SPSS应用基础解析.ppt

操作步骤： 1.在SPSS中打开数据文件Hierachical Cluster.sav，选择【分析】 →【分类】 → 【系统聚类】（Analyze→ Classify→Hierachical Cluster），调出系统聚类分析主界面，并将变量X1～X5移入变量（Variables）框中。在分群（Cluster）栏中选择个案（Cases）单选按钮，即对样品进行聚类（若选择Variables，则对变量进行聚类）。在输出（Display）栏中选择统计量（Statistics）和图（Plots）复选框，这样在结果输出窗口中可以同时得到聚类结果统计量和统计图。 4. 点击方法（Method）按钮，设置系统聚类的方法选项。聚类方法（Cluster Method）下拉列表用于指定聚类的方法，包括组间连接法、组内连接法、最近邻元素法、最远邻元素法等；度量标准（Measure）栏用于选择对距离和相似性的测度方法；剩下的转换值(Transform Values)和转换度量（Transform Measures）栏用于选择对原始数据进行标准化的方法。这里我们仍然均沿用系统默认选项。单击继续（Continue）按钮，返回主界面。 5. 点击保存（Save）按钮，指定保存在数据文件中的用于表明聚类结果的新变量。无（None）表示不保存任何新变量；单一方案（Single solution）表示生成一个分类变量，在其后的矩形框中输入要分成的类数；方案范围（Range of solutions）表示生成多个分类变量。这里我们选择方案范围，并在后面的两个矩形框中分别输入2和4，即生成三个新的分类变量，分别表明将样品分为2类、3类和4类时的聚类结果。点击继续（Continue），返回主界面。 主要运行结果解释： 1. 在结果输出窗口中我们可以看到聚类树形图（Dendrogram）。 从下面的树形图可以清楚地看到，若将20个样品分为两类， 则样品2、6、19、7、和样品1为一类，其余的为另一类；若将样品分为三类，则样品8、9、4从第二类中分离出来，自成一类；依此类推。 2. 由于我们已经在保存（Save）子对话框中设置了在数据文件中生成新的分类变量，所以，在数据编辑窗口中，我们可以看到生成的三个表示分类结果的新变量。变量名为clu4_1、clu3_1和clu2-1的三个分类变量分别表明了把样品分成4类、3类和2类的分类情况。 系统聚类法需要计算出不同样品或变量的距离，还要在聚类的每一步都要计算“类间距离”，相应的计算量自然比较大；特别是当样本的容量很大时，需要占据非常大的计算机内存空间，这给应用带来一定的困难。而K—均值法是一种快速聚类法，采用该方法得到的结果比较简单易懂，对计算机的性能要求不高，因此应用也比较广泛。 K均值法是麦奎因（MacQueen，1967）提出的，这种算法的基本思想是将每一个样品分配给最近中心（均值）的类中，具体的算法至少包括以下三个步骤： 1．将所有的样品分成K个初始类； 2．通过欧氏距离将某个样品划入离中心最近的类中，并对获得样品与失去样品的类，重新计算中心坐标； 3．重复步骤2，直到所有的样品都不能再分配时为止。 K均值法和系统聚类法一样，都是以距离的远近亲疏为标准进行聚类的，但是两者的不同之处也是明显的：系统聚类对不同的类数产生一系列的聚类结果，而K—均值法只能产生指定类数的聚类结果。具体类数的确定，离不开实践经验的积累；有时也可以借助系统聚类法以一部分样品为对象进行聚类，其结果作为K—均值法确定类数的参考。 下面通过一个具体问题说明K均值法的计算过程。 【例】假定我们对A、B、C、D四个样品分别测量两个变量和得到结果见下表： 试将以上的样品聚成两类。 第一步：按要求取K=2，为了实施均值法聚类，我们将这些样品随意分成两类，比如（A、B）和（C、D），然后计算这两个聚类的中心坐标，如下表所示。 第二步：计算某个样品到各类中心的欧氏平方距离，然后将该样品分配给最近的一类。对于样品有变动的类，重新计算它们的中心坐标，为下一步聚类做准备。先计算A到两个类的平方距离： 由于A到（A、B）的距离小于到（C、D）的距离，因此A不用重新分配。计算B到两类的平方距离： 由于B到（A、B）的距离大于到（C、D）的距离，因此B要分配给（C、D）类，得到新的聚类是（A）和（B、C、D）。更新中心坐标如下表所示： 第三步：再次检查每个样品，以决定是否需要重新分类。计算各样品到各中心的距离平方，得样品聚类结果，如下表所示： 到现在为止，每个样品都已经分配给距离中心最近的类，因此聚类过程到此结束。最终得到K=2的聚类结果是A独自成一类，B、C、D聚成一类。 在SPSS中利用K均值法进行聚类分析