文档介绍：利用SPSS对数据进行聚类分析和判别分析
主要数据分析工具:SPSS和SAS
SPSS:Statistic Package for Social Science
优点:方便易操作,所有常用的分析类型均被模块化,只需在相关菜单下点击运行。适合简单的社会性统计和分析。图形功能强。对普通用户更适合。
缺点:更强调工具性,对分析方法的来龙去脉无法理解。由于已经模块化,只能进行固定的操作,无法灵活根据数据特点调整分析方法。
SAS:Statistics Analysis System
优点:所有分析需用户自行编程完成,能够实现的分析方法不受限制,更为灵活。对于专业人士更适合。
缺点:专业性强导致普适性不够,编程繁琐,图形功能不足。
关系:类似于Matlab之于C,数码相机之于专业摄影器材
今天介绍统计学中经常使用的分类统计分析方法——聚类分析与判别分析。主要内容有层次(系统)聚类分析、快速聚类(K均值聚类)分析和判别分析。其中层次聚类分析根据聚类的对象不同分成Q(样本)型聚类和R(变量)型聚类。
判别分析是一种有效的对个案进行分类分析的方法。和聚类分析不同的是,判别分析时,组别的特征已知。如银行为了对贷款进行管理,需要预测哪些类型的客户可能不会按时归还贷款。已知过去几年中,900个客户的贷款归还信誉度,据此可以将客户分成两组:可靠客户和不可靠客户。
再通过收集客户的一些资料,如年龄、工资收入、教育程度、存款等,将这些资料作为自变量。通过判别分析,建立判别函数。那么,如果有150个新的客户提交贷款请求,就可以利用创建好的判别函数,对新的客户进行分析,从而判断新的客户是属于可靠客户类,还是不可靠客户类。
聚类分析和判别分析逻辑上联系紧密,都属分类问题,故在SPSS中隶属于一个菜单。
聚类分析
层次聚类分析
快速聚类分析
(K均值聚类)
样本聚类(Q型)
变量聚类(R型)
判别分析
分析已知类别的样本
建立判别函数
判别新样本的类别
聚类分析与判别分析的基本概念
层次聚类分析中的Q型聚类
层次聚类分析中的R型聚类
快速聚类分析
判别分析
目录
一、聚类分析概述
1、含义:聚类分析(Cluster Analysis)是利用多个样品或多个观测指标(变量)对样品或指标进行分类的一种多元统计方法。
2、适宜资料:多个样品的多个观测指标待分类的数据。
3、分析目的:利用多个样品的多个观测指标(变量),从量的角度对客观事物进行分类,从而揭示不同事物的数量本质及其差异,弥补定性分类综合性及客观性不强的弱点。
4、基本思想:所研究的样品或指标(变量)之间存在程度不同的相似性或亲疏关系,关系近的聚为一类,关系远的聚为另外一类。
聚类分析(Cluster Analysis)是将一批样本按其考察诸指标的亲疏程度进行分类。分类的依据是样本间的距离系数或相似系数。距离系数一般用于样本的分类,相似系数一般用于变量的聚类。聚类按方法分可以分为层次聚类法( Hierarchical Cluster Analysis )、快速聚类法( K-Means Cluster Analysis )等等。聚类按对象分为样本聚类(Q类),变量聚类(R类)。
层次聚类法:该法是按样本指标(变量)的距离定义类间距离。它首先将N个样本(或指标)分成N类,每个样本自成一类,然后每次将两类距离最小的样本合并为一新类,重新计算新类与其它类间的距离。如此反复进行,直到所有样本合并为一类,最后结果用聚类图展现(谱系图),由该图可直观方便地进行分类。
快速聚类法:它首先将N个样本(或变量)初分为K类,然后用某种最优准则进行调整,并不断地进行调整,直到不能调整为止(大样本情形,如样本超过100,且指定了聚类数)。
每个观测各成一类
计算两两类间距离
距离最近的两类合并
所有观测合并为一类
二、层次聚类过程(谱系聚类)
层次聚类分析中的Q型(样本)聚类
层次聚类分析是根据观察值或变量之间的亲疏程度,将最相似的对象结合在一起,以逐次聚合的方式,它将观察值分类,直到最后所有样本都聚成一类。