第十一章聚類(lèi)分析

1、第十一章第十一章 聚類(lèi)分析聚類(lèi)分析n一、聚類(lèi)分析概述一、聚類(lèi)分析概述n二、相似性的衡量二、相似性的衡量n三、層次聚類(lèi)分析三、層次聚類(lèi)分析n四、非層次聚類(lèi)分析四、非層次聚類(lèi)分析n五、聚類(lèi)分析的五、聚類(lèi)分析的SPSS過(guò)程過(guò)程一、聚類(lèi)分析概述一、聚類(lèi)分析概述n（一）什么是聚類(lèi)分析（一）什么是聚類(lèi)分析n（二）聚類(lèi)分析的目的與原則（二）聚類(lèi)分析的目的與原則n（三）聚類(lèi)分析的性質(zhì)（三）聚類(lèi)分析的性質(zhì)n（四）聚類(lèi)分析要解決的基本問(wèn)題（四）聚類(lèi)分析要解決的基本問(wèn)題n（五）聚類(lèi)分析的基本流程（五）聚類(lèi)分析的基本流程什么是聚類(lèi)分析？什么是聚類(lèi)分析？n1、聚類(lèi)分析，又稱(chēng)集群分析（、聚類(lèi)分析，又稱(chēng)集群分析（Clust

2、er Analysis），是一種常用的多元統(tǒng)計(jì)方法，是根據(jù)），是一種常用的多元統(tǒng)計(jì)方法，是根據(jù)事物之間的相似性和相異性，將事物歸入到不同的事物之間的相似性和相異性，將事物歸入到不同的“類(lèi)類(lèi)”中去的過(guò)程。中去的過(guò)程。n 這里的這里的“類(lèi)類(lèi)”，數(shù)學(xué)上也叫，數(shù)學(xué)上也叫“集群集群”，是指由某方面性質(zhì)相同或相似的事物組成的集，是指由某方面性質(zhì)相同或相似的事物組成的集合。合。n2、“物以類(lèi)聚，人以群分物以類(lèi)聚，人以群分”。在科學(xué)研究工作中，最基礎(chǔ)的一項(xiàng)工作就是對(duì)研究對(duì)象進(jìn)行。在科學(xué)研究工作中，最基礎(chǔ)的一項(xiàng)工作就是對(duì)研究對(duì)象進(jìn)行分類(lèi)，以便更好地把握對(duì)象的實(shí)質(zhì)規(guī)律。聚類(lèi)分析能夠很好地幫助人們對(duì)研究對(duì)象進(jìn)行數(shù)分

3、類(lèi)，以便更好地把握對(duì)象的實(shí)質(zhì)規(guī)律。聚類(lèi)分析能夠很好地幫助人們對(duì)研究對(duì)象進(jìn)行數(shù)值分類(lèi)。值分類(lèi)。n3、在心理學(xué)研究中、在心理學(xué)研究中, 經(jīng)常遇到的分類(lèi)包括兩種情況：一是對(duì)研究樣本或個(gè)案的分類(lèi)經(jīng)常遇到的分類(lèi)包括兩種情況：一是對(duì)研究樣本或個(gè)案的分類(lèi), 即根即根據(jù)每個(gè)個(gè)案的一系列觀測(cè)指標(biāo)，將那些在這些觀測(cè)量方面表現(xiàn)相近的個(gè)案歸為一類(lèi)據(jù)每個(gè)個(gè)案的一系列觀測(cè)指標(biāo)，將那些在這些觀測(cè)量方面表現(xiàn)相近的個(gè)案歸為一類(lèi), 將那將那些在這些觀測(cè)量方面的表現(xiàn)很不相同的個(gè)案歸為不同類(lèi)；二是對(duì)觀測(cè)量的分類(lèi)，即將一系些在這些觀測(cè)量方面的表現(xiàn)很不相同的個(gè)案歸為不同類(lèi)；二是對(duì)觀測(cè)量的分類(lèi)，即將一系列的觀測(cè)量歸類(lèi)合并為性質(zhì)明顯不同的少

4、數(shù)幾個(gè)方面。列的觀測(cè)量歸類(lèi)合并為性質(zhì)明顯不同的少數(shù)幾個(gè)方面。 也就是說(shuō)，在也就是說(shuō)，在SPSS的聚類(lèi)分析功能中，可以對(duì)數(shù)據(jù)文件的的聚類(lèi)分析功能中，可以對(duì)數(shù)據(jù)文件的“行行”進(jìn)行分類(lèi)，也可以對(duì)進(jìn)行分類(lèi)，也可以對(duì)數(shù)據(jù)文件的數(shù)據(jù)文件的“列列”進(jìn)行分類(lèi)。進(jìn)行分類(lèi)。聚類(lèi)分析的目的與原則聚類(lèi)分析的目的與原則n聚類(lèi)分析的聚類(lèi)分析的是：辨認(rèn)在某些特性上相似的事物，是：辨認(rèn)在某些特性上相似的事物，并將這些事物按照這些特性劃分成幾個(gè)并將這些事物按照這些特性劃分成幾個(gè)“類(lèi)類(lèi)”，使得使得同一類(lèi)中的事物具有高度的同質(zhì)性，不同類(lèi)之間的事同一類(lèi)中的事物具有高度的同質(zhì)性，不同類(lèi)之間的事物具有高度的異質(zhì)性。物具有高度的異質(zhì)性。n

5、上述紅色字體部分體現(xiàn)了聚類(lèi)分析的基本上述紅色字體部分體現(xiàn)了聚類(lèi)分析的基本。聚類(lèi)分析的性質(zhì)聚類(lèi)分析的性質(zhì)n1、一種數(shù)值分類(lèi)法。它與傳統(tǒng)分類(lèi)方法的不同之處在于，傳統(tǒng)的一種數(shù)值分類(lèi)法。它與傳統(tǒng)分類(lèi)方法的不同之處在于，傳統(tǒng)的分類(lèi)方法的分類(lèi)準(zhǔn)則是事先決定的，而聚類(lèi)分析是按照分類(lèi)方法的分類(lèi)準(zhǔn)則是事先決定的，而聚類(lèi)分析是按照“自然類(lèi)別自然類(lèi)別”將分布于某一數(shù)量空間的點(diǎn)予以分類(lèi)，使分類(lèi)后的將分布于某一數(shù)量空間的點(diǎn)予以分類(lèi)，使分類(lèi)后的“類(lèi)類(lèi)”（集群）具（集群）具有同質(zhì)性。有同質(zhì)性。n2、一種統(tǒng)計(jì)推論技術(shù)。而是將一組觀察值的結(jié)構(gòu)特性予以數(shù)量一種統(tǒng)計(jì)推論技術(shù)。而是將一組觀察值的結(jié)構(gòu)特性予以數(shù)量化的一種客觀方法。因此

6、，在推論統(tǒng)計(jì)中非常重要的正態(tài)性、線性和化的一種客觀方法。因此，在推論統(tǒng)計(jì)中非常重要的正態(tài)性、線性和方差齊性等要求，對(duì)聚類(lèi)分析幾乎沒(méi)什么作用。但如果變量間有方差齊性等要求，對(duì)聚類(lèi)分析幾乎沒(méi)什么作用。但如果變量間有多重多重共線性共線性，則會(huì)影響聚類(lèi)分析的結(jié)果。，則會(huì)影響聚類(lèi)分析的結(jié)果。多重共線性是指特征變量之間存在精確的相關(guān)關(guān)系或高度相關(guān)關(guān)系。IdX1X2X31a2420252b2017223c2019244d2520245e2218236f2117217g2119258h2217229i21182310j24202511k22192312l211722聚類(lèi)分析要解決的基本問(wèn)題聚類(lèi)分析要解決的基本

7、問(wèn)題n主要解決三個(gè)基本問(wèn)題：n1、我們?nèi)绾魏饬扛魇挛镏g的相似性？n2、假設(shè)我們能衡量每一個(gè)事物與其他事物的相對(duì)相似性，我們又要如何將相似的事物歸入同一“類(lèi)”內(nèi)？n3、當(dāng)聚類(lèi)完成后，如何來(lái)描述這些“類(lèi)”？同時(shí)又如何知道所得到的類(lèi)別（集群）是真實(shí)的，而不是某種統(tǒng)計(jì)上的加工品？聚類(lèi)分析的基本流程聚類(lèi)分析的基本流程n（一）研究問(wèn)題（探索性的還是驗(yàn)證性的？）n（二）變量的選擇n（三）相似性的衡量n（四）聚類(lèi)方法的選擇n（五）“類(lèi)數(shù)” 的決定n（六）“類(lèi)”的解釋n（七）“類(lèi)”的驗(yàn)證（二）變量的選擇n 不論研究的目的是探索性的還是驗(yàn)證性的，進(jìn)行聚類(lèi)分析，首先應(yīng)建立由某些事物屬性不論研究的目的是探索性的還是

8、驗(yàn)證性的，進(jìn)行聚類(lèi)分析，首先應(yīng)建立由某些事物屬性構(gòu)成的指標(biāo)體系，或者說(shuō)是一個(gè)變量組合。入選的每個(gè)指標(biāo)必須能刻畫(huà)事物屬性的某個(gè)側(cè)構(gòu)成的指標(biāo)體系，或者說(shuō)是一個(gè)變量組合。入選的每個(gè)指標(biāo)必須能刻畫(huà)事物屬性的某個(gè)側(cè)面，所有指標(biāo)組合起來(lái)形成一個(gè)完備的指標(biāo)體系，它們互相配合可以共同刻畫(huà)事物的特征。面，所有指標(biāo)組合起來(lái)形成一個(gè)完備的指標(biāo)體系，它們互相配合可以共同刻畫(huà)事物的特征。n 所謂完備的指標(biāo)體系，是說(shuō)入選的指標(biāo)是充分的，其他任何新增變量對(duì)辨別事物差異所謂完備的指標(biāo)體系，是說(shuō)入選的指標(biāo)是充分的，其他任何新增變量對(duì)辨別事物差異無(wú)顯著性貢獻(xiàn)。如果所選指標(biāo)不完備，則導(dǎo)致分類(lèi)偏差。比如要對(duì)家庭教養(yǎng)方式進(jìn)行分類(lèi)，無(wú)顯

9、著性貢獻(xiàn)。如果所選指標(biāo)不完備，則導(dǎo)致分類(lèi)偏差。比如要對(duì)家庭教養(yǎng)方式進(jìn)行分類(lèi)，就要有描述家庭教育方式的一系列變量，這些變量能夠充分地反映不同家庭對(duì)子女的教養(yǎng)就要有描述家庭教育方式的一系列變量，這些變量能夠充分地反映不同家庭對(duì)子女的教養(yǎng)方式。方式。n 簡(jiǎn)單地說(shuō)，聚類(lèi)分析的結(jié)果取決于變量的選擇和變量值獲取的兩個(gè)方面。變量選擇越簡(jiǎn)單地說(shuō)，聚類(lèi)分析的結(jié)果取決于變量的選擇和變量值獲取的兩個(gè)方面。變量選擇越準(zhǔn)確、測(cè)量越可靠，得到的分類(lèi)結(jié)果越是能描述事物各類(lèi)間的本質(zhì)區(qū)別。準(zhǔn)確、測(cè)量越可靠，得到的分類(lèi)結(jié)果越是能描述事物各類(lèi)間的本質(zhì)區(qū)別。（三）相似性的衡量n各事物間相似程度的衡量方法有好多種，大致可分成兩大類(lèi)：n

10、1、距離衡量（distance measures）。n2、關(guān)聯(lián)衡量（association measures） 。距離衡量n很多相似性的衡量是以點(diǎn)與點(diǎn)間的距離為代表。點(diǎn)與點(diǎn)間距離的計(jì)算方法有很多，根據(jù)數(shù)據(jù)的不同類(lèi)很多相似性的衡量是以點(diǎn)與點(diǎn)間的距離為代表。點(diǎn)與點(diǎn)間距離的計(jì)算方法有很多，根據(jù)數(shù)據(jù)的不同類(lèi)型，可以選擇不同的計(jì)算距離：型，可以選擇不同的計(jì)算距離：n1、連續(xù)的等距數(shù)據(jù)：、連續(xù)的等距數(shù)據(jù)：n 歐幾里得距離歐幾里得距離：n n 歐氏距離平方：公式略。歐氏距離平方：公式略。n 絕對(duì)值距離：兩個(gè)體在每一個(gè)變量上取值之差的絕對(duì)值的總和。絕對(duì)值距離：兩個(gè)體在每一個(gè)變量上取值之差的絕對(duì)值的總和。n 切

11、比雪夫距離：兩個(gè)體在任意一個(gè)變量上取值之差的絕對(duì)值的最大值。切比雪夫距離：兩個(gè)體在任意一個(gè)變量上取值之差的絕對(duì)值的最大值。n 等等；等等；n2、計(jì)數(shù)數(shù)據(jù)：、計(jì)數(shù)數(shù)據(jù)：n 卡方相似性測(cè)度：公式略?？ǚ较嗨菩詼y(cè)度：公式略。n 等等；等等；n3、二分變量：、二分變量：n 二值二值 歐氏距離、二值歐氏距離平方歐氏距離、二值歐氏距離平方n 等等。等等。mkjkikijXXd12)(mkjkikijXXd1jkikijXXd max關(guān)聯(lián)衡量n1、個(gè)案之間的相似性：如果事物的屬性全部以名義變量來(lái)表示時(shí)，則兩事物之間的相似性可、個(gè)案之間的相似性：如果事物的屬性全部以名義變量來(lái)表示時(shí)，則兩事物之間的相似性可以用

12、配合系數(shù)（以用配合系數(shù)（matching coefficient）或相似比（）或相似比（similarity ratio）來(lái)衡量。）來(lái)衡量。n配合系數(shù)：配合系數(shù)：n相似比：相似比： n、變量之間的相似性：如果要描述測(cè)量指標(biāo)之間的親疏程度，則可用相似性系數(shù)來(lái)表示。、變量之間的相似性：如果要描述測(cè)量指標(biāo)之間的親疏程度，則可用相似性系數(shù)來(lái)表示。其取值范圍為（，）。最常用的相似性系數(shù)為積差相關(guān)系數(shù)。其次有其取值范圍為（，）。最常用的相似性系數(shù)為積差相關(guān)系數(shù)。其次有cosine向量夾向量夾角余弦等。角余弦等。為屬性總數(shù)。，共同不具有的屬性數(shù)目和為屬性數(shù)目，這兩個(gè)事物共同具有的和為式中，mjibjia,m

13、baSij屬性數(shù)目至少有一個(gè)事物擁有的或都擁有的屬性數(shù)目和事物jijibmaSRij歐氏距離平方圖解1. 1. 聚類(lèi)分析的前期準(zhǔn)備工作聚類(lèi)分析的前期準(zhǔn)備工作 聚類(lèi)分析是以完備的數(shù)據(jù)文件為基礎(chǔ)的，一般還要求各個(gè)觀聚類(lèi)分析是以完備的數(shù)據(jù)文件為基礎(chǔ)的，一般還要求各個(gè)觀測(cè)變量的量綱一致，即各變量取值的數(shù)量級(jí)一致。測(cè)變量的量綱一致，即各變量取值的數(shù)量級(jí)一致。 所以，聚類(lèi)分析前要檢查各變量的量綱是否一致，不一致則所以，聚類(lèi)分析前要檢查各變量的量綱是否一致，不一致則需進(jìn)行轉(zhuǎn)換，如將各變量均作標(biāo)準(zhǔn)化轉(zhuǎn)換就可保證量綱一致。需進(jìn)行轉(zhuǎn)換，如將各變量均作標(biāo)準(zhǔn)化轉(zhuǎn)換就可保證量綱一致。2. 2. 聚類(lèi)分析的主要方法聚類(lèi)分

14、析的主要方法 Q Q聚類(lèi)分析：聚類(lèi)分析： 對(duì)個(gè)案進(jìn)行分類(lèi)。使具有共同特征的個(gè)案對(duì)個(gè)案進(jìn)行分類(lèi)。使具有共同特征的個(gè)案 聚集在一起。聚集在一起。 層次聚類(lèi)分析層次聚類(lèi)分析 R R聚類(lèi)分析：聚類(lèi)分析：對(duì)觀察變量進(jìn)行分類(lèi)。對(duì)觀察變量進(jìn)行分類(lèi)。聚類(lèi)分析聚類(lèi)分析 非層次聚類(lèi)分析：非層次聚類(lèi)分析：它先對(duì)數(shù)據(jù)進(jìn)行初始分類(lèi)，然后逐步調(diào)整，得到最后分類(lèi)。它先對(duì)數(shù)據(jù)進(jìn)行初始分類(lèi)，然后逐步調(diào)整，得到最后分類(lèi)。 以快速聚類(lèi)法（以快速聚類(lèi)法（K- Means methodsK- Means methods）應(yīng)用最廣泛，是由研究者）應(yīng)用最廣泛，是由研究者 指定類(lèi)別數(shù)的大樣本資料的逐步聚類(lèi)分析，指定類(lèi)別數(shù)的大樣本資料的逐步聚

15、類(lèi)分析， 。 類(lèi)數(shù)的決定n“類(lèi)類(lèi)”數(shù)目的決定是聚類(lèi)分析的一項(xiàng)重要決策。但尚無(wú)一個(gè)客觀的標(biāo)準(zhǔn)程數(shù)目的決定是聚類(lèi)分析的一項(xiàng)重要決策。但尚無(wú)一個(gè)客觀的標(biāo)準(zhǔn)程序可供遵循，通常，以各連續(xù)分類(lèi)步驟下序可供遵循，通常，以各連續(xù)分類(lèi)步驟下“類(lèi)類(lèi)”間的距離作為參考。例如，間的距離作為參考。例如，可以事先設(shè)定一個(gè)距離，一旦可以事先設(shè)定一個(gè)距離，一旦“類(lèi)類(lèi)”間的實(shí)際距離超過(guò)此一預(yù)定的距離時(shí)間的實(shí)際距離超過(guò)此一預(yù)定的距離時(shí)就停止繼續(xù)聚類(lèi)；或是當(dāng)兩個(gè)聚類(lèi)步驟間的就停止繼續(xù)聚類(lèi)；或是當(dāng)兩個(gè)聚類(lèi)步驟間的“類(lèi)類(lèi)”距離劇增時(shí)就停止聚類(lèi)。距離劇增時(shí)就停止聚類(lèi)。n有時(shí)也可基于實(shí)際考量而設(shè)定某些決定有時(shí)也可基于實(shí)際考量而設(shè)定某些決定

16、“類(lèi)類(lèi)”數(shù)目的準(zhǔn)則，例如：數(shù)目的準(zhǔn)則，例如：“如果如果“類(lèi)類(lèi)”數(shù)介于數(shù)介于3-6之間，則研究發(fā)現(xiàn)將較易處理和溝通之間，則研究發(fā)現(xiàn)將較易處理和溝通”。等等。等等。“類(lèi)”的解釋n一旦經(jīng)由聚類(lèi)分析而找出一旦經(jīng)由聚類(lèi)分析而找出“類(lèi)類(lèi)”后，我們應(yīng)設(shè)法來(lái)描述這些后，我們應(yīng)設(shè)法來(lái)描述這些“類(lèi)類(lèi)”。n常用的一種方法是以常用的一種方法是以“類(lèi)類(lèi)”的重心的重心即即“類(lèi)類(lèi)”內(nèi)的各事物點(diǎn)在各變量上的平均內(nèi)的各事物點(diǎn)在各變量上的平均數(shù)值，來(lái)描述該數(shù)值，來(lái)描述該“類(lèi)類(lèi)”。（條件：等距資料，在原始變量的空間上進(jìn)行聚類(lèi)。）。（條件：等距資料，在原始變量的空間上進(jìn)行聚類(lèi)。） 此外，我們還可以計(jì)算此外，我們還可以計(jì)算“類(lèi)類(lèi)”的變

17、異情形，如的變異情形，如“類(lèi)類(lèi)”內(nèi)各點(diǎn)間的平均距離或各點(diǎn)內(nèi)各點(diǎn)間的平均距離或各點(diǎn)與重心間的平均距離，來(lái)輔助描述該與重心間的平均距離，來(lái)輔助描述該“類(lèi)類(lèi)”?！邦?lèi)”的驗(yàn)證n聚類(lèi)分析將各事物分別歸入聚類(lèi)分析將各事物分別歸入“類(lèi)類(lèi)”之后，還需要就聚類(lèi)的結(jié)果對(duì)一般總體之后，還需要就聚類(lèi)的結(jié)果對(duì)一般總體的代表性如何加以驗(yàn)證，這樣才能使聚類(lèi)的結(jié)果適用到其他的事物。的代表性如何加以驗(yàn)證，這樣才能使聚類(lèi)的結(jié)果適用到其他的事物。n最直接的方法就是對(duì)不同的樣本進(jìn)行聚類(lèi)分析，比較其結(jié)果并估計(jì)其一致性；最直接的方法就是對(duì)不同的樣本進(jìn)行聚類(lèi)分析，比較其結(jié)果并估計(jì)其一致性；不過(guò)，由于時(shí)間或成本的限制，或找不到所需的事物供多

18、次聚類(lèi)分析之用，上不過(guò)，由于時(shí)間或成本的限制，或找不到所需的事物供多次聚類(lèi)分析之用，上述方法往往是不切實(shí)際的。常用的一種方法是將樣本分成兩群，分別做聚類(lèi)分述方法往往是不切實(shí)際的。常用的一種方法是將樣本分成兩群，分別做聚類(lèi)分析，然后比較其結(jié)果。析，然后比較其結(jié)果。距離矩陣n如前所述，相似性的衡量方法有兩種：距離衡量和關(guān)聯(lián)衡量。如前所述，相似性的衡量方法有兩種：距離衡量和關(guān)聯(lián)衡量。n相似性衡量的結(jié)果可以表現(xiàn)為相似性衡量的結(jié)果可以表現(xiàn)為“距離矩陣距離矩陣”。其形如下表。聚類(lèi)分析以距離矩陣為。其形如下表。聚類(lèi)分析以距離矩陣為基礎(chǔ)進(jìn)行?；A(chǔ)進(jìn)行。0111086e0357d096c02b0aedcba的距

19、離矩陣如下：設(shè)有一包含五個(gè)事物點(diǎn)三、層次聚類(lèi)分析n將成對(duì)事物間的相似性加以衡量后，接著應(yīng)利用聚類(lèi)方法將各事物歸入將成對(duì)事物間的相似性加以衡量后，接著應(yīng)利用聚類(lèi)方法將各事物歸入“類(lèi)類(lèi)”中。聚類(lèi)的方法有好多種，常見(jiàn)的有層次聚類(lèi)和非層次聚類(lèi)兩大類(lèi)，后者以中。聚類(lèi)的方法有好多種，常見(jiàn)的有層次聚類(lèi)和非層次聚類(lèi)兩大類(lèi)，后者以K平平均數(shù)法（均數(shù)法（K-Means methods）應(yīng)用較廣，又稱(chēng)快速聚類(lèi)法。）應(yīng)用較廣，又稱(chēng)快速聚類(lèi)法。n層次聚類(lèi)方法：層次聚類(lèi)方法：n通常是把觀測(cè)樣本中的每一個(gè)個(gè)案或指標(biāo)體系中的每一個(gè)變量看作是一個(gè)獨(dú)通常是把觀測(cè)樣本中的每一個(gè)個(gè)案或指標(biāo)體系中的每一個(gè)變量看作是一個(gè)獨(dú)立的小類(lèi)，計(jì)算

20、它們所有的兩兩之間的距離，在比較這些距離后把距離最小的兩立的小類(lèi)，計(jì)算它們所有的兩兩之間的距離，在比較這些距離后把距離最小的兩個(gè)聚為一個(gè)小類(lèi)。然后計(jì)算這個(gè)新類(lèi)與其他各類(lèi)之間的距離，再把其中距離最小個(gè)聚為一個(gè)小類(lèi)。然后計(jì)算這個(gè)新類(lèi)與其他各類(lèi)之間的距離，再把其中距離最小的聚為一類(lèi)，如此不斷地進(jìn)行下去，直到所有個(gè)體或所有變量聚為一個(gè)大類(lèi)為止。的聚為一類(lèi)，如此不斷地進(jìn)行下去，直到所有個(gè)體或所有變量聚為一個(gè)大類(lèi)為止。 當(dāng)然，也可以用相反的過(guò)程，即，先把所有的事物視為一個(gè)大類(lèi)，然后再依據(jù)相當(dāng)然，也可以用相反的過(guò)程，即，先把所有的事物視為一個(gè)大類(lèi)，然后再依據(jù)相似性的準(zhǔn)則把各事物劃分成較不相似的兩個(gè)類(lèi)，如此繼

21、續(xù)下去直到所有的事物都似性的準(zhǔn)則把各事物劃分成較不相似的兩個(gè)類(lèi)，如此繼續(xù)下去直到所有的事物都自成一個(gè)類(lèi)為止。自成一個(gè)類(lèi)為止。 這兩種過(guò)程，前者稱(chēng)為這兩種過(guò)程，前者稱(chēng)為“集結(jié)式層次聚類(lèi)方法集結(jié)式層次聚類(lèi)方法”，后者稱(chēng)為，后者稱(chēng)為“區(qū)分式層次聚類(lèi)方法區(qū)分式層次聚類(lèi)方法”n 層次聚類(lèi)不僅可以將個(gè)案或變量分為若干類(lèi)，而且可以形成一個(gè)類(lèi)屬間的層次聚類(lèi)不僅可以將個(gè)案或變量分為若干類(lèi)，而且可以形成一個(gè)類(lèi)屬間的層次關(guān)系，還可以依據(jù)分類(lèi)的過(guò)程繪制個(gè)體或變量的譜系關(guān)系圖。層次關(guān)系，還可以依據(jù)分類(lèi)的過(guò)程繪制個(gè)體或變量的譜系關(guān)系圖。集結(jié)式層次聚類(lèi)方法的演算步驟n1、設(shè)有、設(shè)有n個(gè)事物，首先每個(gè)事物均自成一個(gè)個(gè)事物，首

22、先每個(gè)事物均自成一個(gè)“類(lèi)類(lèi)”，并列成一個(gè)，并列成一個(gè)nn的對(duì)稱(chēng)的對(duì)稱(chēng)距離（或相似）矩陣距離（或相似）矩陣D=ddikik 。n2 2、從距離矩陣中找出最近的（最相似的）兩個(gè)、從距離矩陣中找出最近的（最相似的）兩個(gè)“類(lèi)類(lèi)”u u和和v v，設(shè)其距離為，設(shè)其距離為d duvuv。n3 3、將、將u u和和v v 這兩個(gè)這兩個(gè)“類(lèi)類(lèi)”合并，成為合并，成為“類(lèi)類(lèi)”（uvuv）。將原距離矩陣中相對(duì)應(yīng)于）。將原距離矩陣中相對(duì)應(yīng)于“類(lèi)類(lèi)”u u 和和“類(lèi)類(lèi)”v v的行和列刪除，然后加上一個(gè)新的行和列，表明的行和列刪除，然后加上一個(gè)新的行和列，表明“類(lèi)類(lèi)”（uvuv）和其他）和其他“類(lèi)類(lèi)”之間的距離。之間的距

23、離。n4 4、重復(fù)第、重復(fù)第2 2步和第步和第3 3步驟步驟n-1n-1次，直到所有的事物并入同一次，直到所有的事物并入同一“類(lèi)類(lèi)”為止。為止。集結(jié)式層次聚類(lèi)方法之連鎖法（連鎖法（linkage methods）n1、單一連鎖法。、單一連鎖法。n 以最小的點(diǎn)際距離作為以最小的點(diǎn)際距離作為“類(lèi)類(lèi)”間的距離，故又稱(chēng)為最小距離法或最間的距離，故又稱(chēng)為最小距離法或最近鄰法。近鄰法。n2、完全連鎖法。、完全連鎖法。n 以最大的點(diǎn)際距離為以最大的點(diǎn)際距離為“類(lèi)類(lèi)”間的距離，故又稱(chēng)為最大距離法或最遠(yuǎn)間的距離，故又稱(chēng)為最大距離法或最遠(yuǎn)鄰法。鄰法。n3、平均連鎖法。、平均連鎖法。n 以平均點(diǎn)際距離作為以平均點(diǎn)際

24、距離作為“類(lèi)類(lèi)”間的距離，故又稱(chēng)為平均距離法。間的距離，故又稱(chēng)為平均距離法。單一連鎖法舉例：得一新的距離矩陣如下距離：）到其他“類(lèi)”的最小，）。然后計(jì)算（，一“類(lèi)”（最小，故得合并，因?yàn)槭紫葘⒆罱膬蓚€(gè)事物的距離矩陣如下：設(shè)有一包含五個(gè)事物點(diǎn)6)6 , 8(min)d, 5d(mind5)7 , 5(min)d,d(mind6)6 , 9(min)d,d(mindaba2d0111086e0357d096c02b0aedcbaaebea)e(b,adbd a)d(b,acbc a)c(b,babdDik0106e05)cd(0)(ecd)(10)11,10(min)d,d(mind5)5 ,

25、6(min)d,d(mindd, cd, cdc3d011106035060)()(deced)e(c,d(ba)c(ba) a)d)(b,(c,cdbabadDedcbaedcbadDikik）（下：可得一新的距離矩陣如距離：）到其他“類(lèi)”的最小再計(jì)算（），合并得一“類(lèi)”（與為最小，故將因?yàn)樵诖艘恍碌木嚯x矩陣，樹(shù)形圖表示如下：上述聚類(lèi)的結(jié)果，可用又可得一新的矩陣：的最小距離：）到“類(lèi)”），再計(jì)算（“類(lèi)”（）合并成）與（最小，故將（在此一新的矩陣中，06e0)cdba(e)cdba(D6)10, 6(mind,dmindecd,bacd,bacdba5de)cd(ba)ee)cd,ba()cd

26、)(ba(單一連鎖法的樹(shù)形圖 2 1 3 4 5 0 1 2 3 4 5 6冰柱圖冰柱圖類(lèi)的類(lèi)的數(shù)目數(shù)目個(gè)案?jìng)€(gè)案a b c d e 1234x x x x x x x x xx x x x x x x xx x x x x x x x x x x x x 集結(jié)式層次聚類(lèi)方法之最小方差法（最小方差法（minimum variance methodn此法先將每一個(gè)事物看作一個(gè)此法先將每一個(gè)事物看作一個(gè)“類(lèi)類(lèi)”，然后將各，然后將各“類(lèi)類(lèi)”依序合并，合并依序合并，合并之順序視合并后之順序視合并后“類(lèi)類(lèi)”之組內(nèi)總變異數(shù)的大小而定。凡使組內(nèi)總變異數(shù)之組內(nèi)總變異數(shù)的大小而定。凡使組內(nèi)總變異數(shù)產(chǎn)生最小增量的事

27、物即予優(yōu)先合并，越早合并之事物表示其間的相似性產(chǎn)生最小增量的事物即予優(yōu)先合并，越早合并之事物表示其間的相似性越高。越高。四、非層次聚類(lèi)分析以“快速聚類(lèi)法”為例n在層次聚類(lèi)方法中，如前所述，在層次聚類(lèi)方法中，如前所述，“類(lèi)類(lèi)”一旦形成，便不再打散。而非層次聚一旦形成，便不再打散。而非層次聚類(lèi)方法則在各階段分類(lèi)過(guò)程中，將原有的類(lèi)方法則在各階段分類(lèi)過(guò)程中，將原有的“類(lèi)類(lèi)”予以打散，并重新形成新的予以打散，并重新形成新的“類(lèi)類(lèi)”。n快速聚類(lèi)法作為采用最廣的非層次聚類(lèi)方法，其演算步驟如下：快速聚類(lèi)法作為采用最廣的非層次聚類(lèi)方法，其演算步驟如下：n1、將各事物點(diǎn)分割成個(gè)原始、將各事物點(diǎn)分割成個(gè)原始“類(lèi)類(lèi)”

28、；n2、計(jì)算某一事物點(diǎn)到各、計(jì)算某一事物點(diǎn)到各“類(lèi)類(lèi)”重心（平均數(shù)）的距離（通常采用歐幾里得重心（平均數(shù)）的距離（通常采用歐幾里得距離），然后將一些事物點(diǎn)分派到距離最近的那個(gè)距離），然后將一些事物點(diǎn)分派到距離最近的那個(gè)“類(lèi)類(lèi)”。重新計(jì)算得到新。重新計(jì)算得到新事物點(diǎn)的那個(gè)事物點(diǎn)的那個(gè)“類(lèi)類(lèi)”和喪失該事物點(diǎn)的那個(gè)和喪失該事物點(diǎn)的那個(gè)“類(lèi)類(lèi)”的重心。的重心。n3、重復(fù)第、重復(fù)第2個(gè)步驟，直到各事物點(diǎn)都不必重新分派到其他個(gè)步驟，直到各事物點(diǎn)都不必重新分派到其他“類(lèi)類(lèi)”為止。為止。n我們也可以不必先將各事物點(diǎn)分割成我們也可以不必先將各事物點(diǎn)分割成k個(gè)原始的個(gè)原始的“類(lèi)類(lèi)”(步驟步驟1)，而可先設(shè)，而可先

29、設(shè)定定k個(gè)重心（種子點(diǎn)），然后進(jìn)行步驟個(gè)重心（種子點(diǎn)），然后進(jìn)行步驟2。n注意：快速聚類(lèi)只能對(duì)個(gè)案進(jìn)行聚類(lèi)。注意：快速聚類(lèi)只能對(duì)個(gè)案進(jìn)行聚類(lèi)。舉例分析快速聚類(lèi)方法n表表11-1 n=12個(gè)個(gè)案、個(gè)個(gè)案、m=3個(gè)特征變量的數(shù)據(jù)文件（個(gè)特征變量的數(shù)據(jù)文件（Id為個(gè)案的標(biāo)識(shí)變量）為個(gè)案的標(biāo)識(shí)變量）IdX1X2X31a2420252b2017223c2019244d2520245e2218236f2117217g2119258h2217229i21182310j24202511k22192312l211722用于K-Means 聚類(lèi)分析的資料，必須滿足的條件n1、至少具有一個(gè)特征變量，即、至少具有一個(gè)

30、特征變量，即m1;n2、每一個(gè)特征變量的數(shù)據(jù)都是等距計(jì)量（可以求平均數(shù)的）；、每一個(gè)特征變量的數(shù)據(jù)都是等距計(jì)量（可以求平均數(shù)的）；n3、具有一個(gè)諸如姓名或編號(hào)等能夠用來(lái)辨別個(gè)案的標(biāo)識(shí)變量，以便了解某、具有一個(gè)諸如姓名或編號(hào)等能夠用來(lái)辨別個(gè)案的標(biāo)識(shí)變量，以便了解某一個(gè)案最終被劃歸與哪一類(lèi)屬；一個(gè)案最終被劃歸與哪一類(lèi)屬；n4、類(lèi)屬數(shù)目、類(lèi)屬數(shù)目K=2，是由研究者根據(jù)需要選定的，但是類(lèi)屬數(shù)目必須少于，是由研究者根據(jù)需要選定的，但是類(lèi)屬數(shù)目必須少于個(gè)案的數(shù)目，也就是樣本容量必須大于類(lèi)屬數(shù)目，即個(gè)案的數(shù)目，也就是樣本容量必須大于類(lèi)屬數(shù)目，即K=4時(shí)的時(shí)的m 維空間就比較抽象了，對(duì)它的理解就維空間就比較抽

31、象了，對(duì)它的理解就比較地困難。比較地困難。 K-Means 聚類(lèi)分析的基本過(guò)程n1、根據(jù)、根據(jù)“類(lèi)與類(lèi)之間有盡可能大的差異類(lèi)與類(lèi)之間有盡可能大的差異”的原則，選擇的原則，選擇k 個(gè)個(gè)案作為聚類(lèi)的個(gè)個(gè)案作為聚類(lèi)的“種子種子”（它（它們又被稱(chēng)為初始類(lèi)中心），可以由研究者經(jīng)驗(yàn)地指定們又被稱(chēng)為初始類(lèi)中心），可以由研究者經(jīng)驗(yàn)地指定k個(gè)特征突出的個(gè)案，也可以是缺省地個(gè)特征突出的個(gè)案，也可以是缺省地由由SPSS代為選定。代為選定。n2、根據(jù)與初始類(lèi)中心、根據(jù)與初始類(lèi)中心“距離最小距離最小”的原則，將的原則，將m維空間中的維空間中的n個(gè)點(diǎn)子（個(gè)案）分別個(gè)點(diǎn)子（個(gè)案）分別“就近就近”劃歸于劃歸于k個(gè)初始類(lèi)之中。

32、個(gè)初始類(lèi)之中。n3、在每一個(gè)初始類(lèi)中求它的、在每一個(gè)初始類(lèi)中求它的m個(gè)特征變量的平均數(shù)，并且把以個(gè)特征變量的平均數(shù)，并且把以m個(gè)平均數(shù)為坐標(biāo)的點(diǎn)作為個(gè)平均數(shù)為坐標(biāo)的點(diǎn)作為新的類(lèi)中心。新的類(lèi)中心。n4、再根據(jù)與類(lèi)中心、再根據(jù)與類(lèi)中心“距離最小距離最小”的原則，將的原則，將m 維空間中的維空間中的 n個(gè)點(diǎn)子（個(gè)案）重新分別個(gè)點(diǎn)子（個(gè)案）重新分別“就就近近”劃歸于劃歸于k個(gè)新的類(lèi)屬之中。個(gè)新的類(lèi)屬之中。n5、再在每一個(gè)類(lèi)屬中求、再在每一個(gè)類(lèi)屬中求m個(gè)特征變量的平均數(shù)，并且把以個(gè)特征變量的平均數(shù)，并且把以m個(gè)平均數(shù)為坐標(biāo)的點(diǎn)作為更新個(gè)平均數(shù)為坐標(biāo)的點(diǎn)作為更新一代的類(lèi)重心，再根據(jù)與類(lèi)中心一代的類(lèi)重心，再

33、根據(jù)與類(lèi)中心“距離最小距離最小”的原則重新劃歸各個(gè)個(gè)案的原則重新劃歸各個(gè)個(gè)案. 如此反復(fù)迭代如此反復(fù)迭代下去，直至達(dá)成了預(yù)先設(shè)定的（盡可能小的類(lèi)內(nèi)差異，盡可能大的類(lèi)間差別）下去，直至達(dá)成了預(yù)先設(shè)定的（盡可能小的類(lèi)內(nèi)差異，盡可能大的類(lèi)間差別）“收斂收斂”指標(biāo)，指標(biāo)，或者是完成了預(yù)先設(shè)定的迭代次數(shù)，聚類(lèi)工作結(jié)束?；蛘呤峭瓿闪祟A(yù)先設(shè)定的迭代次數(shù)，聚類(lèi)工作結(jié)束。一、一、Q Q聚類(lèi)分析的聚類(lèi)分析的SPSSSPSS過(guò)程過(guò)程第一步：第一步：數(shù)據(jù)文件的準(zhǔn)備。數(shù)據(jù)文件的準(zhǔn)備。Q聚類(lèi)分析是根據(jù)一系列觀測(cè)變聚類(lèi)分析是根據(jù)一系列觀測(cè)變量的測(cè)量值對(duì)個(gè)案進(jìn)行分類(lèi)，分類(lèi)的依據(jù)是個(gè)案之間的量的測(cè)量值對(duì)個(gè)案進(jìn)行分類(lèi)，分類(lèi)的依據(jù)

34、是個(gè)案之間的“距距離離”。聚類(lèi)之前的數(shù)據(jù)文件包括：。聚類(lèi)之前的數(shù)據(jù)文件包括：n個(gè)個(gè)案的個(gè)個(gè)案的k個(gè)觀測(cè)值。個(gè)觀測(cè)值。第二步：第二步：點(diǎn)擊點(diǎn)擊“Analyze”菜單選中菜單選中“Classify”的的“HierarchicalCluster Analysis”,打開(kāi)對(duì)話框。將參與聚類(lèi)分析的觀測(cè)變量打開(kāi)對(duì)話框。將參與聚類(lèi)分析的觀測(cè)變量置入置入“Variable(s)”下的方框中，同時(shí)在下的方框中，同時(shí)在 Cluster 之下選擇之下選擇Cases。然后選中。然后選中“Statistics”和和“Plots”。第三步：第三步：點(diǎn)擊點(diǎn)擊“Method”打開(kāi)聚類(lèi)分析的距離計(jì)算方法設(shè)置對(duì)打開(kāi)聚類(lèi)分析的距離

35、計(jì)算方法設(shè)置對(duì)話框話框 ，以實(shí)現(xiàn)對(duì)小類(lèi)間距離，以實(shí)現(xiàn)對(duì)小類(lèi)間距離 、個(gè)案間距離計(jì)算方法的設(shè)置、個(gè)案間距離計(jì)算方法的設(shè)置 ，同時(shí)對(duì)量綱不一致情況下的變量觀測(cè)值進(jìn)行轉(zhuǎn)換：同時(shí)對(duì)量綱不一致情況下的變量觀測(cè)值進(jìn)行轉(zhuǎn)換：(1) 小類(lèi)間距離計(jì)算：默認(rèn)方式是類(lèi)間平均鏈鎖法（小類(lèi)間距離計(jì)算：默認(rèn)方式是類(lèi)間平均鏈鎖法（Between-Groups linkage) ，這種方法最充分地使用了數(shù)據(jù)資料；，這種方法最充分地使用了數(shù)據(jù)資料；(2) 個(gè)案間距離計(jì)算：個(gè)案間距離計(jì)算： 觀測(cè)變量為連續(xù)變量，默認(rèn)方法：歐氏距離平方；觀測(cè)變量為連續(xù)變量，默認(rèn)方法：歐氏距離平方； 觀測(cè)變量為順序或名義變量，默認(rèn)方法：卡方測(cè)量方法；

36、觀測(cè)變量為順序或名義變量，默認(rèn)方法：卡方測(cè)量方法； 觀測(cè)變量為二項(xiàng)選擇變量觀測(cè)變量為二項(xiàng)選擇變量, 默認(rèn)方法：二元?dú)W氏距離平方。默認(rèn)方法：二元?dú)W氏距離平方。(3) 如果觀測(cè)變量的量綱不一致，還需設(shè)置對(duì)不同量綱變量進(jìn)如果觀測(cè)變量的量綱不一致，還需設(shè)置對(duì)不同量綱變量進(jìn)標(biāo)準(zhǔn)化處理。默認(rèn)狀態(tài)是標(biāo)準(zhǔn)化處理。默認(rèn)狀態(tài)是“none”,需要時(shí)可以選擇需要時(shí)可以選擇“Z-scores”,這是使用最廣泛、最直觀的轉(zhuǎn)換方法這是使用最廣泛、最直觀的轉(zhuǎn)換方法 。在進(jìn)行量綱轉(zhuǎn)換時(shí)。在進(jìn)行量綱轉(zhuǎn)換時(shí) ，要選擇要選擇“By cases”表明是屬于表明是屬于Q聚類(lèi)分析中的量綱轉(zhuǎn)換。聚類(lèi)分析中的量綱轉(zhuǎn)換。第四步：第四步：指定圖形

37、輸出。層次聚類(lèi)分析的圖形結(jié)果有兩種形指定圖形輸出。層次聚類(lèi)分析的圖形結(jié)果有兩種形式式（1）樹(shù)形圖（）樹(shù)形圖（Dendrogram）,它可以展現(xiàn)聚類(lèi)分析的每一它可以展現(xiàn)聚類(lèi)分析的每一次合并過(guò)程，次合并過(guò)程，SPSS首先將各類(lèi)之間的距離重新轉(zhuǎn)換到首先將各類(lèi)之間的距離重新轉(zhuǎn)換到 025之間之間 ，然后表現(xiàn)在圖上，然后表現(xiàn)在圖上 。此圖可以粗略地表現(xiàn)聚類(lèi)的過(guò)程。此圖可以粗略地表現(xiàn)聚類(lèi)的過(guò)程 ；（2）冰柱圖（）冰柱圖（Icicle）, 包括縱向冰柱圖（包括縱向冰柱圖（Vertical） 和橫向和橫向冰柱圖冰柱圖(Horizontal) 。冰柱圖用。冰柱圖用X符號(hào)來(lái)表示聚類(lèi)過(guò)程符號(hào)來(lái)表示聚類(lèi)過(guò)程 , 其選

38、其選擇包括：全部、部分、無(wú)。擇包括：全部、部分、無(wú)。第五步：第五步：顯示凝聚狀態(tài)表。點(diǎn)擊層次聚類(lèi)分析對(duì)話框中的顯示凝聚狀態(tài)表。點(diǎn)擊層次聚類(lèi)分析對(duì)話框中的“statistics”可以打開(kāi)設(shè)置凝聚狀態(tài)對(duì)話框?？梢源蜷_(kāi)設(shè)置凝聚狀態(tài)對(duì)話框。（1） 選中選中“Agglomeration schedule”，可以輸出聚類(lèi)分析，可以輸出聚類(lèi)分析詳細(xì)過(guò)程，即每一階段完成的是哪些個(gè)案或小類(lèi)間的聚集；詳細(xì)過(guò)程，即每一階段完成的是哪些個(gè)案或小類(lèi)間的聚集；（2）選中）選中“Proximity matrix”,可以輸出各個(gè)案的距離矩陣；可以輸出各個(gè)案的距離矩陣；（3）設(shè)置個(gè)案歸屬結(jié)果顯示狀態(tài)：）設(shè)置個(gè)案歸屬結(jié)果顯示狀態(tài)

39、： 選中選中none，不顯示個(gè)案歸屬情況；，不顯示個(gè)案歸屬情況； 選中選中Single solution，則顯示聚集成指定的，則顯示聚集成指定的n類(lèi)時(shí)個(gè)案類(lèi)時(shí)個(gè)案 歸屬情況；歸屬情況； 選中選中Range of solutions，則顯示聚集成，則顯示聚集成n1到到n2范圍內(nèi)范圍內(nèi) 的各種情況下的個(gè)案歸屬情況。的各種情況下的個(gè)案歸屬情況。第六步：第六步：設(shè)定保存層次聚類(lèi)分析的結(jié)果。點(diǎn)擊層次聚類(lèi)分析設(shè)定保存層次聚類(lèi)分析的結(jié)果。點(diǎn)擊層次聚類(lèi)分析對(duì)話框中的對(duì)話框中的“save”可以打開(kāi)設(shè)置保存分類(lèi)結(jié)果的對(duì)話框。在可以打開(kāi)設(shè)置保存分類(lèi)結(jié)果的對(duì)話框。在“Cluster membership”下邊：下邊：

40、 選中選中None，不保存聚類(lèi)結(jié)果到數(shù)據(jù)編輯窗口；，不保存聚類(lèi)結(jié)果到數(shù)據(jù)編輯窗口； 選中選中Single solution，則保存聚集成指定的，則保存聚集成指定的n類(lèi)時(shí)個(gè)案類(lèi)時(shí)個(gè)案 歸屬結(jié)果；歸屬結(jié)果； 選中選中Range of solutions，則顯示聚集成，則顯示聚集成n1到到n2范圍內(nèi)范圍內(nèi) 的各種情況下的個(gè)案歸屬結(jié)果。的各種情況下的個(gè)案歸屬結(jié)果。 OK! 實(shí)例分析：根據(jù)實(shí)例分析：根據(jù)20名被試在不同色光刺激下選擇反應(yīng)時(shí)間的反名被試在不同色光刺激下選擇反應(yīng)時(shí)間的反應(yīng)模式，對(duì)其進(jìn)行類(lèi)型劃分。實(shí)驗(yàn)數(shù)據(jù)如下表所示：應(yīng)模式，對(duì)其進(jìn)行類(lèi)型劃分。實(shí)驗(yàn)數(shù)據(jù)如下表所示：IDREDGREENBLUEYE

41、LLOW1 14104103893894504504904902 23563563603603913914064063 34124124224224804804654654 43203203503504004004204205 53803803903904254254604606 63903904564564554554334337 74124124504504404404554558 83563563833834004004104109 940540539039049049045045010103883884104104264264104101111378378410410426426409

42、409121230030035035040040042042013134124124204204904905235231414420420430430451451480480151536836839039038938940340316163903904004004204205095091717405405380380510510489489181839039039039042842847647619194004003803805005004554552020420420400400486486505505SPSSSPSS過(guò)程演示過(guò)程演示二、二、R R聚類(lèi)分析的聚類(lèi)分析的SPSSSPSS過(guò)程過(guò)程

43、 R 層次聚類(lèi)分析對(duì)研究對(duì)象的觀察變量進(jìn)行分類(lèi)，它使得層次聚類(lèi)分析對(duì)研究對(duì)象的觀察變量進(jìn)行分類(lèi)，它使得具有共同特征的變量聚集在一起，以便選擇其中具有代表性的具有共同特征的變量聚集在一起，以便選擇其中具有代表性的變量，實(shí)現(xiàn)用較少變量刻畫(huà)研究對(duì)象的目的。變量，實(shí)現(xiàn)用較少變量刻畫(huà)研究對(duì)象的目的。 R聚類(lèi)分析的過(guò)程與聚類(lèi)分析的過(guò)程與Q 聚類(lèi)分析的過(guò)程是一致的聚類(lèi)分析的過(guò)程是一致的 ，只是在，只是在打開(kāi)打開(kāi)“Hierarchical Cluster Analysis” 的對(duì)話框中選的對(duì)話框中選“Variables”的聚類(lèi)。在變量間距離的計(jì)算方法上選的聚類(lèi)。在變量間距離的計(jì)算方法上選“Pearson Co

44、rrelation” ，其他操作與，其他操作與Q聚類(lèi)相同。聚類(lèi)相同。三、快速聚類(lèi)分析的三、快速聚類(lèi)分析的SPSSSPSS過(guò)程過(guò)程 快速聚類(lèi)分析是由研究者指定類(lèi)別數(shù)的大樣本資料逐步聚類(lèi)分快速聚類(lèi)分析是由研究者指定類(lèi)別數(shù)的大樣本資料逐步聚類(lèi)分析。它先對(duì)數(shù)據(jù)進(jìn)行初始分類(lèi)，然后逐步調(diào)整，得到最終分類(lèi)?？煳?。它先對(duì)數(shù)據(jù)進(jìn)行初始分類(lèi)，然后逐步調(diào)整，得到最終分類(lèi)?？焖倬垲?lèi)分析一般是對(duì)個(gè)案來(lái)進(jìn)行的。對(duì)于變量分類(lèi)來(lái)說(shuō)，當(dāng)變量較速聚類(lèi)分析一般是對(duì)個(gè)案來(lái)進(jìn)行的。對(duì)于變量分類(lèi)來(lái)說(shuō)，當(dāng)變量較少時(shí)可以使用層次聚類(lèi)分析中的少時(shí)可以使用層次聚類(lèi)分析中的R聚類(lèi)分析；當(dāng)變量數(shù)比較多時(shí)則聚類(lèi)分析；當(dāng)變量數(shù)比較多時(shí)則可以使用因素分析

45、?？梢允褂靡蛩胤治?。 快速聚類(lèi)分析也是以個(gè)案的距離為基礎(chǔ)的，與層次聚類(lèi)分析不快速聚類(lèi)分析也是以個(gè)案的距離為基礎(chǔ)的，與層次聚類(lèi)分析不同的是：快速聚類(lèi)分析要指定分類(lèi)的類(lèi)別數(shù)?？焖倬垲?lèi)分析的邏輯同的是：快速聚類(lèi)分析要指定分類(lèi)的類(lèi)別數(shù)?？焖倬垲?lèi)分析的邏輯程序是：程序是：第一步：第一步：數(shù)據(jù)文件的準(zhǔn)備?？焖倬垲?lèi)分析的數(shù)據(jù)文件往往比數(shù)據(jù)文件的準(zhǔn)備。快速聚類(lèi)分析的數(shù)據(jù)文件往往比較大，主要是包括的個(gè)案數(shù)較多，而且可以包括一個(gè)個(gè)案的較大，主要是包括的個(gè)案數(shù)較多，而且可以包括一個(gè)個(gè)案的標(biāo)識(shí)變量。當(dāng)數(shù)據(jù)文件中數(shù)據(jù)量綱不一致時(shí)，則需要對(duì)數(shù)據(jù)標(biāo)識(shí)變量。當(dāng)數(shù)據(jù)文件中數(shù)據(jù)量綱不一致時(shí)，則需要對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化轉(zhuǎn)換或其他轉(zhuǎn)換。進(jìn)行標(biāo)準(zhǔn)化轉(zhuǎn)換或其他轉(zhuǎn)換。第二步：第二步：點(diǎn)擊點(diǎn)擊 “Analyze” 菜單選中菜單選中 “Classify” 的的 “K-MeansCluster”打開(kāi)快速聚類(lèi)分析對(duì)話框，將參與聚類(lèi)分析的觀測(cè)打開(kāi)快速聚類(lèi)分析對(duì)話框，將參與聚類(lèi)分析的觀測(cè)變量置入變量置入 “Va