數(shù)理統(tǒng)計(jì)-4.數(shù)據(jù)處理用spss作聚類分析

用SPSS作聚類一、聚類分析 ysis）簡(jiǎn)聚類分析是直接比較各事物之間的性質(zhì)，將性質(zhì)相近一類，將性質(zhì)差別較大的歸入不同的類的分析利于我們的判斷。日常生活中，我們不自覺(jué)地用定性方法將人分為“好人”、“”；按熟悉程度分為“朋友”、“熟人”、“陌生人”等等。數(shù)理統(tǒng)計(jì)中的數(shù)判別分析：已知分類情況，將未 歸入正確類聚類分事物，找出解決問(wèn)題的方法。例如將進(jìn)行分類，二、聚類聚聚類分析根據(jù)分類對(duì)象的不同可分為Q型和RQ型是對(duì)樣本進(jìn)行分類處理，其作用在于能利用多個(gè)變量R型是對(duì)變量進(jìn)行分可以了解變量間三、聚類過(guò)程與聚聚類的主要過(guò)程一般可分為如下四個(gè)步驟數(shù)據(jù)預(yù)處理（標(biāo)準(zhǔn)化構(gòu)造關(guān)系矩陣（親疏關(guān)系的描述聚類（根據(jù)不同方法進(jìn)行分類確定最佳分類（類別數(shù)以下我們結(jié)合實(shí)例、下表給出了1982年28個(gè)省、市、農(nóng)民家庭收支情況，有六個(gè)指標(biāo)，是利用資料進(jìn)行（詳見(jiàn)文件1982“農(nóng)民生活消費(fèi)聚類數(shù)據(jù)預(yù)處理（標(biāo)準(zhǔn)化為什么要做數(shù)據(jù)在SPSS中如何選擇標(biāo)準(zhǔn)化方法 yze→Classify→Hierachical 然后 框中進(jìn)行如下選從TransformValues框常用標(biāo)準(zhǔn)化方法（選項(xiàng)說(shuō)明)為了便于后面的所有樣本表示 均值表示 標(biāo)準(zhǔn)差表示

11n1nij1n1nijxj 2

xj

nn

Sj 極差表Rjmaxxij極差表1i 1ibb)ZScoresxij

若S

i1,2,L,n 00

若Sj

j1,2,L,mc)c)Range1to1：極差標(biāo)準(zhǔn)化xij

若R

i1,2,L,n

若R

j1,2,L,m 作作用：變換后的數(shù)據(jù)均值為0，極差為1|xij*|<1umummagnitudeof

若maxx

1i1i

i1,2,L,n 1

j1,2,L,m

1i作用作用：變換后的數(shù)據(jù)最大值為1e)e)Range0to1（規(guī)格化變換xij* 1i*

若R

i1,2,L,n

若Rj

j1,2,L,m Meanof

若xj

1,2,L,n

j1,2,L,mx

若x 作用作用：變換后的數(shù)據(jù)均值為1g)g)Standarddeviationof*Sj

若Sj若S

i1,2,L,n j 作作用：變換后的數(shù)據(jù)標(biāo)準(zhǔn)差為1構(gòu)造關(guān)系描述變量或樣本的親疏程度的數(shù)量指標(biāo)有兩種 這 中定義距離，距離較近的點(diǎn)歸為一類相似系數(shù)與距離有40在SPSS中如何選擇測(cè)度 yze→Classify→Hierachical 然后 框中進(jìn)行如下選常用測(cè)度（選項(xiàng)說(shuō)明

項(xiàng)，從中選一即aa)Euclideandistance（二階Minkowski距離(xy2(xy2iiibb)SquaredEucideandistance i用用途：聚類分析中用得最廣泛的)) x2 d)d)Pearson nXYX 2 2

X

Y用途：計(jì)算兩個(gè)相關(guān)系e)Chebycheve)Chebychev距d(x,y)maxxii用途：計(jì)算兩個(gè)向量的 距 Block：絕對(duì)值距離（一階Minkowski度量（又稱Manhattan度量或網(wǎng)格廣義歐氏距離d1(x,y)i

xi距距g)Minkowski1/d(x,y)xy 用途：計(jì)算兩個(gè)向量的 距 hh)Customizedd(x,y)

1/ry 用途用途：計(jì)算兩個(gè)選擇聚類樣品或變量進(jìn)行分類。分類的法是（又稱譜系聚類）；另法是調(diào)優(yōu)法（如動(dòng)態(tài)聚我們主要介紹系統(tǒng)聚類法(實(shí)際應(yīng)用中使用最多)聚類過(guò)程可做成聚類譜系圖(Hierarchicaldiagram)。系統(tǒng)聚類法的系統(tǒng)聚類法的聚類原則決定于樣品間的距離（SPSS中如何選擇系統(tǒng)聚從ClusterMethod框中常用系統(tǒng)聚類用D(p,q)表示類p和類qaa)Between-groupslinkage組間平均距離連iipjq1iipjq1423

b)b)Within-groupslinkage11423c)c)Nearestneighbor最近鄰法（最短距離法特點(diǎn)聚合的趨勢(shì)，這是其缺dd)Furthestneighbor最遠(yuǎn)鄰法（最長(zhǎng)距離法e)e)Centroidclustering特點(diǎn)：該距離隨聚類地進(jìn)行不斷縮小樹狀圖很 Medianclustering中位離，也不采用最特點(diǎn)：圖形將出現(xiàn)遞轉(zhuǎn)，譜系樹狀圖很難，而這個(gè)方法幾乎g)g)Ward’smethod四、譜系分類的 確定的類分類的數(shù)目必須SPSS中其他選項(xiàng)（通過(guò)實(shí)例演示例、下表給出了1982年28個(gè)省、市、農(nóng)民家庭收支情況，有六個(gè)指標(biāo)，是利用資料進(jìn)行（詳見(jiàn)文件1982“農(nóng)民生活消費(fèi)聚類生成樹生成冰柱 各項(xiàng)間類成員結(jié)果分析：（方法選擇如下第一類包含6第二類包含10個(gè)元素：8、17、28、12、13、18第三類包含9個(gè)元素：3、16、23、24、4、27、525、另有三個(gè)元素1、9、19 三地農(nóng)民屬高消費(fèi)生活水平 等第一類農(nóng)民生活水平較高 等第二類的農(nóng)民生活水為中等；陜西等”聚類分析數(shù)據(jù)來(lái)源： 國(guó) 數(shù)據(jù)選“統(tǒng)計(jì)數(shù)據(jù)”—〉“年度數(shù)據(jù)—〉“能源生產(chǎn)和消費(fèi)”—〉“九、人民生活—〉“各地區(qū)農(nóng)村居民家庭平均每人生活消費(fèi)支出數(shù)據(jù)預(yù)處文本數(shù)據(jù)處將網(wǎng)頁(yè)文 到“記事