SPSS软件聚类分析过程图文解释与结果全面分析文档格式.docx

SPSS软件聚类分析过程图文解释与结果全面分析文档格式.docx

《SPSS软件聚类分析过程图文解释与结果全面分析文档格式.docx》由会员分享，可在线阅读，更多相关《SPSS软件聚类分析过程图文解释与结果全面分析文档格式.docx（11页珍藏版）》请在冰豆网上搜索。

标准化方法解释：

None：

不进行标准化，这是系统默认值；

ZScores（Z-Scores,英文名又叫StandardizedPopulationData,是以标准差单位来表现的一组观察值）：

标准化变换；

Range–1to1：

极差标准化变换（作用：

变换后的数据均值为0，极差为1，且|xij*|<

1，消去了量纲的影响；

在以后的分析计算中可以减少误差的产生。

）；

Range0to1（极差正规化变换/规格化变换）；

2.构造关系矩阵

在SPSS中如何选择测度（相似性统计量）:

→Analyze→Classify→HierachicalClusterAnalysis→Method然后从对话框中进行如下选择

常用测度（选项说明）：

Euclideandistance：

欧氏距离（二阶Minkowski距离），用途：

聚类分析中用得最广泛的距离；

SquaredEucideandistance：

平方欧氏距离；

Cosine：

夹角余弦（相似性测度；

Pearsoncorrelation：

皮尔逊相关系数；

3.选择聚类方法

SPSS中如何选择系统聚类法

常用系统聚类方法

a）Between-groupslinkage组间平均距离连接法

方法简述：

合并两类的结果使所有的两两项对之间的平均距离最小。

（项对的两成员分属不同类）特点：

非最大距离，也非最小距离

b）Within-groupslinkage组内平均连接法

两类合并为一类后，合并后的类中所有项之间的平均距离最小

C）Nearestneighbor最近邻法（最短距离法）

用两类之间最远点的距离代表两类之间的距离，也称之为完全连接法

d）Furthestneighbor最远邻法（最长距离法）

e）Centroidclustering重心聚类法

两类间的距离定义为两类重心之间的距离，对样品分类而言，每一类中心就是属于该类样品的均值

特点：

该距离随聚类地进行不断缩小。

该法的谱系树状图很难跟踪，且符号改变频繁，计算较烦。

f）Medianclustering中位数法

两类间的距离既不采用两类间的最近距离，也不采用最远距离，而采用介于两者间的距离

图形将出现递转，谱系树状图很难跟踪，因而这个方法几乎不被人们采用。

g）Ward’smethod离差平方和法

基于方差分析思想，如果分类合理，则同类样品间离差平方和应当较小，类与类间离差平方和应当较大

实际应用中分类效果较好，应用较广；

要求样品间的距离必须是欧氏距离。

谱系分类的确定

经过系统聚类法处理后，得到聚类树状谱系图，Demirmen（1972）提出了应根据研究的目的来确定适当的分类方法，并提出了一些根据谱系图来分类的准则：

A.任何类都必须在临近各类中是突出的，即各类重心间距离必须极大

B.确定的类中，各类所包含的元素都不要过分地多

C.分类的数目必须符合实用目的

D.若采用几种不同的聚类方法处理，则在各自的聚类图中应发现相同的类

实例分析

SPSS19.0分析软件聚类分析

4.2聚类分析——系统聚类法

在数据编辑窗口的主菜单中选择“分析（A）”→“分类（F）”→“系统聚类（H）”（如图-4所示），

弹出“系统聚类分析”对话框，将“地区”变量选入“标注个案（C）”中，将其他变量选入“变量框”中，如图-5所示。

在“分群”单选框中选中“个案”，表示进行的是Q型聚类。

在“输出”复选框中选中“统计量”和“图”，表示要输出的结果包含以上两项。

单击“统计量（S）”按钮，在“系统聚类分析：

统计量”对话框中选择“合并进程表”、“相似性矩阵”，如图-6所示，表示输出结果将包括这两项内容。

单击“绘制（T）”按钮，在“系统聚类分析：

图”对话框中选择“树状图”、“冰柱”，如图-7所示，表示输出的结果将包括谱系聚类图（树状）以及冰柱图（垂直）。

单击“方法（M）”按钮，弹出“系统聚类分析：

方法”对话框，如下图-8所示。

“聚类方法（M）”选项条中可选项包括如图-9所示的几种方法，本例中选择“组间联接”：

“度量标准-区间（N）”选项条中可选项包括如图-10所示的几种度量方法，本例中选择“平方Euclidean距离”：

“转换值-标准化（S）”选项条中可选项包括如图-11所示的几种将原始数据标准化的方法，本例中选择“全局从0到1”：

冰柱图解释

聚类分析冰柱图形状类似于屋檐上垂下的冰柱，因此而得名。

横轴：

案例（Case）表示被聚类的对象或变量；

纵轴：

群集数（Numberofclusters）表示被聚成几类；

观察冰柱图应从最后一行开始。

举例如下：

当聚成6类时X4和X8和X6聚成一类，其他个案自成一类，用白板将6类一下挡上可以看出如图；

当聚成5类时X4和X8和X6和X2聚成一类，其他个案自成一类。

冰柱图的优点是不仅可以显示出不同类数时个案所属的分类结果，还能表现出聚类的过程步骤，生动形象；

缺点是不能表现出聚类过程中距离的大小。

若生成的树状图如下，看不清楚。

可点击右键导出文件，生成word文件，然后可以看出聚类过程。

导出的word文档中聚类过程如下：

可看出聚类过程为如下表所示：

分类过程统计表

连结顺序

连结元素

1

B

C

2

A

BC

3

E

F

4

EF

ABC

5

D

ABCEF