(初始聚类中心.docVIP

表一： 案例处理汇总a,b 案例 有效 缺失 总计 N 百分比 N 百分比 N 百分比 41 100.0 0 .0 41 100.0 a. 平方 Euclidean 距离 已使用 b. 平均联结（组之间） 此表可以看出，选择工作的人有41人。他们来自不同的性别，专业，他们的第一份工作时间，获取招聘信息途径，工作单位性质，工作地点，期望工资也都各有差异。我们将对这些数据进行聚类分析。 一、K-Means聚类分析 表二： 初始聚类中心 聚类 1 2 3 性别 1 0 1 第一份工作时间 3 3 1 获取招聘信息途径 4 2 1 工作单位性质 1 4 1 工作地点 1 4 4 期望工资 2 2 4 表一展示了3个类的初始中心的情况。3个初始类中心点，数据分别是（1，3，4，1，1，2）（0，3，2，4，4，2）（1，1，1，1，4，4） 得出：一类性别为女，第一份工作时间为一年到五年，获取招聘信息途径为亲友介绍，工作单位性质为国企，工作地点为经济发达的大型城市，期望工资为800~1500元；二类性别为男，第一份工作时间为一年到五年，获取招聘信息途径为大型招聘会 ，工作单位性质为中小企业，期望工资为800~1500元；三类性别为女，第一份工作时间为半年以内，获取招聘信息途径为网站，工作单位性质为国企，工作地点为无所谓，期望工资为2500元以上。 表三： 迭代历史记录a 迭代 聚类中心内的更改 1 2 3 1 1.845 2.000 1.500 2 .114 .183 .000 3 .000 .000 .000 a. 由于聚类中心内没有改动或改动较小而达到收敛。任何中心的最大绝对坐标更改为 .000。当前迭代为 3。初始中心间的最小距离为 4.359。 此表展示了3个类中心每次迭代的偏移情况。由表知道，第三次迭代后，3个类的中心偏移均小于判定标准（0.02）。 表四： 最终聚类中心 聚类 1 2 3 性别 1 1 1 第一份工作时间 3 3 2 获取招聘信息途径 3 2 2 工作单位性质 1 4 1 工作地点 1 2 4 期望工资 3 3 3 此表展示了3个类的最终类中心的情况。3个最终类中心数据分别是（1，3，3，1，1，3）（1，3，2，4，2，3）（1，2，2，1，4，3）。 得出：一类性别为女，第一份工作时间为一年到五年，获取招聘信息途径为专场招聘会，工作单位性质为政府机关及事业单位，工作地点为经济发达的大型城市，期望工资为1500~2500元；二类性别为女，第一份工作时间为一年到五年，获取招聘信息途径为大型招聘会 ，工作单位性质为中小企业，期望工资为1500~2500元；三类性别为女，第一份工作时间为半年到一年，获取招聘信息途径为大型招聘会，工作单位性质为国企，工作地点为无所谓，期望工资为1500~2500元。 表五： 每个聚类中的案例数 聚类 1 24.000 2 13.000 3 4.000 有效 41.000 缺失 .000 此表展示了三个类的成员情况，第一类有24人，第二类有13人，第三人有4个人， 表六： ANOVA 聚类 误差 F Sig. 均方 df 均方 df 性别 .140 2 .235 38 .596 .556 第一份工作时间 .527 2 .505 38 1.044 .362 获取招聘信息途径 4.678 2 .642 38 7.285 .002 工作单位性质 22.664 2 .354 38 64.024 .000 工作地点 13.928 2 .507 38 27.471 .000 期望工资 .418 2 .607 38 .688 .509 F 检验应仅用于描述性目的，因为选中的聚类将被用来最大化不同聚类中的案例间的差别。观测到的显著性水平并未据此进行更正，因此无法将其解释为是对聚类均值相等这一假设的检验。 在此表中可以看出性别，第一份工作时间，工资期望在3类中没有显著性，但获取招聘信息途径，工作单位性质，工作地点在3类中的差异是显著的。 二、层次聚类分析 图一： Dendrogram using Average Linkage (Between Groups) Rescaled Distance Cluster Combine C A S E 0 5 10 15 20 25 Label Num +---------+-------