文档介绍：的聚类分析演示文稿
*
*
第一页，共二十六页。
*
*
（优选）第九的聚类分析
第二页，共二十六页。
例如，学校里有些同学经常在一起，关系比较密切，而他们与另一些同学却很少来往，关系比较疏远。究其原因可能会ter框中选择聚类类型。其中Cases表示进行Q型聚类（默认类型）；Variables表示进行R型聚类。
5、在Display框中选择输出内容。其中Statistics表示输出聚类分析的相关统计量；Plot表示输出聚类分析的相关图形。
第十二页，共二十六页。
6、单击Method按钮指定距离的计算方法。
第十三页，共二十六页。
Measure框中给出的是不同变量类型下的个体距离的计算方法。其中Interval框中的方法适用于连续型定距变量；Counts框中的方法适用于计数型变量；Binary框中的方法适用于二值变量。Cluster Method框中给出的是计算个体与小类、小类与小类间距离的方法。
7、如果参与聚类分析的变量存在数量级上的差异，应在Transform Values框中的Standardize选项中选择消除数量级差的方法。并指定处理是针对变量的还是针对样本的。By variable表示针对变量，适于Q型聚类分析；By case表示针对样本，适于R型聚类分析。
第十四页，共二十六页。
8、单击Statistics按钮指定输出哪些统计量
第十五页，共二十六页。
Agglomeration schedule表示输出聚类分析的凝聚状态表；Proximity matrix表示输出个体间的距离矩阵；Cluster Membership框中，None表示不输出样本所属类，Single Solution表示指定输出当分成n类时各样本所属类，是单一解。Range of solution表示指定输出当分成m至n类（m小于等于n）时各样本所属类，是多个解。
第十六页，共二十六页。
9、单击Plot按钮指定输出哪种聚类分析图。
第十七页，共二十六页。
Dendrogram选项表示表示输出聚类分析树形图；在Icicle框中指定输出冰挂图，其中，All clusters表示输出聚类分析每个阶段的冰挂图，Specified range of clusters表示只输出某个阶段的冰挂图，输入从第几步开始，到第几步结束，中间间隔几步；在Orientation框中指定如何显示冰挂图，其中，Vertical表示纵向显示，Horizontal表示横向水平显示。
树形图以躺倒树的形式展现了聚类分析中的每一次类合并的情况。SPSS自动将各类间的距离映射到0～25之间，并将凝聚过程近似地表示在图上。
第十八页，共二十六页。
10、单击Save按钮可以将聚类分析的结果以变量的形式保存到数据编辑窗口中。生成的变量名为clun_m（如clu2_1），其中n表示类数（如2），m表示是第m次分析（如1）。
由于不同的距离计算方法会产生不同的聚类分析结果，即使聚成n类，同一样本的类归属也会因计算方法的不同而不同。因此实际分析中应反复尝试以最终得到符合实际的合理解，并保存于SPSS变量中。
第十九页，共二十六页。
层次聚类的应用举例
1、利用对5个商厦的评分做聚类分析。
2、 例：31个省市自治区小康和现代化指数的层次聚类分析。
利用SPSS层次聚类Q型聚类对31个省市自治区进行分类分析。其中个体距离采用欧式距离，类间距离采用平均组间链锁距离，由于数据不存在数量级上的差异，因此无需进行标准化处理。
第二十页，共二十六页。
K-Means聚类
K-Means聚类分析的核心步骤
K-Means聚类也称快速聚类，仍将数据看成k维空间上的点，仍以距离作为测度个体“亲疏程度”的指标，并通过牺牲多个解为代价换得高的执行效率，其核心步骤是：
第一，指定聚类数目K
第二，确定K个初始类中心
SPSS中初始类中心的指定方式有两种：一是用户指定方式；二是系统指定方式。
第二十一页，共二十六页。
第三，根据距离最近原则进行分类
依次计算每个样本数据点到K个类中心点的欧式距离，并按距K个类中心点距离最短的原则将所有样本分成K类。
第四，重新确定K个类中心
中心点的确定原则是，依次计算各类中k个变量的均值，并以均值点作为K个类的中心点。
第五，判断是否已满足中止聚类分析的条件
条件有两个：一是迭代次数（SPSS默认为10）；二是类中心点偏移程度，即新确定的类中心点距上个类中心点的最大偏移量小于指定的量（