第9章 聚类分析、判别分析及SPSS实现.pptxVIP

第9章 聚类分析、判别分析及SPSS实现9.1 系统聚类分析9.1.1 样本间亲疏程度测量方法 样本数据之间的亲疏程度主要通过样本之间的距离或样本间的相关系数来度量。SPSS根据变量数据类型的不同，分别提供了相似性（即相关系数）和不相似性（即距离）两种方式测度样本间亲疏程度。第9章 聚类分析、判别分析及SPSS实现1．连续变量的样本不相似性（距离）测度方法 样本若有k个变量，则可以将样本看成是一个k维的空间的一个点，样本和样本之间的距离就是k维空间点和点之间的距离，这反映了样本之间的亲疏程度。聚类时，距离相近的样本属于一个类，距离远的样本属于不同类。第9章 聚类分析、判别分析及SPSS实现（1）欧氏距离（Euclid） 欧氏距离是样本各个变量值之差平方和的平方根。（2）欧氏距离平方(SEuclid) 欧氏距离平方是各样本每个变量值之差的平方和。第9章 聚类分析、判别分析及SPSS实现（3）切比雪夫距离（Chebychev） 切比雪夫距离是各样本所有变量值之差绝对值中的最大值。（4）块距离（Block） 块距离是各样本所有变量值之差绝对值的总和、第9章 聚类分析、判别分析及SPSS实现（5）明可夫斯基距离（Minkowski） 明可夫斯基距离是各样本所有变量值之差绝对值的p次方的总和，再求p次方根。（6）用户定制距离（Customized） 用户定制距离是各样本所有变量值之差绝对值的p次方的总和，再求q次方根。第9章 聚类分析、判别分析及SPSS实现2．连续变量的样本相似性（相关系数）测度方法 连续变量亲疏程度的度量，除了上面的各种距离外，还可以计算其他统计指标。如皮尔逊相关系数、余弦相似度（Cosine）等。 余弦相似度将样本各变量看作 维空间向量，然后计算各个向量间夹角的余弦。第9章 聚类分析、判别分析及SPSS实现3．顺序或名义变量的样本亲疏程度测量方法 对于此类变量，可以计算一些有关相似性的统计指标来测定样本间的亲疏程度。（1）统计量（Chi-square）（2）统计量（Phi-square）?第9章 聚类分析、判别分析及SPSS实现9.1.2 类间亲疏程度测量方法 根据样本聚类的过程和原理，在对任意两个样本测度完距离之后，就会形成小类，其后进行的聚类步骤，就会涉及到样本数据与小类、小类与小类之间的亲疏程度测度方法。所谓小类，是在聚类过程中根据样本之间亲疏程度形成的中间类。第9章 聚类分析、判别分析及SPSS实现（1）最近邻元素法 以当前某个样本与已经形成小类中的各样本距离的最小值作为当前样本与该小类之间的距离。（2）最远邻元素法 以当前某个样本与已经形成小类中的各样本距离的最大值作为当前样本与该小类之间的距离。（3）组间链接法 两个小类之间的距离为两个小类内所有样本间的平均距离。第9章 聚类分析、判别分析及SPSS实现（4）组内链接法 对所有样本对的距离求平均值，包括小类之间的样本对、小类内的样本对。（5）质心聚类法 将两小类间的距离定义成两小类重心间的距离。每一小类的重心就是该类中所有样本在各个变量上的均值代表点。（6）瓦尔德法 在聚类过程中，使小类内各个样本的欧氏距离总平方和增加最小的两小类合并成一类。第9章 聚类分析、判别分析及SPSS实现9.1.3 Q型聚类和R型聚类 层次聚类分析有两种形式，一种是对样本（个案）进行分类，称为Q型聚类，它使具有共同特点的样本聚齐在一起，以便对不同类的样本进行分析； 另一种是对研究对象的观察变量进行分类，称为R型聚类。它使具有共同特征的变量聚在一起，以便从不同类中分别选出具有代表性的变量作分析，从而减少分析变量的个数。第9章 聚类分析、判别分析及SPSS实现“分析”菜单—“分类”子菜单—“系统聚类”第9章 聚类分析、判别分析及SPSS实现第9章 聚类分析、判别分析及SPSS实现9.2快速聚类分析9.2.1 适用条件 快速聚类分析是由用户指定类别数的大样本资料的逐步聚类分析。它先对数据进行初始分类，然后逐步调整，得到最终分类。第9章 聚类分析、判别分析及SPSS实现 快速聚类分析也以距离为样本间亲疏程度的标志。系统聚类可以对不同的聚类类数产生一系列的聚类解，而快速聚类只能产生固定类数的聚类解，类数需要用户事先指定。 在快速聚类分析中，用户可以自己指定初始的类中心点。如果用户的经验比较丰富，则可以指定比较合理的初始类中心点。否则，需要增加迭代的次数，以保证最终聚类结果的准确性。第9章 聚类分析、判别分析及SPSS实现9.2.2 迭代原理和过程 快速聚类分析基本原理和迭代步骤如下：（1）首先需要用户指定聚类成多少类（k类）。（2）然后SPSS确定k个类的初始类中心点。SPSS会根据样本数据的实际情况，选择k个由代表性的样本数据作为初始类中心。初始类中心也可以由用户自行指定，需要