SPSSStatistics培训第3天概要.pptx

SPSS Statistics 培训(三);LUNCH;SPSS Statistics 课程安排;SPSS Statistics 课程安排;SPSS Statistics 课程安排;SPSS Statistics 课程安排;7; 9.1聚类分析 9.1.1聚类分析定义 9.1.2系统聚类 9.1.3K-均值聚类 9.1.4两步聚类 ; 俗语说，物以类聚、人以群分 当有一个分类指标时，分类比较容易 但是多个指标时，进行分类就不是很容易了！ 例如，对中国的区县进行分类： 自然条件：降水、土地、日照、湿度等 经济指标：收入水平、教育程度、医疗条件、基础设施等 平均的方法？ 容易忽视相对重要程度的问题 要进行多元分类－聚类分析 ;一种探索性的数据分析技术 基本目标：在数据中寻找某种“自然的”分组结构 应用举例 细分市场 消费行为划分 设计抽样方案 ;聚类分析就是要找出具有相似程度的点或类聚为一类 如何衡量这个“相似程度”？ 根据距离来确定 “距离”含义很广：如欧式距离，马氏距离…,相似系数 ;根据分析对象： R型聚类－对变量（指标）进行聚类 Q型聚类－对观测对象（个体、样品）进行聚类 根据方法： 层次聚类(Hierarchical Clustering) 非层次聚类 K－均值聚类 两步聚类 注:没有什么聚类方法，具有绝对优势 ; 9.1聚类分析 9.1.1聚类分析定义 9.1.2系统聚类 9.1.3K-均值聚类 9.1.4两步聚类 ;9.1.2 层次聚类;层次聚类方法可应用多种距离衡量个体/变量的相似性 利用哪种距离聚类取决于： 所分析的数据类型 哪种距离对于聚类最具有解释意义 类之间的距离定义包括： 最短距离法－Nearest Neighbor( Single Linkage) 最长距离法－Furthest Neighbor (Complete Linkage) 重心法－Centroid Clustering 组间（类）平均法－Between－groups Linkage 离差平方和法－Ward’s Method 此外还有中位数距离法（Median Clustering)、类内平均法(Within-Groups Linkage)等 ;优点 聚类变量可以是分类或连续型变量； 既可以对变量聚类，也可以对数据点/记录聚类(市场细分一般都是对记录聚类)； 一次运行即可得到完整的分类序列； 不足 由于反复计算距离，在样本量太大或变量较多时，分层聚类的运算速度明显较慢(通常，建议样本量不超过200) ;;;;;;; 9.1聚类分析 9.1.1聚类分析定义 9.1.2系统聚类 9.1.3K-均值聚类 9.1.4两步聚类 ; K-均值聚类又叫快速聚类法： 首先，确定聚类的类别数（即K），选择n个数值型变量参与聚类分析 其次，由分析者指定或由系统自动根据数据结构中心选择k个(聚类的类数）观测值作为聚类的原始中心点 第三，逐一计算每一记录到各个类别中心点的距离，把各个记录按照距离最近的原则归入各个类别 第四，重新计算每个类中各个变量的均值，以此作为再次次迭代的中心 第五，按照新的中心位置重新计算每一记录达到中心的距离，即重复第三、第四步，直到中心的迭代标准达到要求时，聚类过程结束 ; 优点 K均值聚类的速度快于系统聚类，是处理大型数据集聚类的常用方法 内存占用小 不足 只适用于连续型变量； 只能对记录进行聚类，而不能对变量聚类； 对初始聚类中心有一定的依赖性； 由于要事先选定聚类数，所以要尝试多次，以找出最佳聚类 ;;;; 9.1聚类分析 9.1.1聚类分析定义 9.1.2系统聚类 9.1.3K-均值聚类 9.1.4两步聚类 ; 优点 可有效地分析大型数据集 可处理分类、定量型数据 可自动确定聚类数目（根据一定的统计指标“自动地”建议（理论上）最佳的聚类数量） 计算过程 Pre-cluster Step：生成聚类特征树，将记录预聚类 Clustering Step：进行层次聚类，根据BIC，AIC准则及相邻两步的最小类间距离比确定最终聚类数 相关假定 连续型变量不相关，并服从正态分布 分类型变量不相关，并服从多项分布 比较稳健，不满足上述假设时，有时也可以得到很好的结果 ;;以对数似然函数作为聚类度量时，标准化无影响，可通过“选项”将标准化剔除 可通过高级选型调整CF树生成准则;;9.2判别分析 9.2.1判别分析定义 9.2.2常用判别分析方法介绍 9.2.3判别效果评估 9.2.4SPSS实现 9.2.5总结 ;9.2.1 判别分析定义;9.2.1 判别分析定义;9.2.1 判别分析定义;9.2判别分析 9.2.1判别分析定义 9.2.2常用判别分析方法介绍 9.2.3判别效果评估 9.2.4SPSS实现 9.2.5总结 ;9.2.2.1 距离判