SPSS教程-聚类分析-附实例操作

各地区各行业工资水平的分析(2009年数据)

小组成员：张艺伟、赵月、陈媛、邹莉、朱海龙、曾磊、胡瑛、候银萍

1.研究背景及意义

1.1 研究背景

工资水平是指一定区域和一定时间内劳动者平均收入的高低程度。生产决定分配，只有经济发展才能提供更多的可分配的社会产品，因此一个地区的工资水平在一定程度上反映了其经济发展的水平。

1.2 研究意义

1. 通过多元统计分析方法，探究一个地区的工资水平与其经济发展水平之间的内在联系。

2. 将平均工资水平划分为3类，分析哪些地区、哪些行业的工资水平较高，可以为大学生就业提供宏观上的方向指引。

2.数据来源与描述

2.1 数据来源——《中国劳动统计年鉴─2010》

（URL：/Navi/YearBook.aspx?id=N2011010069&floor=1###）

主编单位：国家统计局人口和就业统计司，人力资源和社会保障部规划财务司

出版社：中国统计出版社

简介：《中国劳动统计年鉴─2010》是一部全面反映中华人民共和国劳动经济情况的资料性年刊。本刊收集了2009年全国和各省、自治区、直辖市、香港特别行政区、澳门特别行政区的有关劳动统计数据。本书资料的取得形式主要有国家和部门的报表统计、行政记录和抽样调查。

2.2 数据描述

本数据集记录了全国31个省市（港、澳、台除外）的工资状况，各省市分别记录了其23个主要行业的平均工资水平，这23个主要行业包括：企业、事业、机关、金融业、制造业、建筑业、房地产业、农林牧渔业等等，具体数据格式参见图-0。

图-0

3.分析方法及原理

3.1 通过描述统计分析方法，判断哪些行业平均工资水平较高

描述统计分析方法主要是从基本统计量（诸如均值、方差、标准差、极大/小值、偏度、峰度等）的计算和描述开始的，并辅助于SPSS提供的图形功能，能够把握数据的基本特征和整体的分布特征。

在本案例中，通过比较不同行业（诸如企业、事业、机关、建筑业、制造业……）工资的均值、极大/小值，可以从总体上判断哪些行业的平均工资水平较高，哪些行业的较低。

3.2 通过聚类分析方法，判断哪些地区平均工资水平较高

聚类分析是依据研究对象的个体特征，对其进行分类的方法，分类在经济、管理、社会学、医学等领域，都有广泛的应用。聚类分析能够将一批样本（或变量）数据根据其诸多特征，按照在性质上的亲疏程度在没有先验知识的情况下进行自动分类，产生多个分类结果。类内部个体特征之间具有相似性，不同类间个体特征的差异性较大。

在本案例中，我们将采用两种方法进行聚类分析：一种是系统聚类法，另一种是K-均值法（快速聚类法）。

3.2.1系统聚类法

系统聚类法的基本原理：首先将一定数量的样本或指标各自看成一类，然后根据样本（或指标）的亲疏程度，将亲疏程度最高的两类进行合并，然后考虑合并后的类与其他类之间的亲疏程度，再进行合并。重复这一过程，直到将所有的样本（或指标）合并为一类。

系统聚类分为Q型聚类和R型聚类两种：Q型聚类是对样本进行聚类，它使具有相似特征的样本聚集在一起，使差异性大的样本分离开来；R型聚类是对变量进行聚类，它使差异性大的变量分离开来，相似的变量聚集在一起，这样就可以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、降低变量维度的目的。

在本例中进行的是Q型聚类。

类与类之间距离的计算方法主要有以下几种：

（1）最短距离法（Nearest Neighbor），是指两类之间每个个体距离的最小值；

（2）最长距离法（Farthest Neighbor），是指两类之间每个个体距离的最大值；

（3）组间联接法（Between-groups Linkage），是指两类之间个体之间距离的平均值；

（4）组内联接（Within-groups Linkage），是指把两类所有个体之间的距离都考虑在内；

（5）重心距离法（Centroid clustering），是指两个类中心点之间的距离；

（6）离差平方和法（Ward法），同类样品的离差平方和应当较小，类与类之间的离差平方和应当较大。

3.2.2 K-均值法（快速聚类法）

K-均值法（又称快速聚类法），是由MacQueen于1967年提出的，它将数据看成K维空间上的点，以距离作为测度个体“亲疏程度”的指标，并通过牺牲多个解为代价换得高的执行效率。但是，K-均值法只能产生指定类数的聚类结果，而类数的确定离不开实践经验的积累。

快速聚类分析的基本思想是：首先按照一定方法选取一批凝聚点（聚心），再让样本向最近的凝聚点凝聚，形成初始分类，然后再按最近距离原则修改不合理的分类，直到合理为止。因此，在快速聚类中，应首先要求用户自行给出需要聚成多少类，最终也只能输出关于它的唯一解。快速聚类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，直到最终达到稳定为止。

4.实验操作与结果分析

4.1 描述统计分析方法

在数据编辑窗口的主菜单中选择“分析(A)”→“描述统计”→“描述性分析(D)”（如图-1），

图-1

打开如下对话框，将左侧框中的所有变量选入右侧框中，如图-2所示，单击“选项(O)”按钮，

图-2

在“选项”对话框中选择所需要分析的统计量，包括均值、标准差、极大值、极小值，如图-3所示。

图-3

点击“确定”按钮之后，分析结果如下表-1所示：

表-1描述统计量

N 极小值极大值均值标准差企业31 22000 62046 30869.10 8680.069

非农企业31 24788 62098 31787.84 8385.740

事业31 25021 68371 35282.77 11732.956

机关31 26668 74734 39085.10 13350.591

农_林_牧_渔业31 8841 45925 19413.84 7964.071

采矿业31 22846 66138 38030.74 11461.961

制造业31 21242 48207 26453.74 5509.114

电力_燃气及水的生产和供应业31 29605 86262 44113.10 14812.450

建筑业31 16583 69131 25769.23 10063.993

交通运输_仓储和邮政业31 25797 56955 35202.77 7353.178

信息传输_计算机服务和软件业31 22347 105413 47303.87 18924.379

批发和零售业31 16263 60260 26534.19 9705.925

住宿和餐饮业31 13577 38040 19263.71 5071.244

金融业31 31466 180816 62972.65 32341.917

房地产业31 15993 57052 28447.45 8900.469