spss分析方法-聚类分析

聚类分析是根据研究对象的特征，按照一定标准对研究对象进行分类的一种分析方法。
下面我们主要从下面四个方面来解说：

• 实际应用
• 理论思想
• 建立模型
• 分析结果

一、实际应用

聚类分析的目标就是在相似的基础上收集数据来分类。

聚类源于很多领域，包括数学，计算机科学，统计学，生物学和经济学。在不同的应用领域，很多聚类技术都得到了发展，这些技术方法被用作描述数据，衡量不同数据源间的相似性，以及把数据源分类到不同的簇中。

商业上：

聚类分析被用来发现不同的客户群，并且通过购买模式刻画不同的客户群的特征。聚类分析是细分市场的有效工具，同时也可用于研究消费者行为，寻找新的潜在市场、选择试验的市场，并作为多元分析的预处理。

生物上：
聚类分析被用来动植物分类和对基因进行分类，获取对种群固有结构的认识。

地理上：

聚类能够帮助在地球中被观察lei的数据库趋于的相似性。

保险行业上：
聚类分析通过一个高的平均消费来鉴定汽车保险单持有者的分组，同时根据住宅类型，价值，地理位置来鉴定一个城市的房产分组。

因特网上：

聚类分析被用来在网上进行文档归类来修复信息。

电子商务上：
聚类分析在电子商务中网站建设数据挖掘中也是很重要的一个方面，通过分组聚类出具有相似浏览行为的客户，并分析客户的共同特征，可以更好的帮助电子商务的用户了解自己的客户，向客户提供更合适的服务。

二、理论思想

聚类分析是基于数据之间的距离远近，对研究变量进行聚类分组，聚类分析事先不知道分组情况，是一种探索性分析。

聚类分析就是分析如何对样品（或变量）进行量化分类的问题。

按照研究对象的不同，聚类分析一般分为样本聚类和变量聚类。

样本聚类又称Q型聚类，它针对实测量进行分类，将特征相近的实测量分为一类，特征差异较大的实察量分在不同的类。

变量聚类又称R型聚类，它针对变量分类，将性质相近的变量分为一类，将性质差异较大的变量分在不同的类。

聚类常见类型有系统聚类、K-means聚类和两步聚类：

系统聚类：

先将n个样品或变量看成n个分类，然后将距离接近（样品聚类）或性质接近（变量聚类）的两类合并为一类，再从n-1类中继续寻找最接近的两类合并为一类，如此继续，最终将所有类别合并为一类。

K-means****聚类，又称快速聚类：

对n个数值变量参与快速聚类，则n个变量组成一个n维的空间，每个样品是空间中的一个点，最终按照事先要求聚类聚成K个类别。聚类前计算机随机产生初始的聚类中心，计算各个点到中心的距离，然后计算机迭代新的聚类中心。如果各个点到第二次聚类中心的距离比第一次小，则放弃第一次中心，留取第二次中心。接着计算机继续迭代寻找第三次聚类中心，直至各个点到前后聚类中心的距离之差为零，此时认为已经无法再进一步优化，即找到最佳的聚类中心。

两步聚类：

利用统计量作为距离进行聚类，两步聚类顾名思义分为两步，先进行预聚类，然后在预聚类基础上，根据AIC和BIC最小原则，自动判定聚类数目。两步聚类算法复杂，但软件实现起来也不复杂。

一般可以根据以下的条件选中聚类方法：

三、建立模型

模型建立的步骤：

构建模型的步骤如下：

（1）数据预处理；

（2）为衡量数据点间的相似度定义一个距离函数；

（3）聚类或分组；

（4）评估输出；

（5）优化模型。

快速聚类案例：

题目：以下我国2006年各地区能源消耗的情况。根据不同省市的能源消耗情况，对其进行分类，分析我国不同地区的能源消耗情况。

一、数据输入

二、操作步骤1、进入SPSS，打开相关数据文件，选择“分析”|“分类 ”|“K-均值聚类”命令2、选择进行聚类分析的变量。在对话框的左侧列表框中，选择“地区”进入“个案标注依据”列表框，选择“Zscore（单位地区生产总值煤消耗量）”“Zscore（单位地区生产总值电消耗量）”“Zscore（单位工业增加值煤消耗量）”3个变量进入“变量”列表框；在“聚类数”中，输入聚类分析的类别数3

3、设置输出及缺失值处理方法。

单击“K均值聚类分析”对话框中的“选项”按钮。在“统计”选项组中，选中全部的3个复选框；“缺失值”选择默认值。

设置完毕后，单击“继续”按钮返回“K均值聚类分析”对话框。

4、其余设置采用系统默认值即可。单击“确定”按钮，等待输出结果。

四、结果分析

1、初始聚类中心可以知道初始聚类中心。
2、聚类成员分析可以知道每个地区属于哪一类，还可以知道每个地区到最终聚类中心的距离。
3、最终聚类中心表可以看出，3类的中心位置同初始位置相比，均发生了变化。

4、每个聚类中的样本数可以知道，聚类1所包含样本数最多，聚类3所包含样本数最少。
分析结论：（获取更多知识，前往gz号程式解说）
通过K中心聚类分析，可以对我国不同地区的能源消耗情况有一个基本的了解。我们可以将不同地区的能源消耗情况分成3类；其中，第一类地区包含的省市最多，有24个，其他两类包含省市较少。通过分析也可以知道每个地区属于哪一类。

参考案例数据：

【1】spss统计分析与行业应用案例详解(第四版) 杨维忠,张甜,王国平 清华大学出版社

收录于合集 #spss

13个

上一篇spss分析方法-回归分析