Cht11聚类分析1.ppt

第一步，X4与X7被合并，它们之间的相关系数最大； 第二步，X3与X2合并 第三步，X6与第二步的合并项被合并； 第四步，它们与第一步的合并项再合并； 第五步，与最后一个变量X5合并，这个相关系数最小，为-0.054485。? 冰柱图: 从上往下进行 过程图 微量元素钙、镁、铁、铜和血红蛋白聚合成一类，在这5个指标中如何选择一个典型指标呢？先按下式计算类中每一变量与其余变量的相关指数（即相关系数的平方）的均值，而后把该值最大的变量作为典型指标 故选择镁（变量X2）典型指标。 Hierarchical Cluster过程 主要功能 实例操作 K-Means Cluster过程 主要功能 实例操作 大样本的观察值聚类法 本聚类法是基于欧几里得距离的分离聚类法，它面向观察值（OBS）将每个OBS分配给最靠近的聚类中，每个OBS只属于某一聚类。形成一个新聚后再用新聚类的均值替换旧聚类的中心点。反复迭代，直到不能减少各自中心点的“离差”和为止。 它适宜做大数据量的聚类分析，可分析100-10万个观察值。它利用标准迭代法计算类的平均值之间的最小平方和。 FASTCLUS过程将显示主要聚类结果，还可根据需要输出一个聚类成员及其变量，但它不像CLUSTER那样形成树形结构图。 K-Means Cluster过程 主要功能 调用此过程可完成由用户指定类别数的大样本资料的逐步聚类分析。所谓逐步聚类分析就是先把被聚对象进行初始分类，然后逐步调整，得到最终分类 激活Statistics菜单选Classify中的K-Means Cluster...项，弹出K-Means Cluster Analysis对话框。 从对话框左侧的变量列表中选x1、x2、x3、x4，点击?钮使之进入Variables框； 在Number of Clusters（即聚类分析的类别数）处输入需要聚合的组数，本例为4； 在聚类方法上有两种：Iterate and classify指先定初始类别中心点(对类中心有个调整？)，而后按K-means算法作叠代分类，Classify only指仅按初始类别中心点分类，本例选用前一方法 为研究儿童生长发育的分期，调查1253名1月至7岁儿童的身高（cm）、体重（kg）、胸围（cm）和坐高（cm）资料。 资料作如下整理：先把1月至7岁划成19个月份段，分月份算出各指标的平均值，将第1月的各指标平均值与出生时的各指标平均值比较，求出月平均增长率（%），然后第2月起的各月份指标平均值均与前一月比较，亦求出月平均增长率（%）。 欲将儿童生长发育分为四期，故指定聚类的类别数为4，请通过聚类分析确定四个儿童生长发育期的起止区间。 为在原始数据库中逐一显示分类结果，点击Save...钮弹出K-Means Cluster:Save New Variables对话框，选择Cluster membership项，点击Continue钮返回K-Means Cluster Analysis对话框。 本例还要求对聚类结果进行方差分析，故点击Options...钮弹出K-Means Cluster:来Options对话框，在Statistics栏中选择ANOVA table项，点击Continue钮返回K-Means Cluster Analysis对话框，再点击OK钮即完成分析。 首先系统根据用户的指定，按4类聚合确定初始聚类的各变量中心点，未经K-means算法叠代，其类别间距离并非最优；经叠代运算后类别间各变量中心值得到修正。 之后对聚类结果的类别间距离进行方差分析，方差分析表明，类别间距离差异的概率值均0.001，即聚类效果好。这样，原有19类（即原有的19个月份分组）聚合成4类，第一类含原有1类，第二类含原有1类，第三类含原有2类，第四类含原有15类。具体结果系统以变量名QCL_1存于原始数据库中。 在原始数据库中，我们可清楚地看到聚类结果；参照专业知识，将儿童生长发育分期定为： 第一期，出生后至满月，增长率最高； 第二期，第2个月起至第3个月，增长率次之； 第三期，第3个月起至第8个月，增长率减缓； 第四期，第8个月后，增长率显著减缓。 ? Hierachical Cluster analysis K-Means analysis 观察值数量太多，冰柱图（Icecle plots）和树状突（Dendrograms）呈现的过于分散，不易令人阅读与理解，多要用K方法。 但K方法需要定义事前集群数目，进行分析次数可能较为多次，可运用全体观察值中的部分数据进行H法，作为集群数目的参考值。而观察值不多的情况下，则采用H法。 第11章 聚类分析 一、绪言1.1 多元统计分析 多元统计分析是统计学的一个重要