統計諮詢.pptVIP

集群分析(Cluster) 根據觀察值在一群變項上的測量值進行分類的多變量分析方法。 在不同專業領域也稱為 Q型分類(Q Analysis)、 分類建構(typology construction)、 類型分析(classification) analysis) 及數值分類法(numerical taxonomy)。 意義與目的 集群分析可用在醫學商將各種疾病加以分類、行銷上將各客戶加以分群。 主要方法是使用一組的計量資料，加以計算各觀察值得相似性或相異性，然後使用各種分析的方法，將這些觀察值加以分類，進而能更有效地掌握各級群的性質。 相似性與相異性 資料的相異性多以距離來判斷。距離衡量有 街道距離(city block)： 歐氏距離(Euclidean distance)： 敏可斯基距離(Minkowski distance)： 馬氏距離(Mahalanobis distance)： 距離值愈大，表示兩倍觀察個體距離愈大，因此相異性也愈大。 另外可利用被觀察個體間的相關矩陣(稱為Q型矩陣)，來表示其相似性。 分析方法 分成階層式及非階層式兩大類。 階層式 階層式的聚合步驟，是先計算出各被觀察個體間的距離或組內誤差矩陣，然後將最接近的兩個被觀察個體加以合併成一集群，在計算合併後各被觀察個體間的距離或組內誤差，並重複以上的程序，直到所有的觀察個體合併成同一集群。 常用的聚合方法有平均