SPSS数据分析教程-10_聚类分析.ppt

10.7 两步法聚类 两步法聚类又称两阶段聚类，它与系统聚类相似，是揭示数据所蕴含的自然组别的一种探索性分析方法。 两步法聚类的特点 （1）聚类变量可以是连续变量，也可以是分类变量。两步法聚类充分考虑到这两种变量的不同性质，采用对数似然距离来衡量相似性。 （2）它能自动确定出类的个数。 （3）能够有效地分析大数据集。 两阶段聚类算法的两个阶段 第1步：建立一个聚类特性树。 第2步：应用凝聚算法对聚类特性树的叶节点进行分类。 两步法的距离度量 两步法的距离度量有两种 （1）对数似然（SPSS 翻译为对数相似值）：这里由于聚类指标中含有分类变量，所以只能选择该项。 （2）欧式距离（Euclidean）：当聚类指标不含有分类变量时可以选择该距离。 聚类数量 （1）自动确定：可以选择自动确定，这里可以限定类个数的上限。默认最多15个类。也可以据需要修改类个数的最大值。 （2）指定固定值：如果很有把握，那么你可以输入你想要的类个数。 聚类准则 有AIC和BIC两个准则，这两个模型选择准则在选择模型方面基本类似，都是综合考虑样本数和模型的复杂程度。AIC或者BIC的值越小，模型越好。 两步法案例分析 数据文件Twosteps_car.sav 选择【分析】→【分类】→【两步聚类】 两步法聚类选项设置（1） 两步法聚类选项设置（2） 评估字段：评估字段不用于聚类过程，但是可以用它们来描述两步法生成的类的特征。 两步法聚类的模型摘要 两步法模型视图 两步法模型视图 两步法模型视图 作业 SPSS数据分析教程 —《SPSS数据分析教程》 第10章　聚类分析 目录 10.1　聚类分析简介 10.2　个案间的距离 10.2.1　定距数据（Scale Mearsurement）距离定义方式 10.2.2　分类数据的频数数据（Count） 10.2.3　二分类数据 10.3　类之间的距离 10.4　系统聚类算法过程 10.5　系统聚类案例 10.6　K-均值聚类 10.6.1　K-均值法简介 10.5.2　K-均值法案例 10.7　两步法聚类 10.7.1　两步法简介 10.7.2　两步法案例分析 10.8　聚类分析注意事项 本章学习目标 理解聚类分析的基本概念； 了解个案之间距离的定义方式； 了解类之间距离的定义方式； 掌握系统聚类方法； 掌握两步法聚类方法； 掌握K均值聚类方法。 10.1 聚类分析简介 根据对象的某些属性把它们分到一些组中，使得同组内的对象尽可能地相似，不同组中的对象尽可能地不一样，即所谓的聚类分析。 聚类分析方法被称为“无监督的分析方法”，意即没有因变量。而另外一种分类的方法是判别分析，它是把样本归入到已知的事先已经确定下来的类中去, 它有因变量（即事先确定的类别），是“有监督的分析方法”。 聚类分析不必事先知道分类对象的结构，从一批样品的多个观测指标中，找出能度量样品之间或指标（变量）之间相似程度或亲疏关系的统计量，构成一个对称相似性矩阵，并按相似程度的大小，把样品或变量逐一归类。 根据对样品聚类还是对变量聚类，聚类分析分Q型聚类和R型聚类。对变量的聚类称为R型聚类，而对样品（即观测值）聚类称为Q型聚类。通俗讲，R型聚类是对数据中的列分类，Q型聚类是对数据中的行分类。 SPSS Statistics提供了3种聚类方法，它们是系统聚类法（又称层次聚类）、K-均值聚类（又称快速聚类法）和两步法聚类。 10.2 个案间的距离 定距数据距离定义方式 欧式（Euclidean）距离 平方欧式距离 余弦距离 皮尔逊（Pearson）相关性距离 切比雪夫（Chebychev）距离 块（Block）距离 闵考斯基（Minkowski）距离 幂（Power）距离 10.2.2 分类数据之间的距离 卡方度量 Phi方度量 10.3 类之间的距离 SPSS提供了7种计算两个类距离的方法。 组间连接法（Between-groups Linkage） 组内连接法（Within-Groups Linkage） 最近邻元素法（Nearest Neighbor） 最长距离法（Furthest Neighbor） 质心聚类法（Centroid Clustering） 中位数聚类法（Median Clustering) 离差平方和法（Ward’s Method） 10.4 系统聚类算法过程 系统聚类的步骤 第1步：数据标准化。把原始数据标准化得到标准化数据矩阵。 第2步：计算相似系数矩阵。这里以余弦距离为例。计算Q型聚类任意两个样品xj和xk的相似系数矩阵。 第3步：选出有最大相似系数的样品组 。 第4步：把该组样品加权平均，这样就形成了一个新的组合样品 。 第5步：用新的样品