SPSS教程CH9 集群分析.ppt

集群分析 內容大綱 9.1　認識集群分析 9.2　K平均數集群（非階層集群法） 9.3　階層集群分析法 9.4　二階段集群法 9.1　認識集群分析 集群分析（cluster analysis），又稱群集分析，其目的在於將物件（包括個體、產品、品牌、國家、城市等）加以集結成群，使得在群體內的個體的同質（homogeneity）很高，群體之間的異質性（heterogeneity）很高。這個技術在我們區分市場區隔（market segment）時特別有用 集群分析與因素分析 集群分析與因素分析類似，如果我們針對變數做集群分析，不就等於應用因素分析了嗎？ 當我們針對個人來建立集群時，這種分析叫做Q分析（Q-Analysis）。 當我們針對變數來建立集群時，這種分析叫做R分析（R-Analysis） 集群分析與區別分析 集群分析與區別分析的差別: 區別分析是以界定清楚的二群（或以上）來檢視什麼變數最能區分這些群，而集群分析是將未經區別化（undifferentiated group）的一群個人、事件或物體，重新組合成同質性的次群體。 集群分析的基本原理是基於以下的步驟： 選擇要做集群分析的樣本 界定衡量這些物體、事件或個人的變數利用相關分析、歐幾里得距離（Euclidean distances）及其他技術來計算個體之間的相似性； 選擇互斥的集群（也就是使得群內同質性、群間異質性極大化的集群）或層級式排列的集群； 做集群間的比較與驗證。 集群分析是一種互依分析（Analysis of Interdependence）技術。所謂互依法是將所有的變數「一視同仁」。如圖9-1所示。 集群分析分為非階層集群法（non-hierarchical methods）、階層集群法（hierarchical methods）。 在SPSS中，非階層集群法由「K平均數集群」（K-Means Cluster）程序來執行；階層集群法由「階層集群分析法」（Hierarchical）程序來執行。此外還有二階段集群法。 9.2　K平均數集群（非階層集群法） 非階層集群法是在分群的過程中，將原有的集群加以打散，並重新形成新的集群。非階層集群法也有幾種不同的計算方法。各種方法都是先選出某些種子點（seed point）作為集群的中心。K平均數法（K-means method）是使用得比較普遍的方法，其演算步驟如下： 將各個事物點（個體）分割成K個原始集群； 計算某一個事物點到各集群的平均數（重心）的距離（距離的計算通常採用歐幾里得距離），然後將一些事物點分派到距離最近的那個集群。重心計算後得到新事物點的那個集群的平均數，以及失去該事物點的那個集群的平均數。 重複步驟 2)，直到各事物點都不必重新分派到 其他的集群時為止。 大海汽車公司想要了解汽車購買者的市場區隔，其研究人員所選擇的變數是年齡、所得及家庭大小。 開啟檔案（檔案位置：...\Chap09\K-Means Cluster.sav）。資料檔中包括所得、年齡、家庭大小。這三個變數均是區間尺度。 在SPSS中，按〔Analyze〕、〔Classify〕、〔K-Means Cluster〕（〔分析〕〔分類〕 〔K平均數集群〕），在所呈現的「K-Means Cluster Analysis」視窗中，將所得、年齡、家庭大小這三個變數選入「Variables」下的方格中。「Number of Clusters」（集群數目）內定值為2，「Method」（集群方法）的內定方法為「Iterate and classify」（疊代及分類）。我們所做的設定如圖9-2所示。 Iternation（疊代次數） 在「K-Means Cluster Analysis」視窗中，按〔Iterate〕，就會出現「K-Means Cluster Analysis: Iterate」視窗，如圖9-3所示。「Maximum Iterations」（最大疊代次數）的內定值為10，「Convergence Criterion」（收斂標準）為0。 下表是利用SPSS中的K平均數法， 進行集群分析的結果： 9.3　階層集群分析法 階層集群分析法有二種方法：集結式集群法（agglomerate hierarchical method）及 區分式集群法（divisive hierarchical method） ‵集結式集群法在開始時是每一個事物點自成一個集群，然後根據相似性準則，把相近的事物點合併成集群，一直到所有的事物點都併入同一集群時為止。 ‵區分式集群法在開始時是所有的事物點形成一個集群，然後再根據相似性準則，把事物點劃分成較不相近的兩個集群，直到所有的事物點都自成一個集群時為止。集結式集群法使用得較為普遍。 Ward連法