[管理学]08第8章 把对象分成不同的类别.pptVIP

让混沌涌来吧！让云彩形成一片沼泽！我等待着成形。 ——Robert Frost 日常生活中，人们总是喜欢用“不是一家人不进一家门”这样通俗的话语来表示具有某些相似特征的人（或物）理应“走到”一起。究其本质，人们是尝试用某一种标准把所有的对象进行分门别类 在自然科学和社会科学的各个领域，存在着大量的分类问题。比如根据人均GDP、人均消费水平等多项指标把世界各国划分成不同的经济发展程度；在地质勘探中，根据岩石标本的多种特性来判别地层所属的地质年代等 这些分类问题中，有些是事先并不知道存在什么类别，完全按照反映对象特征的数据所揭示的规律把对象进行分类；有些则是在事先有了某些可信的分类标准之后，判定一个新的研究对象应该归属到哪一类别 这两种研究分类的基本方法分别就是多元分析中的聚类分析和判别分析，二者之间既有区别又有联系 第 8 章 把对象分成不同的类别 8.1 聚类分析 8.2 判别分析 什么是聚类分析？ 聚类分析的目的就是把分类对象按照一定的规则分成合理的若干类别，这些类不是事先给定的，而是直接根据数据的特征确定的 当面对一个数据时，人们既可以按照观测值(以下称为样品)对多个变量进行分类，也可以按照变量对不同的观测值进行分类，这在聚类分析中被分别称为R型聚类和Q型聚类 但在数学上和实现过程中，这两种聚类并没有什么本质区别，考虑到人们更感兴趣的往往是基于变量信息对样品进行分类，因此在此重点以Q型聚类为例来介绍该方法 8.1.1 按什么来聚类？ 按什么来聚类？ 按什么来聚类？ 8.1.2 怎样度量距离远近？ 怎样度量距离远近？ 怎样度量距离远近？(Cluster Method) 8.1.3 分层聚类法 分层聚类法 (hierarchical cluster) 用SPSS实现分层聚类 第1步：选择【Analyze】下拉菜单，并选择【Classify- Hierarchical Cluster 】(分层聚类)选项进入主对话框 第2步：在主对话框中将原始数据中用于聚类的所有变量选入 【Variable(s)】，把区分样品的标签变量选入【Label Cases by】，在【Cluster】下选择【Cases】(这是 Q型聚类，如果要对变量进行R型聚类，则选择 【Variables】) 第3步：点入【Statistics】选中【Agglomeration schedule】， (聚类清单)点击【Continue】回到主对话框 用SPSS实现分层聚类 第4步：点入【Plots】选中【Dendrogram】(树状图)，点击 【Continue】回到主对话框 第5步：点入【Method】，可以在【Cluster Method】中选择 类间距离的定义方法，在【Measure】下选择点间距离 的定义方法，在【Transform Values】或【Transform Measures】下选择是否对原始数据进行标准化处理或 其他变换，点击【Continue】回到主对话框 第6步：点入【Save】，可以在【Cluster Membership】(群成 员数)下选择在原始数据中保留分成多少类别的分类结 果，点击【Continue】回到主对话框，点击【OK】 类间距离方法的选择(Cluster Method) 被聚类变量的类型(Measure) 分层聚类法(聚类清单表) 分层聚类法 (谱系图-dendrogram) 分层聚类法 8.1.4 K-均值聚类法 K-均值聚类法 (k-Mean Cluster) 用SPSS实现K-均值聚类 第1步：选择【Analyze】下拉菜单，并选择【Classify- K-Means Cluster 】选项进入主对话框 第2步：在主对话框中将原始数据中用于聚类的所有变量选入 【Variable(s)】，把区分样品的标签变量选入【Label Cases by】，在【Number of Clusters】下填入想要 分的类别数 第3步：点入【Save】选中【Cluster Membership】，可以输