聚类分析方法与SPSS汇编.ppt

聚类分析方法 基于SPSS应用软件 （一） 聚类分析的一般问题 1.聚类分析的意义 聚类分析是统计中研究物以类聚的多元统计分析方法，针对的是生活中广泛存在的聚类现象和形成的统计分析方法； 例如：市场细分和客户细分问题； 聚类分析是将一组数据（变量）按照其不同的特征（或者在样本上的不同表现）自动分成若干类，类内部有相似性，类之间有区别； 理解聚类分析的关键 (1)首先不知道数据到底是来自几个类； (2)第二不知道每个数据到底是那一类； (3)第三也不知道类和类的界限是什么； (4)所谓亲疏程度就是两个数据（变量）综合考虑各指标后的接近程度； 2. 聚类分析中的“亲疏程度”的度量方法 数据中，个体之间的亲疏程度是非常重要的，因为我们正是依靠这种亲疏程度来将进行类的合并和分化； 亲疏程度的测度一般可以有两个角度： 个体间的相似程度，越相似两个体越接近，可以用相似系数来描述这种相似程度； 个体间的差异程度，即个体间的距离，距离越近则个体越接近； 首先要将数据看成空间中的一个点，以此来定义距离，距离的定义有很多，可以分为欧氏距离，明氏距离，夹角余弦等； 根据变量的类型不同，距离的定义方式也不同，比如定距型变量和计数型变量的距离就不一样； 3. 聚类分析的几点说明 所选的变量应该符合聚类的要求，一定要选取与分析的目标有关的变量，而不要选取无关的变量； 各变量的变量值不应该在数量级上有差异，数量级上的差异可能带来距离上不准确从而影响聚类效果，解决的方法是先将数据标准化； 各变量间不应该有较强的线性相关关系，否则其中一个变量就没有用了； 　　　常见的聚类分析方法有两种：层次聚类和K－Mean聚类，这两种方法SPSS都提供菜单操作。 （二） 层次聚类 1. 层次聚类的两种类型和两种方式 层次聚类又称系统聚类，聚类过程按照一定的层次进行，即从小类到大类的层次， 有两种类型：Q型聚类和R型聚类， 聚类方式也分两种：凝聚型聚类和分解型聚类； Q型聚类是对样本进行聚类，R型聚类是对变量进行聚类； 凝聚方式聚类的思想是首先每个样本自成一类，然后按照某种方法度量个体间的亲疏程度，将其中最亲密的个体聚成一小类，然后以此继续下去，直到最后只剩下一个类； 分解方式聚类的思想是首先所有个体都成为一个大类，然后按照某种方法度量亲疏程度，将最疏远的个体分离除去形成两个类，以此继续下去，知道每一个个体自成一类； 在SPSS中采用凝聚方式的聚类方法 2. 个体与小类，小类与小类之间的亲疏程度的度量方法 SPSS提供了很多度量小类与小类之间的亲疏程度的方法，下面分别介绍几种： “Cluster”共有七种进行聚类的方法： ①“Between-groups linkage”类间平均法，当两类之间所有个案之间距离的平均值最小时，这两类可以合并为一类。这是系统缺省的方法。 ②“Within- groups linkage”类内平均法，当合并后所有个案的距离的平均值最小时，这两类可以合并为一类。 ③“Nearest neighbor”最短距离法，当两类之间最近的个案之间的距离最小时，这两类可以合并为一类。 ④“Furthest neighbor”最长距离法，当两类之间最远的个案之间的距离最小时，这两类可以合并为一类。 ⑤“Centroid clustering”重心法，当两类中重心的距离最小时，这两类可以合并为一类。 ⑥“Median clustering”中心法，当两类中心的距离最小时，这两类可以合并为一类。 ⑦“Wards method”离差平方和法，当合并后类内部的各个个案距离的离差平方和最小时，这两类可以合并为一类。 选择变量进入“Variable(s)”中 选择聚类类型“Cluster”(单选项)： 样本聚类Cases(“Q聚类”)或变量聚类Variable(“R聚类”) “display”中可以选择(复选项) ： “Statistics”只计算统计分析。 “plots”只产生图像。 “Agglomeration schedule”为生成并类过程表。在表中将显示并类过程中的并类信息，包括：并类距离值、在相应值上的并类类别和类间关系。可以根据并类过程表了解聚类过程。 “Proximity matrix”产生测度矩阵。测度矩阵可以显示出并类过程中各类之间的距离或相关性。 “Cluster Membership”聚类成员关系表。在并类过程中，各个个案被并到哪一类： “None” 不显示聚类成员关系表。 “Single solution”显示指定类数时聚类成员关系表。指定的类数应当是小于等于个案个