SPSS作聚类剖析21.ppt

常言道：“物以类聚”，对事物分门别类进行研究，有利于我们做出正确的判断。日常生活中，我们不自觉地用定性方法将人分为“好人”、“坏人”；按熟悉程度分为“朋友”、“熟人”、“陌生人” 等等。 数理统计中的数值分类有两种问题： 判别分析：已知分类情况，将未知个体归入正确类别 聚类分析：分类情况未知，对数据结构进行分类 通过分类，有利于我们抓住重点，从总体上去把握事物，找出解决问题的方法。例如将股票进行分类，可以为我们投资提供参考。 一、聚类分析（Cluster Analysis）简介 聚类分析是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的分析技术。 要做聚类分析，首先得按照我们聚类的目的，从对象中提取出能表现这个目的的特征指标；然后根据亲疏程度进行分类。 聚类分析根据分类对象的不同可分为Q型和R型两大类 Q型是对样本进行分类处理，其作用在于: 能利用多个变量对样本进行分类 分类结果直观，聚类谱系图能明确、清楚地表达其数值分类结果 所得结果比传统的定性分类方法更细致、全面、合理 二、聚类对象 R型是对变量进行分类处理，其作用在于： 可以了解变量间及变量组合间的亲疏关系 可以根据变量的聚类结果及它们之间的关系，选择主要变量进行回归分析或Q型聚类分析 聚类的主要过程一般可分为如下四个步骤： 数据预处理（标准化） 构造关系矩阵（亲疏关系的描述） 聚类（根据不同方法进行分类） 确定最佳分类（类别数） 以下我们结合实际例子分步进行讨论。 三、聚类过程与方法 为什么要做数据变换 →指标变量的量纲不同或数量级相差很大，为了使这些数据能放到一起加以比较，常需做变换。 在SPSS中如何选择标准化方法: →Analyze →Classify →Hierachical Cluster Analysis →Method 然后从对话框中进行如下选择 1. 数据预处理（标准化） 例、下表给出了1982年全国28个省、市、自治区农民家庭收支情况，有六个指标，是利用调查资料进行聚类分析，为经济发展决策提供依据。 （详见文件1982“农民生活消费聚类.sav”） 从Transform Values框中点击向下箭头，将出现如下可选项，从中选一即可： 常用标准化方法（选项说明）： None：不进行标准化，这是系统默认值 Z Scores：标准化变换 为了便于后面的说明，作如下假设： 均值表示为 标准差表示为 所有样本表示为 极差表示为 作用：变换后的数据均值为0，标准差为1，消去了量纲的影响；当抽样样本改变时，它仍能保持相对稳定性。 Range –1 to 1：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。 Maximum magnitude of 1 作用：变换后的数据最大值为1。 Range 0 to 1（极差正规化变换 / 规格化变换） 作用：变换后的数据最小为0，最大为1，其余在区间[0，1]内，极差为1，无量纲。 Mean of 1 作用：变换后的数据均值为1。 Standard deviation of 1 作用：变换后的数据标准差为1。 在SPSS中如何选择测度: →Analyze →Classify →Hierachical Cluster Analysis →Method 然后从对话框中进行如下选择 2. 构造关系矩阵 描述变量或样本的亲疏程度的数量指标有两种： 相似系数——性质越接近的样品，相似系数越接近于1或-1；彼此无关的样品相似系数则接近于0，聚类时相似的样品聚为一类 距离——将每一个样品看作m维空间的一个点，在这m维空间中定义距离，距离较近的点归为一类。 相似系数与距离有40多种，但常用的只是少数 从Measure框中点击Interval项的向下箭头，将出现如左可选项，从中选一即可。 常用测度（选项说明）： Euclidean distance：欧氏距离 （二阶Minkowski距离） Squared Eucidean distance：平方欧氏距离 用途：聚类分析中用得最广泛的距离 但与各变量的量纲有关，未考虑指标间的相关性，也未考虑各变量方差的不同 用途：聚类分析中用得最广泛的距离 Cosine：夹角余弦(相似性测度) 用途：计算两个向量在原点处的夹角余弦。当两夹角为0o时，取值为1，说明极相似；当夹角为90o时，取值为0，说明两者不相关。 取值范围：0~1 Pearson correlation：皮尔逊相关系数 Chebychev：切比雪夫距离 用途：计算两个向量的皮尔逊相关系数 用途：计算两个向量的切比雪夫距离 Block：绝对值距离（一阶M