文档介绍：亲疏程度的判定
距离：将每一个样本看作p维空间的一个点，并用某种度量测量点与点之间的距离，距离较近的归为一类，距离较远的点应属于不同的类；
相似系数：性质越接近的变量或样本，它们的相似系数越接近于1或一l，而彼此无关的变量或样本它们的相似系数则越接近于0，相似的为一类，不相似的为不同类；
聚类方法不同：
系统聚类：又称为层次聚类（hierarchical cluster），聚类过程是按照一定层次进行的；
K均值聚类（ K-means Cluster ）；
聚类对象不同时的聚类类型：
样本之间的聚类：即Q型聚类分析，常用距离来测度样本之间的亲疏程度；
变量之间的聚类：即R型聚类分析，常用相似系数来测度变量之间的亲疏程度；
聚类分析
基本思想：根据所研究的样本或变量在观测数据上表现的不同亲疏程度，采用不同的聚类方法将亲疏程度较大的样本/变量聚合为一类，把另外一些亲疏程度较大的样本/变量聚合为一类，直到把所有的样本/变量都聚合完毕，形成一个由小到大的分类系统。
第一页，共49页。
聚类分析
聚类主要步骤
选择变量
数据处理
聚类
计算聚类统计量
和聚类分析的目的密切相关；
反映要分类变量的特征；
不同研究对象上的值有明显的差异；
变量之间不能高度相关；
为消除各指标量纲的影响，需对原始数据进行必要的变换处理；
聚类统计量是根据变换以后的数据计算得到的一个新数据；
用于表明各样本或变量间的关系密切程度；
常用的统计量有距离和相似系数两大类；
选择聚类的方法；
确定形成的类数；
结果的
解释和证实
结果的解释是希望对各个类的特征进行准确的描述；
给每类起一个合适的名称；
通常的做法是计算各类在各聚类变量上的均值，对均值进行比较；
第二页，共49页。
聚类分析
系统聚类
例1：利用2001年全国31个省市自治区各类小康和现代化指数的数据，对地区进行聚类分析。
数据中所含指数：综合指数、社会结构指数、经济与技术发展指数、人口素质指数、生活质量指数、法制与治安指数；
采用聚类方法：系统聚类
K均值聚类
第三页，共49页。
聚类分析
系统聚类
Agglomeration schedule：输出聚类过程表
Proximity matrix：输出个体之间的距离矩阵
Cluster Membership中None表示不输出样本所属类，Single solution表示当分成n类时各样本所属类，Range of solutions表示当分成m-n类时各样本属性所属类
参与系统聚类的变量选到Variables(s)中
字符型变量作为标记变量选到Lable Cases by中
Cluster中确定聚类类型，是Q型聚类还是R型聚类
Display中Stastics表示输出聚类分析相关统计量Plots表示输出聚类分析相关图形
第四页，共49页。
3
聚类分析
聚类输出结果
3
4
参与聚类的个体或小类
个体或小类距离
计算的是个体还是小类
本次结果将在第几步出现
第五页，共49页。
聚类分析
系统聚类
Dendrogram：聚类树形图
Icicle：冰柱图，其中All clusters表示输出分析中每个阶段的冰柱图，Specified range of clusters表示输出某个阶段的冰柱图，none表示不输出冰柱图
Orientation冰柱图的表现形式，Vertical表示纵向显示，Hhorizontal表示横向显示
第六页，共49页。
聚类分析
聚类输出结果
第七页，共49页。
聚类分析
系统聚类
Clust