2015数学号张亚娟.docVIP

理学院 数1101班 07700110102 张亚娟 2.试述系统聚类法的原理和具体步骤。 聚类分析是研究“物以类聚”的一种科学有效的方法。做聚类分析时，出于不同的目的和要求，可以选择不同的统计量和聚类方法。 系统聚类是目前应用最为广泛的一种聚类方法，其基本思想是：先将待聚类的n个样品（或者变量）各自看成一类，共有n类；然后按照实现选定的方法计算每两类之间的聚类统计量，即某种距离（或者相似系数），将关系最为密切的两类合为一类，其余不变，即得到n-1类；再按照前面的计算方法计算新类与其他类之间的距离（或相似系数），再将关系最为密切的两类并为一类，其余不变，即得到n-2类；如此下去，每次重复都减少一类，直到最后所有的样品（或者变量）都归为一类为止。 1、目的 用SPSS软件实现聚类分析及其应用。 2、内容及要求 用SPSS对实验数据运用系统聚类法和K均值聚类法进行分析。 二、仪器用具： 仪器名称 规格/型号 数量 备注 计算机 1 有网络环境 SPSS软件 1 三、实验方法与步骤: 准备工作：把实验所用数据从Word文档复制到Excel，并进一步导入到SPSS数据文件中。 分析：由于本实验中要对31个个案进行分类，数量比较大，用系统聚类法当然也可以得出结果，但是相比之下在数据量较大时，K均值聚类法更快速高效，而且准确性更高，因此，在以下的分析过程中，先采用系统聚类法分析，得出相应结果和碎石图（即聚合系数随分类数变化的曲线图），根据碎石图来判定分几类比较合适，然后再用K均值聚类法进行聚类分析得出结果，比较两结果的异同，以得到比较可信的结果。 四、实验结果与数据处理： 1）用系统聚类法对所有个案进行聚类： 采用Z分数对数据进行标准化处理。 以下图一为聚类方法为“组间联接”时的冰柱图，图二为聚类方法为“Ward法”时的冰柱图，图三为聚类方法为“质心聚类法”时的冰柱图。 不难看出在分五类的情况下，（未标出的所有为一类） 图一的分类为：北京；天津；上海、浙江、广东；辽宁、四川、江苏、山东；…… 图二的分类为：北京；天津；上海、海南、浙江、广东；辽宁、四川、江苏、山东；……图三的分类为：北京；天津；上海、浙江、广东；辽宁、四川、江苏、山东；…… 聚类方法为“组间联接”与“质心聚类法”时分五类的情况是一样的，而聚类方法为“Ward法”时与它们两个有些许差别，但总的来说在分五类时，比较可信的结论是北京、天津单独为一类，辽宁、四川、江苏、山东为一类，上海、浙江、广东为一类，在海南省的划分上有些差异，“Ward法”中将其与上海、浙江、广东分为一类，但是其余两个将海南与未列出各省划为一类。 图一 图二 图三 2）系统聚类法分析时的碎石图： 聚类方法为“组间联接”时的碎石图： 聚类方法为“Ward法”时的碎石图： 聚类方法为“质心聚类法”时的碎石图： 由这三个图可以看出在聚类方法为“Ward法”时的碎石图不如另外两个图落差那么明显，但是综合这三个图来看，分五类还是相对比较合理的，这也是为什么在第一部分的分析中只看了分五类时的情况，而且在下面的K均值聚类分析中，也将指定聚类数为5. 3）K均值聚类： 在下页表一中显示了样品的分类情况，我们看到，K均值聚类法将所分析的31个省、市、自治区分为这样的五类： 1：北京； 2：福建、海南； 3：辽宁、江苏、山东、四川； 4：天津、上海、浙江、广东； 5：剩下的20个省、市、自治区。 对比之前系统聚类法的分析结果，我们可以明显感觉到二者的聚类结果还是有较大差异的，尽管如此，仍然有相似之处，在两种方法下，都是北京单独为一类，辽宁、四川、江苏、山东为一类，上海、浙江、广东在一类中，所以综合这两种方法得到的这些省、市、自治区的分类应该还是比较可信的。 表一 聚类成员 案例号 省份 聚类 距离 1 北京 1 .000 2 天津 4 4858.518 3 河北 5 2437.069 4 山西 5 2756.057 5 内蒙古 5 1259.428 6 辽宁 3 1851.996 7 吉林 5 2383.755 8 黑龙江 5 2065.670 9 上海 4 4346.782 10 江苏 3 2020.990 11 浙江 4 2963.427 12 安徽 5 1791.589 13 福建 2 2648.765 14 江西 5 2436.133 15 山东 3 1524.880 16 河南 5 2522.320 17 湖北 5 2225.459 18 湖南 5 1700.929 19 广东 4 4382.18