spss聚类分析教程.ppt

单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,中国人民大学六西格玛质量管理研究中心,*,2025/10/21 周二,1,基本统计分析,有了数据，可以利用,SPSS,的各种分析方法进行分析，但选择何种统计分析方法，即调用哪个统计分析过程，是得到正确分析结果的关键,SPSS,有数字分析和作图分析两类方法,2025/10/21 周二,2,基本统计分析概述,目录 上页 下页 返回 结束,基本统计分析是进行其他更深入的统计分析的前提，通过基本统计分析，用户可以对分析数据的总体特征有比较准确的把握，从而选择更为深入的分析方法对分析对象进行研究,。,在,SPSS,的Analyze,菜单中包括了一系列统计分析过程。其中,Reports,和,Descriptive Statistics,命令项中包括的功能是对单变量的描述统计分析,Descriptive Statistics,包括的统计功能有：,Frequencies,：频数分析,Descriptives,：描述统计量分析,Explore,：探索分析,Crosstabs,：多维频数分布交叉表（列联表）,2025/10/21 周二,4,描述统计分析过程,Descriptives,目录 上页 下页 返回 结束,1,、功能：了解数据的基本统计特征和对指定的变量值进行标准化处理,(,标准化后的新变量的均值为,0,，标准差为,1,，目的是为了消除各变量间变量值在数量级上的差异，从而增强数据间的可比性,),。,2,、描述统计分析过程通过平均值,(Mean),、,算术和,(Sum),、标准差,(Std Dev),、最大值,(Maximum),、最小值,(Minimum),、方差,(Variance),、范围,(Range),、平均数标准误,(S.E.Mean),等统计量对变量进行描述,。,2025/10/21 周二,5,目录 上页 下页 返回 结束,SPSS,数值统计分析过程均在,Analyze,菜单中,基本统计分析：,Reports,Descriptive Statistics,b,、均值比较与检验：,Compare Means,d,、方差分析：,ANOVA Models,b,、相关分析：,Correlate,e,、,回归分析,：,Regression,f,、,聚类与判别,：,Classify,g,、,因子分析,：,Data Reduction,h,、,非参数检验,：,Nonparametric Tests,等等,2025/10/21 周二,6,第一章 聚类分析,聚类分析的基本思想,聚类分析上机实现,2025/10/21 周二,9,1.1,聚类分析的思想,目录 上页 下页 返回 结束,聚类的目的,在一些社会、经济问题中，我们面临的往往是比较复杂的研究对象，如果能把相似的样品（或指标）归成类，处理起来就大为方便，聚类分析的目的就是把相似的研究对象归成类。,【,例,1】,若我们需要将下列,11,户城镇居民按户主个人的收入进行分类，对每户作了如下的统计，结果列于表,3.1,。在表中，,“,标准工资收入,”,、,“,职工奖金,”,、,“,职工津贴,”,、,“,性别,”,、,“,就业身份,”,等称为指标，每户称为样品。若对户主进行分类，还可以采用其他指标，如,“,子女个数,”,、,“,政治面貌,”,等，指标如何选择取决于聚类的目的。,2025/10/21 周二,10,目录 上页 下页 返回 结束,2025/10/21 周二,11,目录 上页 下页 返回 结束,上例中的,8,个指标，前,6,个是定量的，后,2,个是定性的。如果分得更细一些，指标的类型有三种尺度,间隔尺度。变量用连续的量来表示。,有序尺度。指标用有序的等级来表示，有次序关系，但没有数量表示。,名义尺度。指标用一些类来表示，这些类之间没有等级关系也没有数量关系。,不同类型的指标，在聚类分析中，处理的方式是大不一样的。总的来说，提供给间隔尺度的指标的方法较多，对另两种尺度的变量处理的方法不多。,2025/10/21 周二,12,目录 上页 下页 返回 结束,第一位重要的问题是“什么是类”？粗糙地讲，相似样品（或指标）的集合称作类。,聚类分析给人们提供了丰富多采的方法进行分类，这些方法大致可归纳为：,(1),系统聚类法。,(2),模糊聚类法。,(3)K-,均值法。,(4),有序样品的聚类。,(5),分解法。,(6),加入法。,2025/10/21 周二,13,1.2,系统聚类法,目录 上页 下页 返回 结束,(1),最短距离法。,(nearest neighbor,或,single linkage method),2025/10/21 周二,14,目录 上页 下页 返回 结束,(2),最长距离法（,farthest neighbor,或,complete linkage method,）。,2025/10/21 周二,15,目录 上页 下页 返回 结束,(3),类平均法,(group average method),。,2025/10/21 周二,16,目录 上页 下页 返回 结束,(4),重心法,(Centroid method),。,(5),离差平方和法（,Sum of Squares method,）。,2025/10/21 周二,中国人民大学六西格玛质量管理研究中心,17,1.3,系统聚类法,目录 上页 下页 返回 结束,系统聚类法,(hierarchical clustering method),在聚类分析中诸方法中用的最多，包含下列步骤：,2025/10/21 周二,18,目录 上页 下页 返回 结束,注：不同的距离定义方式用到系统聚类程序中，得到不同的系统聚类法。我们现在通过一个简单的例子，来说明各种系统聚类法。,2025/10/21 周二,中国人民大学六西格玛质量管理研究中心,19,1.4,计算步骤与上机实践,目录 上页 下页 返回 结束,2025/10/21 周二,20,1.5,案例研究,目录 上页 下页 返回 结束,例,3,我们以,2005,年,31,个省、市、自治区的城镇居民月平均消费支出数据为例，在,SPSS,中利用,K-,均值法对,31,个省、市、自治区的城镇居民消费水平进行聚类分析。,在,SPSS,中依次点击,“,Analyze,”,“,Classify,”,“,K-Means Cluster,”,，打开,K-Means Cluster Analysis,对话框将,8,个变量选入,Variable,框中，将表示地区的变量选入,Label Cases By,栏中，将分类数（,Number of clusters,）定为,3,。另外，点击,Iterate,按钮可以在其中输入最大迭代次数（,Maximum iterations,）和收敛标准（,Convergence criterion,）；在,Save,按钮中可以选择保存样本的聚类结果（,Cluster membership,）和各样本距各自中心点的距离（,Distance from cluster center,）；在,Options,按钮中可以选择输出初始类中心点、方差分析表等结果，读者可以根据实际情况来选择。点击,“,OK,”,得到聚类结果如下：,2025/10/21 周二,中国人民大学六西格玛质量管理研究中心,21,目录 上页 下页 返回 结束,2025/10/21 周二,22,目录 上页 下页 返回 结束,表,3.16,中最大的相关系数为,r4,，,8,0.837,，将,G4,和,G8,并成一新类,G9,，然后计算,G9,与各类的相关系数，再找最大的相关系数，每次缩小一类得图,3,17,。,我们可以看出全国城镇居民得消费结构大致可以分为三个方面，一类是各种副食、日用品及交通通信、文化教育和住房等支出，这是在消费结构中起主导作用的方面；其次是居民购买烟、酒、饮料及着装支出；粮食和水电燃料是两项很重要的消费指标，但目前在城镇居民的消费中占的比例较小，可将它们归并为同一类。,2025/10/21 周二,23,目录 上页 下页 返回 结束,上面介绍的几种系统聚类方法，并类的原则和步骤基本一致，所不同的是类与类的距离有不同的定义。其实可以把这几种方法统一起来，有利于在计算机上灵活地选择更有意义的谱系图。,2025/10/21 周二,24,目录 上页 下页 返回 结束,当然，也可以采用欧氏距离分别用类平均法、最短距离法、最长距离法把,31,个省市分类。,类平均法聚类在,SPSS,中的操作为：点选,“,Analyze,”,“,Classify,”,“,Hierarchical Cluster,”,，打开,Hierarchical Cluster Analysis,对话框，将八个聚类指标选入,Variables,栏中，将表示地区的变量选入,Label Cases By,栏中，按,“,Plots,”,按钮，在弹出的窗口中选中,Dendrogram,（谱系图）选项，按,“,Continue,”,返回主对话框，在按,“,Method,”,按钮，在,Cluster Method,下拉菜单中选择,Between-groups linkage,（组间连接法，即类平均法）选项，返回主对话框后按,“,OK,”,即可得到聚类结果。,2025/10/21 周二,25,目录 上页 下页 返回 结束,最短距离法和最长距离法操作步骤与类平均法一样，只不过要在,Cluster Method,下拉菜单中分别选择,Nearest Neighbor,和,Furthest Neighbor,选项。,直观看出，类平均法分为三类：,1,，,9,，,11,，,19,为第一类，,13,，,2,，,22,，,10,为第二类，其他为第三类；最短距离法分为两类，,1,，,9,，,11,，,19,为一类，其余的省市归为一大类；最长距离法也分为三类：,1,，,9,，,11,，,19,为第一类，,10,，,22,，,2,，,13,，,26,为第二类，其余的省市为第三类。很显然，这三种方法的分类效果是有差异的。,