分层聚类实例分析与软件操作教程.docx

一、分层聚类简介

分层聚类又称系统聚类分析，是一种通过逐步合并或分割样本/变量来构建聚类层次结构的分析方法。SPSSAU(在线SPSS)平台提供了便捷的分层聚类功能，适用于定量数据的聚类需求。

二、分层聚类适用场景

变量降维：当需要从多个相关变量中筛选代表性变量时

样本分类：对观测样本进行自然分组

探索性分析：在数据探索阶段发现潜在的数据结构

三、SPSSAU分层聚类操作步骤

步骤1：数据准备

登录SPSSAU(网页SPSS)平台

上传或创建数据集

检查数据质量（缺失值、异常值等）

步骤2：进入分析界面

在分析页面右侧选择【进阶方法】

点击【分层聚类】模块

步骤3：变量设置

将待分析的定量变量拖拽至【分析项(定量)】框内

设置聚类个数（默认为3类，可根据需求调整）

步骤4：开始分析

点击【开始分析】按钮，系统将自动执行分层聚类分析

四、实例分析：裁判评分数据

案例背景

某比赛有8位裁判对300名选手进行评分（1-10分），需要分析裁判评分行为是否存在群体特征。

操作流程

将评分数据上传至SPSSAU系统

由于评分单位一致（均为1-10分），无需标准化处理

选择【进阶方法】模块【分层聚类】分析

将8位裁判的评分数据拖入分析框，填写聚类个数

点击开始分析

结果解读

聚类树状图：直观展示聚类过程

最佳聚类数：结合树状图和实际意义判断

聚类为1类：不具区分度

聚类为4类：存在无法明确区分的类别

聚类为3类：最为合适

类别特征：

第1类：裁判8（独特评分风格）

第2类：裁判5、3、7（相似评分模式）

第3类：裁判1、6、2、4（另一类评分模式）

五、分层聚类注意事项

数据类型：仅适用于定量数据

量纲问题：若单位不一致，需先进行标准化处理（使用SPSSAU的生成变量-标准化功能）

聚类方法：默认采用组平均距离法

类别确定：需结合树状图和实际业务意义综合判断

六、分层聚类与K-means比较

七、常见问题解答

Q1：何时需要对数据进行标准化处理？

A：当分析变量的量纲（单位）不一致时，建议先进行标准化处理，以避免量纲差异对距离计算的影响。

Q2：如何确定最佳聚类数量？

A：在SPSSAU中，建议：

观察聚类树状图的合并过程

结合业务实际意义

3.尝试不同聚类数并比较结果合理性

Q3：分层聚类可以处理分类变量吗？

A：SPSSAU的分层聚类模块专为定量数据设计。若数据中包含分类变量，建议使用K-prototype方法（在【聚类】分析时，将分类变量拖拽至“分析项(定类)框中”）。

通过SPSSAU(在线SPSS)平台的分层聚类功能，研究人员可以便捷地探索数据内在结构，为后续分析提供有价值的参考。如需更详细的案例解读，可参考SPSSAU帮助手册。