《SPSS作聚类分析-标准化》由会员分享，可在线阅读，更多相关《SPSS作聚类分析-标准化（30页珍藏版）》请在金锄头文库上搜索。
1、 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
2、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: 1. 能利用多个变量对样本进行分类 2. 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 3. 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： 1. 可以了解变量间及变量组合间的亲疏关系 2. 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： 1. 数据预处理（
3、标准化） 2. 构造关系矩阵（亲疏关系的描述） 3. 聚类（根据不同方法进行分类） 4. 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1) 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。2) 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
4、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：3) 常用标准化方法（选项说明） ： a) None：不进行标准化，这是系统默认值b) 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。c) Range 1 to 1：极差标准化变换作用作用：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
5、少误差的产生。d) Maximum magnitude of 1作用作用：变换后的数据最大值为1。e) Range 0 to 1（极差正规化变换 / 规格化变换）作用作用：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。f) Mean of 1作用作用：变换后的数据均值为1。g) Standard deviation of 1作用作用：变换后的数据标准差为1。2) 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1) 描述变量或样本的亲疏程度
6、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。 v 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。3) 常用测度（选项说明）：a) Euclidean distance：欧氏距离 （二阶Minkowski距离）b) Squared Eucidean distance：平方欧氏距离用途用途：聚类分析中用得最广泛的距离 但与各变量的量纲有
7、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用途：聚类分析中用得最广泛的距离c) Cosine：夹角余弦(相似性测度)用途用途：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：01d) Pearson correlation：皮尔逊相关系数e) Chebychev：切比雪夫距离用途用途：计算两个向量的皮尔逊相关系数用途用途：计算两个向量的切比雪夫距离e) Block：绝对值距离（一阶Minkowski度量） （又称Manhattan度量或网格度量）用途用途：计算两个向量的绝对值距离f) Minkow
8、ski：明科夫斯基距离用途用途：计算两个向量的明科夫斯基距离f) Customized：自定义距离用途用途：计算两个向量的自定义距离确定了样品或变量间的距离或相似系数后，就要对 样品或变量进行分类。分类的一种方法是系统聚类法 （又称谱系聚类）；另一种方法是调优法（如动态聚 类法就属于这种类型）。此外还有模糊聚类、图论聚 类、聚类预报等多种方法。我们主要介绍系统聚类法(实际应用中使用最多)。系统聚类法的基本思想基本思想：令n个样品自成一类，计算 出相似性测度，此时类间距离与样品间距离是等价的 ，把测度最小的两个类合并；然后按照某种聚类方法 计算类间的距离，再按最小距离准则并类；这样每次 减少一类
9、，持续下去直到所有样品都归为一类为止。 聚类过程可做成聚类谱系图(Hierarchical diagram)。3. 选择聚类方法系统聚类法的聚类原则决定于样品间的距离（或相 似系数）及类间距离的定义，类间距离的不同定义就 产生了不同的系统聚类分析方法。2) SPSS中如何选择系统聚类法从Cluster Method框中 点击向下箭头，将出 现如左可选项，从中 选一即可。1) 系统聚类法的产生a) Between-groups linkage 组间平均距离连接法特点特点：非最大距离，也非最小距离方法简述：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）b) With
10、in-groups linkage 组内平均连接法方法简述：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3) 常用系统聚类方法c) Nearest neighbor 最近邻法（最短距离法）特点特点：样品有链接聚合的趋势，这是其缺点，不适 合一般数据的分类处理，除去特殊数据外，不提 倡用这种方法。方法简述：首先合并最近或最相似的两项d) Furthest neighbor 最远邻法（最长距离法）方法简述：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e) Centroid clustering 重心聚类法特点特点：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
11、，且符号改变频繁，计算较烦。方法简述：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f) Median clustering 中位数法特点特点：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。方法简述：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g) Wards method 离差平方和法特点特点：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。方法简述：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 方和应当较大经过系统聚类法处理后，得到聚
12、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四、谱系分类的确定SPSS中其他选项（通过实例演示）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” ）生成树形图生
13、成冰柱图凝聚状态表，显 示聚类过程各项间的距离矩阵类成员栏结果分析： （方法选择如下）通过比较，可知离差平方和法（Wards method）分类 结果较好，将28各样本分为三类： 1.第一类包含6个元素：2、15、10、11、6、7 2.第二类包含10个元素：8、17、28、12、13、18、14、 20、21、22 3.第三类包含9个元素：3、16、23、24、4、27、5、25 、26 v另有三个元素1、9、19为孤立点。 从分类结果可以看出：1、9、19表示北京、上海、广 东三地农民属高消费生活水平；天津等第一类的农民生 活水平较高；安徽等第二类的农民生活水平为中等；陕 西等地的农民生活水平较低。试用不同方法对变量进行聚类，并分析结 果的含义
