聚类与嗨判别分析.pptVIP

第12章　聚类与判别分析 Analyze/Classify 一　聚类分析 研究问题 以学校组织文化、学校组织气氛、校长领导角色等变量是否可将学校分成不同的类别组？ 某研究者采用分层整群抽样方法，抽取15所学校，来研究校长领导角色、学校组织气氛、学校组织文化与学校办学水平的关系，让15所学校的教师填写量表，研究者除了探讨变量间的相关外，也想知道如果以此三个量表作为分类依据，是否可将15所学校分成几个类别，以进一步探讨类别间的差异、群组内的相似之处。这不需要进行聚类分析。 聚类分析的基础 目的在于将数据分成几个相异性最大的群组，同时使得群组内部的相似程度最高。 属于探索性分析方法。 常与判别分析一起使用。 聚类分析与判别分析的关系： 相同点： 都是将独立分开的观察值分成不同组别或将观察值分类。 不同点： 判别分析时，组别特性已知 聚类分析时，观察值所属群组特性还未知。 聚类分析的基础 聚类分析的主要方法是使用一组计量数据，加以计算各个体的相似性或相异性，然后使用各种分析方法，将这些个体加以分类，从而能更有效地掌握各类的性质，它所关注的重点是： 如何用数据来表示个体与个体之间的相似性？ 如何根据这些相似性将性质类似的个体分为一类？ 所有个体分类完成后，对每一类的性质如何描述？ 分类后的每一类有何特征，与其它类有何不同之处？ 聚类分析的一般步骤 先计算各个体间的距离或组内误差矩阵，然后将最接近的两个个体加以合并成一类，再算出合并后的类间的距离或组内误差矩阵，重复以上计算步骤，直到所有个体合并成同一类。 如果某个分析合并的系数突然变得很大，研究者就可以由此判断应该分成几类。 聚类分析与因素分析 聚类分析与因子分析一样，倾向于艺术层次而非科学 属于探索性分析方法，因为分类数的选取有时会因研究者观点与研究目的不同而有所差异。不过，在聚类分析合并过程中，组内的距离或误差会越来越大，如果某个分析合并的系数突然变得很大，研究者就可以由此判断应该分成几类 变量的聚类分析应用则类似于因素分析。二者执行的程序均在于识别变量的相关组别。因素分析时，只有一个潜在的理论模式，而聚类分析时则蕴涵着一个以上的潜在理论模式。 聚类分析与因素分析 多数实际应用时，二者的主要差别在于因素分析是针对变量进行分组；而聚类分析则是将观察值个体进行分组，即因素分析时，根据因变量（题项）间关系是否密切，将变量进行分类（分为几个层面因素）；而聚类分析则经常用在将变量相似程度较高观察值，加以分类，使类与类之间的差异性达到最大，而同一类内的观察值相似性很高。 当然，聚类分析也可以对变量进行分组。 如果聚类分析的对象是变量，则变量聚类分析的结果与变量因素分析的结果，往往会有差异，其原因在于二者处理变量间关系的方式不同，聚类分析所采取的是一种“分层式”的判别，依据个别变量间相关强弱程度逐次合并变量类，而因素分析在合并变量时，则是“同时”考虑到所有变量间的关系。 聚类分析的方法 系统聚类分析法： 适用于观察值个数不多。 系统聚类分析法中，根据观察值或变量之间的距离将最相似的对象结合在一起，以逐次聚类的方式，将观察值分类。计算观察值相似性最常用的方法是欧几里德距离平方法。 如果数据较多时，可选用其中的部分数据进行系统聚类，以此作为决定分类数目的参考。 K－Means聚类分析法（动态聚类分析法）： 适用于个数较多或数据文件非常庞大（200以上）。 这时采用K－Means聚类分析法较为适宜，因为观察值数量太多，冰柱图与本树状图二种判别图形在显示时会过于分散，不易于阅读与解释。 如果观察值个数不多，则采用系统聚类分析法较为适宜。通常要事先确定类的数目，进行的分析次数可能较多。 进行聚类分析时需要注意的问题 标准化程序 为避免变量观单位不同而造成距离计算误差，可将不同单位的变量加以转换，常用的是Z分数。如果使用K－Means聚类分析，则分析进行的第一步就是将原始分数标准化。 距离度量 对观察值进行聚类时，度量观察值个体距离最常用的方法是“欧几里德距离平方法”； 对变量进行聚类时，计算变量相似程度最常用的方法则是积差相关法。 进行聚类分析时需要注意的问题 合并类的准则－连结法 方法很多，SPSS提供7种，常用的是组间连结法（between-groups linkage） 组间或称组间平均连结法（默认，绝大多数使用它即可） 组内 近邻法或单一连结法 远邻法或称完全连结法 重心聚类法 中位数聚类法 华德法 聚类分析时的注意选项 数据与图形 数据的类型（连续、计数、二分） 变量属性不同，计算观测值间距离的方法也不同 连续变量（interval data）　 计数变量（count） （frequencies）用卡方检验法，检验两集合出现的概率是否相等。 二分变量（binary data）：使用二分变量相异