文档介绍：分层聚类，又称层次聚类，是指聚类过程是按照一定层次进行的。如果需要按变量（标题） 聚类，此时应该使用分层聚类，并且结合聚类树状图进行综合判定分析，得出科学分析结果。
分成聚类的基本思想是：
在聚类分析的开始，每个样本（或变量）单独作为一分层聚类，又称层次聚类，是指聚类过程是按照一定层次进行的。如果需要按变量（标题） 聚类，此时应该使用分层聚类，并且结合聚类树状图进行综合判定分析，得出科学分析结果。
分成聚类的基本思想是：
在聚类分析的开始，每个样本（或变量）单独作为一组，然后按照某种方法度量所有样本（或 变量）之间的亲疏程度，把距离相近的先样本（或变量）先聚成类，距离相远的后聚成类， 如此反复，直到所有样本（或变量）聚成一类为止。
分层聚类有几点需要特别注意：
1:仅针对定量数据进行分层聚类;
2:如果数据的单位有较大差别，可首先对于数据进行标准化处理后，针对标准化数据进行
分层聚类;
SPSSAU用户可点击数据处理-生成变量-选择标准化（S），进行数据标准化处理。
生成变呈 Q
平均恒 ▼ 肓酋人变呈肓称
拥口
乘枳
中化［Cj 邸哑I超 干方Qq】 抿号（Sqr） 三綁啟［Ln）
10为底对数（Log10）
正向化（MMS） 逆向化（MMS） 三次方（"uhe］ 怛数（Reciprccalj
3 :由于均为定量数据，因而从原理角度上，分层聚类时应该使用Pearson相关系数去度量 距离，相关系数值越大说明越紧密，则说明距离越近，相关系数值越小说明越疏远，说明距 离越远；SPSSAU默认使用Pearson相关系数表示距离大小;
案例分析
1、 背景
当前有8个裁判对300名选手打分，最低分为1分，最高分为10分；希望对8个裁判进 行聚类，以识别出裁判的风格类型。总共8个裁判共有8列数据，并且共有300行。由于 打分全部均是从1到10分，8列数据的单位均一样，因此在分析之前不需要进行标准化数 据（当然进行标准化处理也没有问题）。
2、 操作步骤
本案例中总共涉及8个标题，SPSSAU操作截图如下：
SPSSAU会默认聚类为3类并且呈现表格结果，如果希望更多的类别个数，可自行进行设 置。
3、SPSSAU输出结果
SPSSAU会首先输出聚类项的基本描述情况，妾着输出每项的聚类类别归属情况;并且输出
树状图，如下所述：
■ —--r—. fa J. »—° ■呼E
4xc
上表格展示总共8个分析项（即8个裁判数据）的基本情况，包括均值，最大或者最小值， 中位数等，以便对于基础数据有个概括性了解。整体上看，8个裁判的打分基本平均在8分 以上。
特别提示
上表格中的值与聚类的原理基本没有关联性，请勿将上表格信息与聚类结果产生联系
%分析建议
分层聚类针対走星数据进行研兄探叢分■析顶的类别归扃首元可对分析巧基不持征逬行描述；
第一：描述分层聚类分析的基不情况，选挥分析项迸行鑒类国原因等：
第二：描逮聚类项的基本特显情况-卅对乂均值或中位数逬