城市评价指标分层聚类：城市分群的特征画像.docxVIP

城市评价指标分层聚类分析结果解读

一、方法概述

分层聚类分析（HierarchicalClusterAnalysis）是一种基于距离度量的无监督分类方法，其核心思想是通过逐步合并或分裂样本点，构建具有层级结构的类别体系。与K-means等划分式聚类不同，分层聚类不需要事先指定类别数目，而是通过树状图（Dendrogram）完整呈现样本间的亲疏关系，便于研究者根据研究目的灵活确定最终分类方案。该方法在城市评价、区域分类、产业聚类等研究领域具有广泛应用，能够有效揭示评价对象之间的内在结构差异。本研究借助SPSSAU软件对7个城市的7项评价指标进行分层聚类分析，旨在识别城市发展水平的类别特征与差异化模式。

在SPSSAU【进阶方法】模块选择【分层聚类】，将变量拖拽至右侧对应分析框，操作如下图：

二、聚类项描述分析

表1报告了7个城市在评价指标上的描述统计结果。从平均值来看，C市均值最高（M=8.970），其次为A市（M=8.918）和E市（M=8.876），三者均处于较高评价水平。D市均值最低（M=8.038），B市（M=8.085）和F市（M=8.181）紧随其后，G市居中（M=8.470）。从标准差来看，G市离散程度最大（SD=1.038），表明该城市内部评价差异较为明显；D市标准差最小（SD=0.674），说明其评价得分相对集中。各城市最小值均在7.000左右，而最大值在9.5