文档介绍：统计分析聚类分析
第1页，共43页，编辑于2022年，星期二
SPSS的聚类分析
第2页，共43页，编辑于2022年，星期二
聚类分析概述
概念：
聚类分析是统计学中研究“物以类聚”的一种方法,属多元统计分析2年，星期二
二值变量型个体间的距离
根据临床表现研究病人是否有类似的病
姓名性别发烧咳嗽检查1 检查2 检查3 检查4
张三男 1 0 1 0 0 0
李四女 1 0 1 0 1 0
王五男 1 1 0 0 0 0
……..
聚类分析概述
第16页，共43页，编辑于2022年，星期二
二值变量型个体间的距离
雅科比（Jaccard）系数:适用二值变量
个体j
个体i
1 0
1 a b
0 c d
a为个体i与个体j在所有变量上同时取1的个数；d为同时取0的个数
特点：排除同时不拥有某特征的情况；取1的状态比取0更有意义(如:临床检验中的阳性特征)；编码方案会引起系数的变化
聚类分析概述
第17页，共43页，编辑于2022年，星期二
雅科比（Jaccard）系数:适用二值变量
（两种编码比较）
姓名授课方式上机时间选某门课程
张三 1 (0) 1(0) 1(0)
李四 1 (0) 1(0) 0(1)
王五 0 (1) 0(1) 1(0)
(张三,李四) 1: a=2 b=1 c=0 d=0 d(x,y)=1/(1+2)=1/3
(张三,李四) 2: a=0 b=0 c=1 d=2 d(x,y)=1/(1+2)=1/3 (相同)
(张三,李四) 1: a=2 b=1 c=0 d=0 J(x,y)=1/(1+2)=1/3
(张三,李四) 2: a=0 b=0 c=1 d=2 J(x,y)=1/1=1 (不相同)
聚类分析概述
第18页，共43页，编辑于2022年，星期二
品质型个体间的距离
Jaccard系数举例:根据临床表现研究病人是否有类似的病
姓名性别发烧咳嗽检查1 检查2 检查3 检查4
张三男 1 0 1 0 0 0
李四女 1 0 1 0 1 0
王五男 1 1 0 0 0 0
……..
结论:张三和李四最有可能得类似的病;李四和王五最不太有可能得
聚类分析概述
第19页，共43页，编辑于2022年，星期二
二值变量型个体间的距离
卡方距离:计数变量
聚类分析概述
姓名
选修课门数（期望频数）
专业课门数（期望频数）
得优门数（期望频数）
合计
张三
9（）
6（6）
4（）
19
李四
8（）
6（6）
5（）
19
合计
17
12
9
38
第20页，共43页，编辑于2022年，星期二
聚类过程中如果数据在数量级上存在差异时，应进行标准化处理。例如:

样本的欧氏距离
元万元
（1，2） 265000
（1，3） 218000
（2，3） 47000
聚类分析概述
第2