聚类分析-.ppt

基本原理 聚类分析的分类 聚类分析在SPSS中的实现过程 分析例子 聚类分析分类 按分类对象不同：分为Q-型聚类分析（对样本分类）和R-型聚类分析（对指标或变量分类） 聚类分析分类 按分类方法不同：系统聚类法（分层聚类法-Hierarchical Cluster）将指标或样品各视为一类，根据类与类之间的距离或相似程度将最相似的类加以合并，再计算新类与其他类之间的相似程度，并选择最相似的类加以合并。 动态聚类法（快速聚类分析或K-均值聚类法K-means Cluster）开始按照一定方法选取一批聚类中心，让样品向最近的聚心凝聚，形成初始分类，然后按最近距离原则不断修改不合理分类，直到合理为止。 * * 聚类分析 聚类分析 聚类分析的基本原理 科学研究在揭示对象特点及其相互作用的过程中, 需要对其进行分类 ，以揭示其中相同和不相同的特征。 在科学研究中, 经常遇到的分类包括两种情况： 一是对研究样本的分类, 即根据每个样本的一系列观测指标，将那些在这些观测量方面表现相近的样本归为一类, 将那些在这些观测量方面的表现很不相同的样本归为不同类。 二是对观测指标的分类，即将一系列的观测指标归类合并为性质明显不同的少数几个方面。 一、聚类分析的基本原理 聚类分析的基本原理 聚类分析是一种数值分类方法，直接比较各事物之间的性质，将性质相近的归为一类，将性质差别较大的归入不同的类。 聚类分析完全是根据数据情况来进行的。就一个由n个个案、k个变量组成的数据文件来说 ，当对个案进行聚类分析时，相当于对k 维坐标系中的n 个点进行分组，所依据的是它们的距离 ； 当对变量进行聚类分析时，相当于对n维坐标系中的k个点进行分组，所依据的也是点距。所以距离或相似性程度是聚类分析的基础。 点距如何计算呢？拿连续测量的变量来说，可以用欧氏距离平方计算：即各变量差值的平方和。 聚类分析的分类 聚类分析的分类 聚类分析的分类 二、Q聚类分析的SPSS过程 第一步：数据文件的准备。 聚类之前的数据文件包括：n个样本的k个观测值。 此外还需要一个样本的标识变量。 聚类分析前要检查各变量的量纲是否一致， 不一致则需进行转换， 如将各变量均作标准化转换就可保证量纲一致 Q型聚类分析在SPSS中的实现过程 第二步：点击“Analyze”菜单选中“Classify”的“Hierarchical Cluster Analysis”,打开对话框。将参与聚类分析的观测变量 置入“Variable(s)”下的方框中，将样本标识变量的变量名置 入 “Label Cases By” 下的方框中，同时在 Cluster 之下选择 Cases。然后选中“Statistics”和“Plots”。 Q型聚类分析在SPSS中的实现过程 第三步：点击“Method”打开聚类分析的距离计算方法设置对 话框 ，以实现对小类间距离 、样本间距离计算方法的设置 ， 同时对量纲不一致情况下的变量观测值进行转换： (1) 小类间距离计算：默认方式是类间平均链锁法（Between- Groups linkage) ，这种方法最充分地使用了数据资料； (2) 样本间距离计算： 观测变量为连续变量，默认方法：欧氏距离平方； 观测变量为顺序或名义变量，默认方法：卡方测量方法； 观测变量为二项选择变量, 默认方法：二元欧氏距离平方。 (3) 如果观测变量的量纲不一致，还需设置对不同量纲变量进 标准化处理。默认状态是“none”,需要时可以选择“Z-scores”, 这是使用最广泛、最直观的转换方法 。在进行量纲转换时 ， 要选择“By cases”表明是属于Q聚类分析中的量纲转换。 第四步：指定图形输出。层次聚类分析的图形结果有两种形 式（1）树形图（Dendrogram）,它可以展现聚类分析的每一 次合并过程，SPSS首先将各类之间的距离重新转换到 0～25 之间 ，然后表现在图上 。此图可以粗略地表现聚类的过程 ； （2）冰柱图（Icicle）, 包括纵向冰柱图（Vertical） 和横向 冰柱图(Horizontal) 。冰柱图用X符号来表示聚类过程 , 其选 择包括：全部、部分、无。 Q型聚类分析在SPSS中的实现过程 第五步：显示凝聚状态表。点击层次聚类分析对话框中的 “statistics”可以打开设置凝聚状态对话框。 （1） 选中“Agglomeration schedule”，可以输出聚类分析 详细过程，即每一阶段完成的是哪些个案或小类间的聚集； （2）