实用SAS统计分析教程Ch16.pdf

阮敬博⼠

⾸都经济贸易⼤学研究⽣院副院⻓

⾸都经济贸易⼤学统计学院教授

©ruanjing@

聚类分析

•“物以类聚、⼈以群分”往往被⼈们视为⾃然的法则。正是由于不同现象之间客观存在的共

性，使得⼤千世界芸芸众⽣有了界限的划分和质的区别，⽽呈现出五花⼋⻔的景象。

•在事物分类思想上最为瞩⽬的是⽣物分类学的发展，这也成为统计分类发展的主要动⼒。

希腊时期亚⾥⼠多德仅描述了500个物种，17世纪后，⼈们知道约6000种植物，⽽仅

仅100年后，植物学家⼜发现了12000个新种。对⽣物物种进⾏科学的分类变得极为迫

切。因此有了林奈把⾃然界分为3界：即动物界、植物界和矿物界，并提出了纲、⽬、

属、种的分类概念，⼈们可以依照各⻔类物种的典型特征，把新发现的物种归类⾄现有的

⻔类当中。

•近代统计分析中的聚类和判别分析受到了⽣物分类学的影响，现实⽣活中需要对复杂的对

象依据⼀定的标准进⾏分类，有了既定的类别之后，还可涉及到对事物进⾏归类。因⽽有

了本章所要介绍的聚类分析及下⼀章将要介绍的判别分析。

聚类分析的基本原理

•⼈们根据事物现象的⼀个指标或某⼀个⽅⾯，可以很容易进⾏分类活动。如按照收⼊指标把全社会⼈

群划分为⾼、中、低3类，学⽣考试成绩划分为及格、不及格两类等。在进⾏归类时，只需考查新加

⼊的对象在某个指标上的表现是否符合特定类别即可。

•实际上，需考察的事物或对象往往不是单⼀指标这么简单，很可能是通过许多侧⾯或许多指标来进⾏

综合考察。如按照经济发展、教育⽔平、⾯积⼤⼩、⼈⼝等诸多⽅⾯对我国地市级以上城市进⾏分

类；学⽣凭考试成绩、社会实践、思想品德等⽅⾯划分奖学⾦的等级等。这些指标在反映事物特征

的作⽤、量纲、紧密关系等⽅⾯可能有所不同，因此很难再按照单⼀指标分类的原则进⾏分类和归类

了，需要考虑多元统计分析的⽅法进⾏分类和归类。

•多元统计分析中的聚类分析⽅法（ClusteringAnalysis）既可以对样本进⾏分类（记为Q型分类），

也可以对反映事物特征的指标或变量（记为R型分类）进⾏分类。两种分类是对等的，在算法上没有

任何区别，本书主要以Q型分类为例进⾏详细讲解，在第16.2.3⼩节中对R型分类进⾏简单介绍。

•“近朱者⾚，近墨者⿊”。⼈们往往可根据事物之间的距离远近或相似程度来判定类别。个体与个体

之间的距离越近，其相似性可能也越⼤，是同类的可能性越⼤，聚在⼀起形成类别的可能性也就越⼤。

因此就有了聚类分析的基本原则。

聚类分析的基本原则

•⾸先考虑在没有进⾏聚类之前，所有参加聚类过程的个体没有归⼊任何类别，即对于每个个体⽽⾔，其独树⼀

帜，⾃成⼀类。

•有了⼀定的分类原则之后，⼈们可以根据个体与个体之间的距离⼤⼩或⻓短进⾏聚类。如⾸先把最近的个体聚为

同类，然后再根据最短距离继续扩⼤类别所涵盖的范围，直到所有个体都聚为1个⼤类为⽌。整个聚类过程就

如同⽣活在地球上的⼈⼀样，⾸先每个⼈都是⾃成⼀类，然后有了⼈种的区分，最后所有⼈都可以归集到“⼈类”

这个类别当中，即所有⼈都是⼀类。在数据分析过程中，⼈们通常把类似上述的聚类过程称之为“系统聚类”。

•⽽聚类过程所依据的距离主要有明⽒距离、⻢⽒距离等⼏⼤类。那么究竟什么是距离呢？设样本数据可以⽤如下

矩阵形式表示：

聚类分析的基本原则

聚类分析的基本原则

聚类分析的基本原则

•除了最短距离原则进⾏分类之外，还可以采⽤相关系数、相似系数、匹配系数等指标来衡

量个体之间的相似性，以此为依据进⾏分类。在分类的过程当中，为了便于分析，还应当

注意如下3个重要原则：

同质性原则：即同⼀类中的个体之间有较⼤的相似性；

互斥性原则：即不同类中的个体差异很⼤；

完备性原则：每个个体在同⼀次分类过程中，能且只能分在⼀个类别当中。

•同质性原则保证了类别之内个体特征的共性；互斥性原则保证了类别之间的差异性；⽽完

备性原则则说