第九章SPSS的聚类分析综述.pptVIP

第八章 SPSS的聚类分析 聚类分析概述 (一)概念 (1)聚类分析是统计学中研究“物以类聚”的一种方法,属多元统计分析方法. 例如：细分市场、消费行为划分 聚类分析是建立一种分类，是将一批样本(或变量)按照在性质上的“亲疏”程度,在没有先验知识的情况下自动进行分类的方法.其中:类内个体具有较高的相似性,类间的差异性较大. 聚类分析概述 两类:(001 002) (003 004 005) 三类:(001 002) (003) (004 005) (2)例如 聚类分析概述 (3)总结 上述分类的原则:依据学生成绩的差距,差距较小的为一类 分类过程中,没有事先指定分类的标准.完全根据样本数据客观产生分类结果. (4)SPSS中的聚类方法 分层聚类 K-MEANS快速聚类 聚类分析概述 （二）特点 聚类分析前所有个体所属的类别是未知的，类别个数一般也是未知的，分析的依据只有原始数据，可能事先没有任何有关类别的信息可参考 严格地，聚类分析并不是纯粹的统计技术，不象其他多元分析，需要从样本去推断总体 一般不涉及统计量分布，也不需显著性检验 聚类分析更象是一种建立假设的方法，而对相关假设的检验还需要借助其他统计方法 聚类分析概述 （三）注意 聚类分析主要用于探索性研究，其分析结果可提供多个可能的解，最终解的选择需要研究者的主观判断和后续分析 聚类分析的解完全依赖于研究者所选择的聚类变量，增加或删除一些变量对最终解都可能产生实质性的影响 不管实际数据中是否存在不同的类别，利用聚类分析都能得到分成若干类别的解 分层聚类 (一)思路:聚类过程具有一定的层次性 以合并(凝聚)的方式聚类(SPSS采用) 首先,每个个体自成一类 其次,将最“亲密”的个体聚成一小类 然后,将最“亲密”的小类或个体再聚成一类 重复上述过程,即：把所有的个体和小类聚集成越来越大的类，直到所有的个体都到一起(一大类)为止 可见,随着聚类的进行,类内的“亲密”性在逐渐减低 ——一旦个案（变量）被聚为一类，以后分类结果不会改变 分层聚类 (一)思路 以分解的方式聚类 首先,所有个体都属于一类 其次,将大类中最“疏远”的小类或个体分离出去 然后,分别将小类中最“疏远”的小类或个体再分离出去 重复上述过程,即：把类分解成越来越小的小类，直到所有的个体自成一类为止 可见,随着聚类的进行,类内的亲密性在逐渐增强 分层聚类 (二)“亲疏”程度的衡量 (1)衡量指标 相似性:数据间相似程度的度量 距离: 数据间差异程度的度量.距离越近,越“亲密”,聚成一类;距离越远,越“疏远”,分别属于不同的类 (2)衡量对象 个体间距离 个体和小类间、小类和小类间的距离 分层聚类 (三)定距数据个体间的距离 把每个个案数据看成是k维空间上的点,在点和点之间定义某种距离.一般适用于定距数据 欧氏距离(EUCLID) 平方欧氏距离(SEUCLID) 马氏距离(BLOCK) 切比雪夫距离(CHEBYCHEV) 明考斯基绝对值幂距离(POWER) 分层聚类 结论:由于3.61距离最小，因此(004,005)首先聚成一类 个体距离矩阵 (三)定距数据个体间的距离 欧氏距离举例 分层聚类 (四)品质数据个体间的距离 简单匹配(simple matching)系数:适用二值变量。 a为样本i与样本j在所有变量上同时取1的个数；d为同时取0的个数 特点：排除同时拥有或同时不拥有某特征的情况；取0和1地位等价，编码方案的变化不会引起系数的变化。 分层聚类 (四)品质数据个体间的距离 简单匹配(simple matching)系数:适用二值变量 姓名 手机上网 无线音乐 选某门课程 张三 1 1 1 李四 1 1 0 王五 0 0 1 （张三，李四）：a=2 b=1 c=0 d=0 d(x,y)=1/(1+2)=1/3 （张三，王五）：a=1 b=2 c=0 d=0 d(x,y)=2/(1+2)=2/3 张三距李四近 分层聚类 (四)品质数据个体间的距离 雅科比（Jaccard）系数:适用二值变量 a为样本i与样本j在所有变量上同时取1的个数；d为同时取0的个数 特点：排除同时不拥有某特征的情况；取1的状态比取0更有意义(如:临床检验中的阳性特征)；编码方案会引起系数的变化 分层聚类 (四)品质数据个体间的距离 雅科比（Jaccard）系数:适用二值变量 姓名 手机上网 无线音乐