第十一章聚类分解.ppt

第十一章 聚类分析 一、聚类分析概述 二、相似性的衡量 三、层次聚类分析 四、非层次聚类分析 五、聚类分析的SPSS过程 一、聚类分析概述 （一）什么是聚类分析 （二）聚类分析的目的与原则 （三）聚类分析的性质 （四）聚类分析要解决的基本问题 （五）聚类分析的基本流程 什么是聚类分析？ 1、聚类分析，又称集群分析（Cluster Analysis），是一种常用的多元统计方法，是根据事物之间的相似性和相异性，将事物归入到不同的“类”中去的过程。 这里的“类”，数学上也叫“集群”，是指由某方面性质相同或相似的事物组成的集合。 2、“物以类聚，人以群分”。在科学研究工作中，最基础的一项工作就是对研究对象进行分类，以便更好地把握对象的实质规律。聚类分析能够很好地帮助人们对研究对象进行数值分类。 3、在心理学研究中, 经常遇到的分类包括两种情况：一是对研究样本或个案的分类, 即根据每个个案的一系列观测指标，将那些在这些观测量方面表现相近的个案归为一类, 将那些在这些观测量方面的表现很不相同的个案归为不同类；二是对观测量的分类，即将一系列的观测量归类合并为性质明显不同的少数几个方面。 也就是说，在SPSS的聚类分析功能中，可以对数据文件的“行”进行分类，也可以对数据文件的“列”进行分类。 聚类分析的目的与原则 聚类分析的目的是：辨认在某些特性上相似的事物，并将这些事物按照这些特性划分成几个“类”，使得同一类中的事物具有高度的同质性，不同类之间的事物具有高度的异质性。 上述红色字体部分体现了聚类分析的基本原则。 聚类分析的性质 1、是一种数值分类法。它与传统分类方法的不同之处在于，传统的分类方法的分类准则是事先决定的，而聚类分析是按照“自然类别”将分布于某一数量空间的点予以分类，使分类后的“类”（集群）具有同质性。 2、不是一种统计推论技术。而是将一组观察值的结构特性予以数量化的一种客观方法。因此，在推论统计中非常重要的正态性、线性和方差齐性等要求，对聚类分析几乎没什么作用。但如果变量间有多重共线性，则会影响聚类分析的结果。 多重共线性是指特征变量之间存在精确的相关关系或高度相关关系。 聚类分析要解决的基本问题 主要解决三个基本问题： 1、我们如何衡量各事物之间的相似性？ 2、假设我们能衡量每一个事物与其他事物的相对相似性，我们又要如何将相似的事物归入同一“类”内？ 3、当聚类完成后，如何来描述这些“类”？同时又如何知道所得到的类别（集群）是真实的，而不是某种统计上的加工品？ 聚类分析的基本流程 （一）研究问题（探索性的还是验证性的？） （二）变量的选择 （三）相似性的衡量 （四）聚类方法的选择 （五）“类数” 的决定 （六）“类”的解释 （七）“类”的验证 （二）变量的选择 不论研究的目的是探索性的还是验证性的，进行聚类分析，首先应建立由某些事物属性构成的指标体系，或者说是一个变量组合。入选的每个指标必须能刻画事物属性的某个侧面，所有指标组合起来形成一个完备的指标体系，它们互相配合可以共同刻画事物的特征。 所谓完备的指标体系，是说入选的指标是充分的，其他任何新增变量对辨别事物差异无显著性贡献。如果所选指标不完备，则导致分类偏差。比如要对家庭教养方式进行分类，就要有描述家庭教育方式的一系列变量，这些变量能够充分地反映不同家庭对子女的教养方式。 简单地说，聚类分析的结果取决于变量的选择和变量值获取的两个方面。变量选择越准确、测量越可靠，得到的分类结果越是能描述事物各类间的本质区别。 （三）相似性的衡量 各事物间相似程度的衡量方法有好多种，大致可分成两大类： 1、距离衡量（distance measures）。 2、关联衡量（association measures） 。 距离衡量 很多相似性的衡量是以点与点间的距离为代表。点与点间距离的计算方法有很多，根据数据的不同类型，可以选择不同的计算距离： 1、连续的等距数据： 欧几里得距离： 欧氏距离平方：公式略。 绝对值距离：两个体在每一个变量上取值之差的绝对值的总和。 切比雪夫距离：两个体在任意一个变量上取值之差的绝对值的最大值。 等等； 2、计数数据： 卡方相似性测度：公式略。 等等； 3、二分变量： 二值 欧氏距离、二值欧氏距离平方 等等。 关联衡量 1、个案之间的相似性：如果事物的属性全部以名义变量来表示时，则两事物之间的相似性可以用配合系数（matching coefficient）或相似比（similarity ratio）来衡