文档介绍：聚类分析方法
基于SPSS应用软件
精选ppt
（一）聚类分析的一般问题

聚类分析是统计中研究物以类聚的多元统计分析方法，针对的是生活中广泛存在的聚类现象和形成的统计分析方法；
例如：市场细分和客户细分问题70 .42
Miller-lite .43
Sudeiser-lich .44
Coors .44
Coorslicht .46
Michelos-lich .50
Secrs .76
Kkirin .79
Pabst-extra-l .36
Hamms .43
Heilemans-old .43
Olympia-gold- .46
Schlite-light .47
精选ppt
分层聚类的命令:执行
[Analyze][Classify][Hierarchical Cluster]，
精选ppt
精选ppt
选择变量进入“Variable(s)”中
选择聚类类型“Cluster”(单选项)：
样本聚类Cases(“Q聚类”)或变量聚类Variable(“R聚类”)
“display”中可以选择(复选项) ：
“Statistics”只计算统计分析。
“plots”只产生图像。
精选ppt
按钮“Statistics”将产生输出统计量：
精选ppt
“Agglomeration schedule”为生成并类过程表。在表中将显示并类过程中的并类信息，包括：并类距离值、在相应值上的并类类别和类间关系。可以根据并类过程表了解聚类过程。
“Proximity matrix”产生测度矩阵。测度矩阵可以显示出并类过程中各类之间的距离或相关性。
“Cluster Membership”聚类成员关系表。在并类过程中，各个个案被并到哪一类：
精选ppt
“None” 不显示聚类成员关系表。
“Single solution”显示指定类数时聚类成员关系表。指定的类数应当是小于等于个案个数，大于等于1的整数。当聚类到达此指定的数值时，将在输出窗口显示各个个案所属的类。
“Range of solutions” 显示聚类成员在指定并类范围内所属类的关系表。指定的范围也应当是在个案数与1之间的整数。
精选ppt
按钮“Plots”将产生聚类图形
精选ppt
“Dendrogram”生成树状图
“Icicle”生成冰柱图
“All clusters”全过程冰柱图
“Specified range of clusters”指定并类范围冰柱图
“None”不生成冰柱图
“Orientaton”图形取向：
竖直的Vertical和水平的Horizontal
精选ppt
按钮“Method”为聚类方法选择
精选ppt
定义样本点间的相似度。
精选ppt
选择对变量作标准化处理的方法
精选ppt
精选ppt
（三） K-Means 聚类
层次聚类执行效率不是很理想，而这方面正是K-Means聚类的特长；
K-Means聚类分析的核心步骤
第一步，指定聚类的数目，假设要分成K类；
第二步，确定类的初始中心；可以有两种方式指定类的初始中心，可以用户自定义，也可以让系统自己确定；
第三步，根据距离最近原则进行聚类；
重新确定K个类的中心；
判断是否满足停止聚类分析的条件；
精选ppt
K均值法（快速聚类、动态聚类）
精选ppt
1. K-Means聚类分析的核心步骤
聚类分析终止的条件有两个：
迭代次数，当前迭代次数等于设定的迭代次数，SPSS默认迭代10次便终止聚类；
类中心点偏移的程度，以迭代前后中心点的最大偏移量是否超过预定值，；
通过设定恰当的迭代次数和偏移标准，可以有效克服初始类中心点指定时可能存在的方差，提高聚类分析准确性；
精选ppt
在Method框中是否调整类中心点，其中Iterate and classify表示由SPSS自动调整类中心，Classify表示在迭代中不更改类