第8章因子分析与聚类分析(含SPSS).PPT

（三）聚类分析的几点说明 1、所选择的变量应符合聚类的要求 可根据实际工作经验和所研究问题的特征人为的选择变量，这些变量应该和分析的目标密切相关，反映分类对象的特征。 2、各变量的变量值不应有数量级上的差异 为了避免对变量单位选择的依赖，数据应当标准化。 3、各变量间不应有较强的线性相关关系 如果所选变量之间存在较高的线性关系，有两种处理方法：（1）首先进行变量聚类，从每类中选一代表性变量，再进行样本聚类；（2）进行主成分分析或因子分析，降维，使之成为不相关的新变量，再进行样本聚类。 二、聚类分析中“亲疏程度”的度量 （一）个体间“亲疏程度”的度量 聚类分析中，对“亲疏程度”的测度一般有两个角度：第一，个体之间的相似程度；第二，个体之间的差异程度。在SPSS中，对不同度量类型的数据采用了不同的测定亲疏程度的统计量。 1、定距型变量个体间距离的计算方式 通常有欧式距离（Euclidean distance）、平方欧式距离（Squared Euclidean distance）、夹角余弦（Cosine）距离、相关系数距离（Pearson correlation）、切比雪夫距离（Chebychev：Chebychev）、Block距离（City-Block ）或Manhattan 距离、明考斯基距离（Minkowski）、用户自定义距离（Customized）等8种方法。这些方法分别适用于 型聚类和 型聚类 2、计数变量个体间距离的计算方式 如果所涉及的个变量都是计数（Count）的非连续变量，对计数变量的不相似性测度方法，是根据被计算的两个观测量或两个变量总频数计算其不相似性。期望值来自观测量或变量的独立模型。个体间距离的定量通常有卡方距离（Chi-Square measure） Phi 方距离（Phi-Square measure ）两种方式： 3、二值变量个体间距离的计算方式 如果所涉及的个变量都是二值（Binary）变量，那么个体间距离的定义通常有简单匹配系数（Simple matching和雅科比系数（Jaccard）两种方式。 （二）个体与小类、小类与小类间亲疏程度的度量 在SPSS中提供了多种度量个体与小类、小类与小类间亲疏程度的方法，如最短距离法（Nearest neighbor）、最长距离法（Furthest neighbor）、中间距离法（Median clustering）、组间平均链锁法（Between-groups linkage）、组内平均链锁法（Within-groups linkage）、重心法（Centroid clustering）、离差平方和法（Ward‘s method）。 在一般情况下，用不同的方法聚类的结果是不会完全一致的。在实际应用中，一般采用以下两种处理方法：①根据分类问题本身的专业知识结合实际需要来选择分类方法，并确定分类个数；②多用几种分类方法去作，把结果中的共性提出来，对有争议的样本用判别分析去归类。 三、层次聚类在SPSS中的实现 1．建立或打开数据文件后，进入Analyze—Classify--Hierachical Cluster Analysis 主对话框，如图8-9所示。 图8-9 层次聚类对话框 2、把参与分析的变量选到Variable（s）框中。 3、把一个字符型变量作为标记变量选到Label Cases框中，它将大大增加聚类分析结果的可读性。 4、在Cluster框中选择聚类类型。其中Cases 项表示进行型聚类，Variables 项表示进行型聚类。 5、在Display框中选择输出内容。其中Statistics表示输出聚类分析的相关统计量，Plots表示输出聚类分析的相关图形。 6、单击Statistics按钮，选择要求输出的统计量，如图8-10所示。 图8-10 Statistics 对话框 (1) Agglomeration schedule 复选项，表示输出聚类分析的凝聚状态表。 (2) Proximity Matrix 复选项，表示输出个体间的距离矩阵。产生什么类型的矩阵取决于在Method 对话框中Measure 栏中的选择。 (3) Cluster Membership(类成员栏)选项，显示每个观测量被分派到的类或显示若干步凝聚过程。其中： ①None 选项，不显示类成员表，是系统默认值。 ②Single solution 选项，要求列出聚为一定类数的各观测量所属的类。