cha 17 sas 聚类分析.pptVIP

* * * * thanks 本文来自网络，请不要使用盗版文档，尊重作者的辛苦劳动，谢谢 G 我爱朱丹老婆 中华人民共和国 20100808080808080808080808080808080808080808080808080808080808080 Lvdd我爱你ZDLP * * 多变量分析方法 和软件应用 * * 第十七章 SAS 聚类分析 * * 概述 聚类分析是根据“物以类聚”的道理，对样品或指标进行分类的一种多元统计分析方法，它们讨论的对象是大量的样品，要求能合理地按各自的特性来进行合理的分类。 * * 概述 基本思想是根据事物本身的特性研究个体分类的方法；聚类原则是同一类中的个体有较大的相似性，不同类中的个体差异很大。 * * 概述 基本程序：是根据一批样品的多个观测指标，具体地找出一些能够度量样品或指标之间相似程度的统计量，然后利用统计量将样品或指标进行归类。 * * 概述 聚类方法 由小类合并到大类的方法 由大类分解为小类的方法 静态聚类法、动态聚类法 按样本聚类（Q）、按指标聚类（R） * * Q型聚类 Q型聚类 Q型聚类以距离作为统计量.系统聚类法（层次聚类法） 在聚类分析的开始，每个样本自成一类； * * Q型聚类 然后，按照某种方法度量所有样本之间的亲疏程度，并把最相似的样本首先聚成一小类； * * Q型聚类 接下来，度量剩余的样本和小类间的亲疏程度，并将当前最接近的样本或小类再聚成一类； * * Q型聚类 再接下来，再度量剩余的样本和小类间的亲疏程度，并将当前最接近的样本或小类再聚成一类；如此反复，直到所有样本聚成一类为止。 * * R型聚类 R型聚类 R型聚类以相似系数作为统计量。 是一种降维的方法，用于在变量众多时寻找有代表性的变量，以便当用少量、有代表性的变量代替大变量时损失信息很少。 * * 聚类分析和判别分析的比较  判别分析时总体中各类别的划分是十分清楚的。 聚类分析时总体中各类别的划分是不清楚的，甚至到底应分成几类也不知道，用于聚类分析的原始数据中没有类别变量。 * * 聚类统计量 在聚类分析中反映样品或 变量间关系亲疏程度的统计量称为 聚类统计量，常用的聚类统计量分 为距离和相似系数两种。 * * 距 离：用于对样品的聚类。 常用欧氏距离，在求距 离前需进行标准化 。 相似系数： 用于对变量的聚类。 一般采用相关系数 。 * * SAS提供的聚类过程有： Cluster 过程 及其它 。 * * 1、CLUSTER对坐标数据或距离数据的观测值用11种方法进行系统聚类，当观测值数太多时，不宜直接采用。 * * 2、FASTCLUS对于坐标数据，用K-均值法对观测值进行逐步聚类，当观测值很多时，则先用FACTCLUS过程对其进行初步聚类，然后再用CLUSTER过程进行系统聚类。 * * 3、VARCLUS通过斜交多组分量分析对变量进行系统聚类或逐步聚类。 * * 4、TREE为CLUSTER过程产生的输出结果画树状图。 * * CLUSTER过程 * * 开始每个观测值自成一类，然后求两两之间的距离，将距离最近的两个观测值合成一类。这个过程一直进行下去，每次减少一类，直到合成一类为止。 * * 聚类方法有11种，可根据问题的性质选用，它们的区别在于怎样计算两类之间的距离。 METHOD=指定方法 * * AVERAGE（平均法） CENTROID（重心法） COMPLETE（最大距离法） DENSITY（密度法） MEDIAM（中位数法） 等 * * 例： 美国十个城市某病患病状况分类： （根据两个城市间患病人数差值作分类依据）。 * * 原始数据是两两之间差值的三角阵 输入格式 55列为城市 15位 平均法 重心法 最小距离法 输出F及t统计量 * * 观测值之间距离的均方根 输出结果： 类数 指出被合并的类 新类中的观测值数 类间距离除以观测值间距离均方根得来 F、t**2峰值(起伏)越大说明分类显著 * * * * * * * *