聚类分析(系统聚类过程) 上机指导.docVIP

第六章 聚类分析 ——系统聚类过程 一、系统聚类法——CLUSTER(系统聚类)过程 CLUSTER(系统聚类)过程的一般格式 PROC CLUSTER METHOD=nameoptions; 必需的语句 VAR variables； COPY variables; ID variables; 可选语句 BY variables; FREQ variables; 语句说明： 1、 PROC CLUSTER语句 该语句的一般格式为： PROC CLUSTER METHOD=nameoptions; 该语句表示调用CLUSTER过程，并开始执行系统聚类分析。 METHOD=name指定聚类方法。常用的聚类方法及其SAS名如下： AVERAGE|AVE（类平均法）； CENTROID|CEN（重心法）； COMPLETE|COM（最长距离法）； DENSITY|DEN（密度估计法）； EML（最大似然谱系聚类）； FLEXIBLE|FLE（可变类平均法）； MCQUITTY|MCQ(McQuitty的相似分析方法)； MEDIAN|MED（中间距离法）； SINGLE|SIN（最短距离法）； TWOSTAGE|TWO（两阶段密度估计法）； WARD（Ward法或离差平方和法） 常用的 options选项： 1）．数据集选项 (1)DATA=sas-data-set：规定输入数据集名。如果数据集的类型为TYPE=DISTANCE，那么数据被认为是距离阵，否则，认为是欧氏空问中的坐标数据，并计算欧氏距离。 (2)OUTTREE=sas-data-set：生成记录聚类过程的输出数据集，用于画谱系聚类图的TREE过程可使用该数据集。如果缺省，采用DATAn规则来命名。 2） . 聚类前的数据处理及聚类细节选项 （1）STANDARD|STD：对变量进行标准化处理，使处理后的数据均值为0，方差为1，该选项仅用于输入的数据是坐标数据； (2) NOSQUARE：阻止过程在使用AVE，CEN，MED或Ward等方法进行聚类时对距离进行平方； (3)NOEIGEN：阻止计算立方聚类标准的特征根； (4)BETA：对可变类平均法规定参数值； (5)NONORM：防止把距离规范化为单位均值或单位均方。如同Ward法一起使用，该选项阻止过程用总离差平方和去类间平方和得到平方半偏相关。 3）.控制输出选项 二、VAR语句 三、COPY语句 四、ID语句 应用举例（课本例6.4.1） 例1： 表6.7是我国16个地区农民1982年支出情况的抽样调查的汇总资料，每个地区都调查了反映每人平均生活消费支出情况的六个指标．试利用调查资料对16个地区进行分类． goptions ftext=宋体; data d641; input group $ x1-x6; cards; 北京 190.33 43.77 9.73 60.54 49.01 9.04 天津 135.20 36.40 10.47 44.16 36.49 3.94 河北 95.21 22.83 9.30 22.44 22.81 2.80 山西 104.78 25.11 6.40 9.89 18.17 3.25 内蒙 128.41 27.63 8.94 12.58 23.99 3.27 辽宁 145.68 32.83 17.79 27.29 39.09 3.47 吉林 159.37 33.38 18.37 11.81 25.29 5.22 黑龙江 116.22 29.57 13.24 13.76 21.75 6.04 上海 221.11 38.64 12.53 115.65 50.82 5.89 江苏 144.98 29.12 11.67 42.60 27.30 5.74 浙江 169.92 32.75 12.72 47.12 34.35 5.00 安徽 153.11 23.09 15.62 23.54 18.18 6.39 福建 144.92 21.26 16.96 19.52 21.75 6.73 江西 140.54 21.50 17.64 19.19 15.97 4.94 山东 115.84 30.26 12.20 33.61 33.77 3.85 河南 101.18 23.26 8.46 20.20 20.50 4.30 ; proc cluster data=d6