SPSS教程-聚类分析-附实例操作.pdf

各地区各行业工资水平的分析 (2009年数据) 小组成员：张艺伟、赵月、陈媛、邹莉、朱海龙、曾磊、胡瑛、候银萍 1. 研究背景及意义 1.1 研究背景 工资水平是指一定区域和一定时间内劳动者平均收入的高低程度。生产决定分配，只有经济发 展才能提供更多的可分配的社会产品，因此一个地区的工资水平在一定程度上反映了其经济发展的 水平。 1.2 研究意义 1. 通过多元统计分析方法，探究一个地区的工资水平与其经济发展水平之间的内在联系。 2. 将平均工资水平划分为3 类，分析哪些地区、哪些行业的工资水平较高，可以为大学生就业提供 宏观上的方向指引。 2. 数据来源与描述 2.1 数据来源—— 《中国劳动统计年鉴─2010》 （URL：/Navi/YearBook.aspx?id=N2011010069floor=1### ） 主编单位：国家统计局人口和就业统计司，人力资源和社会保障部规划财务司 出版社：中国统计出版社 简介：《中国劳动统计年鉴─2010》是一部全面反映中华人民共和国劳动经济情况的资料性年刊。 本刊收集了2009年全国和各省、自治区、直辖市、香港特别行政区、澳门特别行政区的有关劳动统 计数据。本书资料的取得形式主要有国家和部门的报表统计、行政记录和抽样调查。 2.2 数据描述 本数据集记录了全国31个省市（港、澳、台除外）的工资状况，各省市分别记录了其23个主要 行业的平均工资水平，这23个主要行业包括：企业、事业、机关、金融业、制造业、建筑业、房地 产业、农林牧渔业等等，具体数据格式参见图-0。 图-0 3. 分析方法及原理 3.1 通过描述统计分析方法，判断哪些行业平均工资水平较高 描述统计分析方法主要是从基本统计量（诸如均值、方差、标准差、极大/小值、偏度、峰度等） 的计算和描述开始的，并辅助于SPSS 提供的图形功能，能够把握数据的基本特征和整体的分布特征。 在本案例中，通过比较不同行业（诸如企业、事业、机关、建筑业、制造业„„）工资的均值、 极大/小值，可以从总体上判断哪些行业的平均工资水平较高，哪些行业的较低。 3.2 通过聚类分析方法，判断哪些地区平均工资水平较高 聚类分析是依据研究对象的个体特征，对其进行分类的方法，分类在经济、管理、社会学、医 学等领域，都有广泛的应用。聚类分析能够将一批样本（或变量）数据根据其诸多特征，按照在性 质上的亲疏程度在没有先验知识的情况下进行自动分类，产生多个分类结果。类内部个体特征之间 具有相似性，不同类间个体特征的差异性较大。 在本案例中，我们将采用两种方法进行聚类分析：一种是系统聚类法，另一种是 K-均值法（快 速聚类法）。 3.2.1 系统聚类法 系统聚类法的基本原理：首先将一定数量的样本或指标各自看成一类，然后根据样本（或指标） 的亲疏程度，将亲疏程度最高的两类进行合并，然后考虑合并后的类与其他类之间的亲疏程度，再 进行合并。重复这一过程，直到将所有的样本 （或指标）合并为一类。 系统聚类分为Q 型聚类和R 型聚类两种：Q 型聚类是对样本进行聚类，它使具有相似特征的样 本聚集在一起，使差异性大的样本分离开来；R 型聚类是对变量进行聚类，它使差异性大的变量分 离开来，相似的变量聚集在一起，这样就可以在相似变量中选择少数具有代表性的变量参与其他分 析，实现减少变量个数、降低变量维度的目的。 在本例中进行的是Q 型聚类。 类与类之间距离的计算方法主要有以下几种： （1） 最短距离法 （Nearest Neighbor），是指两类之间每个个体距离的最小值； （2 ） 最长距离法（Farthest Neighbor），是指两类之间每个个体距离的最大值； （3 ） 组间联接法（Between-groups Linkage ），是指两类之间个体之间距离的平均值； （4 ） 组内联接（Within-groups Linkage ），是指把两类所有个体之间的距离都考虑在内； （5 ） 重心距离法（Centroid clustering ），是指两个类中心点之间的距离； （6 ） 离差平方和法（Ward 法），同类样品的离差平方和应当较小，类与类之间的离差平方和应当 较大。 3.2.2 K-均值法（快速聚类法） K-均值法（又称快速聚类法），是由MacQueen 于1967 年提出的，它将数据看成K 维空间上的 点，以距