第十讲 聚类分析SPSS操作

聚为m-n类时 案例对应的类
生成树形图 生成冰柱图
显示所有 聚类步骤 显示几个 聚类步骤
不生成冰柱图
冰柱图柱轴 显 示 方 向
确定聚类过程中 采用的具体方法、 距离的计算方法、 数据转换的方法。
百度文库
确定聚类的具体方法
设置距离和相似 系数的确定方法 设置对数据进行 标准化的方法
组间联结法
组内联结法
使用聚类变量以外的其他变量
保 证 聚 类 结 果 的 可 信 性
ë同一总体的不同样本的聚类分析的比较 ë同一样本的不同分组的聚类分析比较 ë同一数据的不同方法的聚类分析比较
清楚地显示了聚 类 的 全 过 程
所有个案 分为两类
所有个案 分为三类
所有个案 分为四类
不 保 存 新 变 量 生成新 变量保 存聚为 n 类 时 各案例 对应的 类
生成新变量保存聚为n-m 类时各案例对应的类
解 释 证 实
给出类的特征准确的描述（ 名称 ） 给出类的特征准确的描述 （ 名称） 计算各个类在各聚类变量上的均值 均值的比较分析
列表框
箭头键 按钮
从左边列表框中选择变量名 并用箭头键按钮转移到变量列 表框中作为聚类分析的变量
变量 列表框
个案 聚类
变量 聚类
选择输出 统 计 量
选择输出 统计图表
生成聚结表（每一个聚类步骤 的 聚 类 成 员 合 并 显 示 ）
生成组 间距阵 不 显 示
聚为n类时案 例对应的类
变量与聚类步骤 之 间 的 关 系
聚类分析 聚类以物 分群以人 SPSS操作 SPSS操作
研究对象的分类
分 析 对 象 聚 类 原 则 分 析 目 标 分 析 步 骤
案例 X1 1 2 3 4 5
变量 X2 X3
X4
探测性研究
产生分类结果 产生假设 证实
上 机 操 作
开 始 系 统 聚 类 指定参与聚类的变量 指 定 聚 类 对 象 选 择 输 出 结 果 指定聚类和测度方法 生 成 新 变 量 输 出 内 容
最短距离法
最长距离法
重 心 法 中间距离法 离差平方和法
欧 氏 距 离 平方欧氏距离 夹 角 余 弦 马 氏 距 离 相 关 系 数 切比晓夫 距 离 明可斯基距离
自定义距离
不进行标准化 转换到（-1，1）范围 转换后均值为0 标 准 差 为 1 转换到（0，1）范围 用数据除以最大值
用数据除以均值
SPSS
聚类分析步骤
选 择 变 量 距 离 与 相 似 聚 类 过 程 解 释 与 证 实
选择变量原则
符 合 分 析 的 目 的 反 映 对 象 的 特 征 不同对象的变量有显著差异 变量之间不能高度相关
SPSS系统聚类的参数选择 系统聚类的参数选择 聚类类别： ㈠聚类类别： ㈡统计 ㈢图：树型谱系图 冰柱谱系图 ㈣聚类方法 1.Between-groups linkage 类间平均法 两类距离为两类元素两两之间平均平方距离 2.Within-groups linkage 类内平均法 两类距离为合并后类中可能元素两两之间平均平方距 离 3.Nearest neighbor 最短距离法 4. Furthest neighbor 最长距离法 5.Centroid clustering (欧式距离 欧式距离) 重心法 欧式距离 6.Median clustering 欧式距离) 中间距离法 (欧式距离 欧式距离 7.Ward Method 欧式距离) 离差平方法 (欧式距离 欧式距离
用数据除以标准离差
综述表 聚结表 冰柱图 树状图
有效个案
缺失个案
某步合并 的 个 案
距离或者 相似系数
参与合并的个案 项中，若有新类， 该类在哪一步第 一 次 生 成
对应新类将在 第几步与其他 个 案 合 并
个案或者新类在 第n步合并，则第 (m-n+1)以上合并 项对应列之间用 “ X ” 填 充