《华理多元统计实验6》由会员分享，可在线阅读，更多相关《华理多元统计实验6（12页珍藏版）》请在金锄头文库上搜索。
1、华东理工大学20132014 学年 第 二 学期 多元统计学 实验报告5 班级 学号 姓名 开课学院 商学院 任课教师 任飞 成绩 实验内容：实验 5 聚类分析方法 1.熟悉SPSS中聚类分析的距离选择功能 2.熟悉SPSS中聚类分析的系统聚类功能实验要求： 1.选用例题5.1 文件中的变量，完成系统聚类法的各种结果的比较分析 2.对案例：CropPain连锁店，展开聚类分析讨论教师评语： 教师签名： 年 月 日实验报告：1. 例题5.1 从21个工厂各抽一件同类产品，每个产品测两个质量指标，记作x1、x2，要求将各厂的产品按质量情况进行分类。Analyze-Classify-Hierarch
2、ical Cluster，在Measure栏中选择距离测度方法：Block -dij(1)分析：表明实验是对样品进行分类的。Valid下面的数据21表明有效数据共21组，占总数据的百分比为100%，而被排除的无效数据(missing)为0，百分比为0%。总数据为21组。分析：coefficients下对应的数字为分类的系数，Nextstage表明被聚合成一类的数据，其下一步将会参与到哪个阶段的聚类当中，比如说Stage1所对应的nextstage为stage6,表明stage1中的数据或者数据会参与到第6阶段的聚合中，而由stage6可知，数据17缺确实与数据19进行了聚类。上图是本次实验的聚
3、类图，用很简明直观的方法显示出了整个聚类的阶段过程，一目了然。图中附带了刻度，也就是说越是靠前，刻度值越小的聚类，越先发生。比如上图中，最先聚合的，就是以1为标准来进行分类的数据有17，18，19，20组，1、2组，5、6组等。Method中还有Euclidean distance -dij(2)，Squared Euclidean distance，Chebychev -dij()，Minkowski -dij(q)，Cosine -cij(1)，Pearson correlation -cij(2)，其所产生的图的类别虽然相同，但是由于计算点点之间的距离的方法不一样，因此所分类的阶段和先后
4、顺序有所差别。2. 对案例：CropPain连锁店，展开聚类分析讨论Analyze-Classify-Hierarchical Cluster，在Cluster Method栏中选择系统聚类方法：最短距离法(Nearest Linkage)最长距离法(Furthest Linkage)中间距离法(Median Linkage)重心法(Centroid clustering)类平均法(Between-groups Linkage) (Within-groups Linkage)重点以离差平方和法(Wards method)为例，Agglomeration ScheduleStageCluster
5、 CombinedCoefficientsStage Cluster First AppearsNext StageCluster 1Cluster 2Cluster 1Cluster 218342.107004240434.3870026319236.925002748279.50110205505512.0810014661114.85600297495117.75900198182620.8470025953324.098001310213127.44800211112430.81500231234134.33200301352037.903903114505341.5285036151
6、65445.207003116285749.183003917134653.741004718383958.470003819444964.12307432085669.811403621213275.5141003322425981.2470035231287.0261104824104793.018004925184899.4498045261740105.944024727919112.8450337282552119.872003729615127.035604130345134.2081204031516141.708131542322935149.2930051332160156.
7、9492104534412164.9180040353042173.5100224336850182.45820145237925191.651272848381438201.2550185339728211.433016444034223.52730345141637236.7612904642522250.58631053433044265.21335194944736280.70839054451821298.29325335046658316.45041057471317335.6291726504819355.265233755491030378.127244356501318401
8、.43947455451329424.7994032525238455.03651365653514486.27142385554713520.7114450575515560.68448535856310613.1525249585767669.5014654595813743.1125556595916944.00058570Cluster MembershipCase4 Clusters3 Clusters2 Clusters1:000000011112:000000021113:000000032214:000000042215:000000051116:000000063327:00
9、0000074328:000000082219:0000000911110:0000001022111:0000001133212:0000001222113:0000001343214:0000001411115:0000001533216:0000001611117:0000001743218:0000001843219:0000001911120:0000002011121:0000002143222:0000002211123:0000002311124:0000002411125:0000002511126:0000002643227:0000002722128:0000002843
10、229:0000002922130:0000003022131:0000003143232:0000003243233:0000003311134:0000003422135:0000003522136:0000003643237:0000003733238:0000003811139:0000003911140:0000004043241:0000004122142:0000004222143:0000004343244:0000004422145:0000004522146:0000004643247:0000004722148:0000004843249:0000004922150:0000005022151:0000005122152:0000005211153:0000005322154:0000005411155:0000005522156:0000005622157:0000005743258:0000005833259:0000005922160:00000060432分类结果为：如上图，大致可以分为4个类别类别餐馆餐馆个数11，2，5，9，14，16，19，20，22，23，24，25，33，38，39，52，54，1723，4，8，10，12，27，29，30，34，35，41，42，44，45，47，49，50，51，53
