法
样本若有k个变量，则可以将样本看成是 一个k维的空间的一个点，样本和样本之间的 距离就是k维空间点和点之间的距离，这反映 了样本之间的亲疏程度。聚类时，距离相近的 样本属于一个类，距离远的样本属于不同类。
R型聚类：对变量进行聚类，使具有相似性的变量聚集 在一起，差异性大的变量分离开来，可在相似变量中选 择少数具有代表性的变量参与其他分析，实现减少变量 个数，达到变量降维的目的。
凝聚方式聚类：其过程是，首先，每个个体自成一类； 然后，按照某种方法度量所有个体间的亲疏程度，并将 其中最“亲密”的个体聚成一小类，形成n-1个类；接下 来，再次度量剩余个体和小类间的亲疏程度，并将当前 最亲密的个体或小类再聚到一类；重复上述过程，直到 所有个体聚成一个大类为止。可见，这种聚类方式对n个 个体通过n-1步可凝聚成一大类。
• 二、个体与小类、小类与小类间“亲疏程度”的度 量方法
SPSS中提供了多种度量个体与小类、小类与 小类间“亲疏程度”的方法。与个体间“亲疏程度” 的测度方法类似，应首先定义个体与小类、小类与 小类的距离。距离小的关系亲密，距离大的关系疏 远。这里的距离是在个体间距离的基础上定义的， 常见的距离有：
分解方式聚类：其过程是，首先，所有个体都属一大类； 然后，按照某种方法度量所有个体间的亲疏程度，将大 类中彼此间最“疏远”的个体分离出去，形成两类；接 下来，再次度量类中剩余个体间的亲疏程度，并将最疏 远的个体再分离出去；重复上述过程，不断进行类分解， 直到所有个体自成一类为止。可见，这种聚类方式对包 含n个个体的大类通过n-1步可分解成n个个体。
8、单击统计量按钮指定输出哪些统计量
合并进程表表示输出聚类分析的凝聚状
态表；相似性矩阵表示输出个体间的距离矩 阵；聚类成员框中，无表示不输出样本所属 类，单一方案表示指定输出当分成n类时各样 本所属类，是单一解。方案范围表示指定输 出当分成m至n类（m小于等于n）时各样本 所属类，是多个解。
上表中，第一列表示聚类分析的第几步；第二、 三列表示本步聚类中哪两个样本或小类聚成一类； 第四列式个体距离或小类距离；第五、六列表示本 步聚类中参与聚类的是个体还是小类，0表示样本， 非0表示由第n步聚类生成的小类参与本步聚类；第 七列表示本步聚类的结果将在以下第几步中用到。
本所有变量值之差绝对值的p次方的总和，再 求q次方根。计算公式为
2、计数变量个体间距离的计算方式
3、二值（Binary）变量个体间距离的计算方式
简单匹配系数（Simple Matching） 雅科比系数（Jaccard）
注：聚类分析的几点说明
➢ 所选择的变量应符合聚类的要求：所选变量应能够从不同的侧面反映 我们研究的目的；
❖层次聚类(Q型）的基本操作
1、选择菜单分析－分类－系统聚类，出现窗口：
2、把参与层次聚类分析的变量选到变量框中。
3、把一个字符型变量作为标记变量选到标注个 案框中，它将大大增强聚类分析结果的可读性。
4、在分群框中选择聚类类型。其中个案表示进 行Q型聚类（默认类型）；变量表示进行R型 聚类。
5、在输出框中选择输出内容。其中统计量表示 输出聚类分析的相关统计量；绘制表示输出聚 类分析的相关图形。
练习：
研究问题 对一个班同学的数学水平进行聚类。聚类
的依据是第一次数学考试的成绩和物理考试的 成绩。数据所示。
学生的数学成绩
编号 1 2 3 4 5 6 7 8 9 10
数学 99.00 88.00 79.00 89.00 75.00 60.00 79.00 75.00 60.00 100.00
物理 成 绩 98.00 89.00 80.00 78.00 78.00 65.00 87.00 76.00 56.00 100.00
层次聚类分析中的R型聚类
定义：层次聚类分析中的R型聚类是对研 究对象的观察变量进行分类，它使具有共同特 征的变量聚在一起。以便可以从不同类中分别 选出具有代表性的变量作分析，从而减少分析 变量的个数。
➢ 各变量的变量值不应有数量级上的差异（对数据进行标准化处理）： 聚类分析是以各种距离来度量个体间的“亲疏”程度的，从上述各种 距离的定义看，数量级将对距离产生较大的影响，并影响最终的聚类 结果。
➢ 各变量间不应有较强的线性相关关系
学校
参加科研 人数
（人）
投入经费 （元）
立项课题 数（项）
样本的欧氏距离
本所有变量值之差绝对值中的最大值，计算公 式为
（4）Block距离 两个样本之间的Block距离是各样本所有
变量值之差绝对值的总和，计算公式为
（5）Minkowski距离 两个样本之间的Minkowski距离是各样
本所有变量值之差绝对值的p次方的总和，再 求p次方根。计算公式为
（6）Customized距离（用户自定义距离） 两个样本之间的Customized距离是各样
• 为定义个体间的距离应先将每个样本数据看成k维 空间的一个点，通常，点与点之间的距离越小，意 味着他们越“亲密”，越有可能聚成一类，点与点 之间的距离越大，意味着他们越“疏远”，越有可 能分别属于不同的类。
• 例：下表是同一批客户对经常光顾的五座商场在购物环境和
服务质量两方面的平均得分，现希望根据这批数据将五座商
6、单击方法按钮指定距离的计算方法。
度量标准框中给出的是不同变量类型下的个体距离的计算方法。 其中区间框中的方法适用于连续型定距变量；计数框中的方 法适用于品质型变量；二分类框中的方法适用于二值变量。 聚类方法框中给出的是计算个体与小类、小类与小类间距离 的方法。
7、如果参与聚类分析的变量存在数量级上的差异，应在转换 值框中的标准化选项中选择消除数量级差的方法。并指定处 理是针对变量的还是针对样本的。按照变量表示针对变量， 适于 Q 型聚类分析；按个案 表示针对样本，适于R型聚类 分析。
9、单击绘制按钮指定输出哪种聚类分析图。
树状图选项表示输出聚类分析树形图；
在冰柱框中指定输出冰挂图，其中，所有聚 类表示输出聚类分析每个阶段的冰挂图，聚 类的指定全距表示只输出某个阶段的冰挂图， 输入从第几步开始，到第几步结束，中间间 隔几步；在方向框中指定如何显示冰挂图， 其中，垂直表示纵向显示，水平表示横向水 平显示。
（1）欧氏距离（Euclidean Distance） 两个样本之间的欧氏距离是样本各个变量值之 差的平方和的平方根，计算公式为
（2）欧氏距离平方（Squared Euclidean Distance）
两个样本之间的欧氏距离平方是各样本每 个变量值之差的平方和，计算公式为
（3）Chebychev距离(切比雪夫) 两个样本之间的Chebychev距离是各样
由于不同的距离计算方法会产生不同的聚 类分析结果，即使聚成n类，同一样本的类归 属也会因计算方法的不同而不同。因此实际 分析中应反复尝试以最终得到符合实际的合 理解，并保存于SPSS变量中。
❖ 聚类分析的结果都知道，就是获得几个类别， 那么我们怎么知道这些类别是合理的呢？这 里提供一个方法，就是利用均值方法，检验 各个类别在所有变量上的差异，如果差异显 著，我们就可以认为分类结果是可靠的
放入因变量中
❖ 我们会看到二种分类结果各自的平均数，下 面的三个表格分别是将case分为2、3类的结 果，当然这种方法只能计算出各组平均数， 如何检验平均数的差异就要用到下面的方法
在菜单栏上执行：分析—比较均值-单因素 anova
将指标变量放到因变量列表，将分组 变量放入因子中
2类
3类
7.2 层次聚类
• 一、 层次聚类的两种类型和两种方式
层次聚类又称系统聚类，简单地讲是指聚类过程是按 照一定层次进行的。层次聚类有两种类型，分别是Q型聚类 和R型聚类；层次聚类的聚类方式又有两种，分别是凝聚方 式聚类和分解方式聚类。
Q型聚类：对样本进行聚类，使具有相似特征的样本聚 集在一起，差异性大的样本分离开来。
元
万元
1
410
4380000
19
（1，2） 265000
81623
2
336
1730000
21
（1，2） 218000
193700
3
490
220000
8
（1，2）
47000
254897
聚类分析的方法，主要有两种，一种是 “快速聚类分析方法”（K－Means Cluster Analy- sis），另一种是“层次聚类分析方法” （Hierarchical Cluster Analysis）。如果 观察值的个数多或文件非常庞大（通常观察值 在200个以上），则宜采用快速聚类分析方法。 因为观察值数目巨大，层次聚类分析的两种判 别图形会过于分散，不易解释。
❖ 假设我们现在已经得到了聚类的结果，所有 的个案都已经分类了，我们看到在数据窗口 已经形成了若干个新的变量，显示了个案的 分类结果，如图所示，这里显示了二个聚类 的结果，分别是把数据分为2、3类的结果
在菜单栏上执行：分析—比较均值-均 值，打开平均数对话框
将指标变量都放入因变量框中，然后 将分组变量（聚类分析得到的变量）