SPSS16.0完整版预览.ppt

图8-13 “Hierarchical Cluster Analysis：Statistics”对话框（二） （1）首先是层次R型聚类分析的结果，该结果是SPSS输出结果文件中的第一个表格。 8.3.3 结果和讨论 （2）输出的结果文件中第二个表格如下表所示。 （3）输出的结果文件中第三个表格如下表所示。 （4）输出的结果文件中第四个表格如下表所示。 （5）输出的结果文件中第五个表格如下表所示。 4．样本数据与小类、小类与小类之间的亲疏程度测量方法 SPSS默认的变量为Var00001、Var00002等，用户也可以根据自己的需要来命名变量。SPSS变量的命名和一般的编程语言一样，有一定的命名规则，具体内容如下。 所谓小类，是在聚类过程中根据样本之间亲疏程度形成的中间类，小类和样本、小类与小类继续聚合，最终将所有样本都包括在一个大类中。 在SPSS聚类运算过程中，需要计算样本与小类、小类与小类之间的亲疏程度。SPSS提供了多种计算方法（计算规则）。 （1）最短距离法（Nearest Neighbor） 以当前某个样本与已经形成小类中的各样本距离的最小值作为当前样本与该小类之间的距离。 （2）最长距离法（Furthest Neighbor） 以当前某个样本与已经形成小类中的各样本距离的最大值作为当前样本与该小类之间的距离。 （3）类间平均链锁法（Between-groups Linkage） 两个小类之间的距离为两个小类内所有样本间的平均距离。 （4）类内平均链锁法（Within-groups Linkage） 与小类间平均链锁法类似，这里的平均距离是对所有样本对的距离求平均值，包括小类之间的样本对、小类内的样本对。 （5）重心法（Centroid Clustering） 将两小类间的距离定义成两小类重心间的距离。每一小类的重心就是该类中所有样本在各个变量上的均值代表点。 （6）离差平方和法（Ward’s Method） 小类合并的方法：在聚类过程中，使小类内各个样本的欧氏距离总平方和增加最小的两小类合并成一类。 ? 研究问题 对一个班同学的数学水平进行聚类。聚类的依据是第一次数学考试的成绩和入学考试的成绩。数据如表8-1所示。 8.2.2 SPSS中实现过程 表8-1 学生的数学成绩 姓 名 数 学 入 学 成 绩 hxh 99.00 98.00 yaju 88.00 89.00 yu 79.00 80.00 shizg 89.00 78.00 hah 75.00 78.00 john 60.00 65.00 watet 79.00 87.00 jess 75.00 76.00 wish 60.00 56.00 Iiakii 100.00 100.00 ? 实现步骤 图8-1 在菜单中选择“Hierarchical Cluster”命令 图8-2 “Hierarchical Cluster Analysis”对话框（一） 图8-3 “Hierarchical Cluster Analysis：Method”对话框（一） 图8-4 “Hierarchical Cluster Analysis：Plots” 对话框（一） 图8-5 “Hierarchical Cluster Analysis：Statistics”对话框（一） 图8-6 “Hierarchical Cluster Analysis：Save New Var”对话框 由于本例中选中的选项较多，这里按照各个结果分别解释。 （1）首先是层次聚类分析的概要结果，该结果是SPSS输出结果文件中的第一个表格，如下表所示。 8.2.3 结果和讨论 （2）输出的结果文件中第二个表格如下表所示。 （3）输出的结果文件中第三个表格为层次聚类分析的凝聚状态表，包括： （4）输出的结果文件中第四个表格如下表所示。 （5）输出的结果文件中第五个表格如下表所示。 （6）输出的结果文件中第六部分如图8-7所示。 （7）由于对图8-6“Hierarchical Cluster Analysis: Save New Var”对话框进行了设置，将聚类成三类时，各个样本的类归属情况保存为一个变量，因此在SPSS数据编辑窗口中就新增了一个变量的值，如图8-8所示。 图8-8 层次聚类分析结果保存 8.3 层次聚类分析中的R型聚类 8.3.1 统计学上的定义和计算公式 定义：层次聚类分析中的R型聚类是对研究对象的观察变量