多元统计分析课件PPT 3 聚类分析.ppt

* 中国人民大学六西格玛质量管理研究中心 * §3.7 计算步骤与上机实践 目录 上页 下页 返回 结束 * 中国人民大学六西格玛质量管理研究中心 * §3.7 计算步骤与上机实践 目录 上页 下页 返回 结束 * 中国人民大学六西格玛质量管理研究中心 * §3.7 计算步骤与上机实践 目录 上页 下页 返回 结束 表3.15是各类的分类系数，由于我们指定分为3类，某个样品在这3类中的某类上系数最大，则将该样品聚为该类。比如第1个样品在第1类的系数最大，说明第1个样品在第1类中。 表3.16是聚类结果。由结果可以看出，与K-均值快速聚类得到的结果是完全一致的。 图3.12是样品的分类图，由图可以看出，各类很明显地被分开。 图3.13是样品的侧影图，类似于水平的冰柱图或者树形图，可以看出三类中，各类包含哪些样品。 我们看到此例中，由模糊聚类得到的结果与K-均值聚类得到的结果是一样的。同时我们应该看到这种分类带有较强的主观性，而且分类结果也比较粗糙。一般仅适合于对大量数据的快速聚类。 * 中国人民大学六西格玛质量管理研究中心 * §3.8 社会经济案例研究 目录 上页 下页 返回 结束 例3.5 城镇居民消费水平通常用表3.15中的八项指标来描述，八项指标间存在一定的线性相关。为研究城镇居民的消费结构，需将相关性强的指标归并到一起，这实际就是对指标聚类。原始数据列于表3.15。 将原始数据录入SPSS，并依次点击“Analyze”→ “Correlate” →“Bivariate”，打开Bivariate Correlations对话框，把八个变量选入Variables栏中，单击“OK”，得到这八个指标对应的相关系数，列于表3.16。 * 中国人民大学六西格玛质量管理研究中心 * §3.8 社会经济案例研究 目录 上页 下页 返回 结束 * 中国人民大学六西格玛质量管理研究中心 * §3.8 社会经济案例研究 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。 * 中国人民大学六西格玛质量管理研究中心 * §3.8 社会经济案例研究 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。 * 中国人民大学六西格玛质量管理研究中心 * §3.8 社会经济案例研究 目录 上页 下页 返回 结束 对例3.5，我们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。 * 中国人民大学六西格玛质量管理研究中心 * §3.8 社会经济案例研究 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。图3.18、图3.19、图3.20分别显示了三种方法的分类结果。为便于对照，将三种方法分类的结果综合列于表3.18。 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