[理学]第十一章 聚类分析.pptVIP

设xij为第i个样品的第k个指标，每个样品测量了p个变量，则样品xi和xj之间的距离Dij的定义为： 公式称为明考夫斯基距离，其中q为大于0的正数。 当q=1时， 称为绝对值距离或曼哈顿距离，SPSS称block 当q=2时， 称为欧氏距离（Euclidean distance） 也可定义变量之间距离，常用的定义方法是夹角余弦法和相关系数法。 样品聚类也称Q型聚类，变量聚类又称为R型聚类。 根据样本量的大小，可以使用层次聚类或K中心聚类。当样本量较大，数值变量和分类变量并存时，也可使用二阶段聚类法（two step cluster） 数据输入 1）启动SPSS，进入定义变量工作表，分别用name命令设置6个变量“x1”、“x2”、“x3”， “x4”、“x5”、“x6”，分别代表体斜长、胸深、胸宽、龙骨长、骨盆宽、胫长。小数位（Decimals）依题都定义为2。 统计分析简明步骤： Analyze---Classify---Hierarchical Cluster Variables 框:x1,x2,…x6 选入用于聚类分析的变量 Cluster框:Variables 按指标聚类分析 Statistics √Agglomeration schedule 聚类过程的详细记录 √Proximity matrix 输出变量的相似性矩阵 continue Plot √Dendrogram 用树状图显示聚类分析图 continue Method Interval 计量资料 Perason correlation 选入相关系数对变量进行聚类 continue OK 分析过程说明 1）单击主菜单（Analyze）分析---- Classify（聚类分析）--- Hierarchical Cluster(系统聚类法)；弹出“系统聚类”主对话框，将变量“x1,x2,..,x6”置入Variables框内。 在Cluster框内选中Variables，表示按指标分类；另一选项Cases表示按样品聚类（系统默认设置）。 单击Statistics,弹出聚类分析中统计量选择“Hierarchical Cluster Analyses Statistics”对话框。选择所需项目后，按continue返回。 在Statistics统计选项对话框中，选中Agglomeration schedule,可输出聚类过程的详细记录，给出每一步中类合并的细节数据；选中Proximity matrix，则可列出研究对象（样品）或指标（变量）的距离或相似性矩阵。本例两项均选中。 在Cluster Membership单选框组，选择是否给出各样品或指标的聚类结果的列表，可以全部不显示(None)(系统默认)，也可以部分显示(Single solution:某一类。Range of solution:某一范围的类)。 单击plots(绘图) ，弹出图形选项对话框,选中Dendrogram(树状图)，表示用树状图显示聚类分析图。 Icicle是冰柱图的选项，可以选择性输出聚类结果冰柱图：All Clusters表示要显示所有聚类，none表示不显示，Specified range of Cluster表示要显示某个范围内的聚类。本例选所有聚类（系统默认）。 方向选水平方向显示聚类。 单击method(方法)，弹出距离测量方法选项对话框。通过对话框可指定聚类方法、距离测度的方法、对数值进行转换（标准化数值）以及对测度的转换方法。 聚类方法下拉列表用于选择聚类分析中不同类间距离的测量方法。系统默认的是组间连接（类间平均距离）。还有组内连接、最近距离法、最远距离法、重心距离法、中间距离法、最小平方法 度量标准（measure）框用于选择所用的距离种类，根据资料类型的不同有3个选项：interval（区间或计量）、counts（计数资料）、binary（二分类资料）。本例选计量区间（interval）： Euclidean distance(欧氏距离) 欧氏平方距离（系统默认） Cosine（相似性测度，余弦） 皮尔逊相关，即相关系数 切比雪夫距离 绝对距离（block） 明考夫斯基距离 自定义距离 距离一般用于对样品的聚类，通常只需采用系统默认的欧氏平方距离；相似系数（夹角余弦、相关系数）一般用于对指标（变量）的聚类。 本例选用相关系数，即皮尔逊相关