spss聚类分析教程PPT课件.ppt

2020 3 18 1 基本统计分析 有了数据 可以利用SPSS的各种分析方法进行分析 但选择何种统计分析方法 即调用哪个统计分析过程 是得到正确分析结果的关键SPSS有数字分析和作图分析两类方法 2020 3 18 中国人民大学六西格玛质量管理研究中心 1 2020 3 18 2 基本统计分析概述 目录上页下页返回结束 基本统计分析是进行其他更深入的统计分析的前提 通过基本统计分析 用户可以对分析数据的总体特征有比较准确的把握 从而选择更为深入的分析方法对分析对象进行研究 2020 3 18 中国人民大学六西格玛质量管理研究中心 2 在SPSS的Analyze菜单中包括了一系列统计分析过程 其中Reports和DescriptiveStatistics命令项中包括的功能是对单变量的描述统计分析DescriptiveStatistics包括的统计功能有 Frequencies 频数分析Descriptives 描述统计量分析Explore 探索分析Crosstabs 多维频数分布交叉表 列联表 2020 3 18 中国人民大学六西格玛质量管理研究中心 3 2020 3 18 4 描述统计分析过程Descriptives 目录上页下页返回结束 1 功能 了解数据的基本统计特征和对指定的变量值进行标准化处理 标准化后的新变量的均值为0 标准差为1 目的是为了消除各变量间变量值在数量级上的差异 从而增强数据间的可比性 2 描述统计分析过程通过平均值 Mean 算术和 Sum 标准差 StdDev 最大值 Maximum 最小值 Minimum 方差 Variance 范围 Range 平均数标准误 S E Mean 等统计量对变量进行描述 2020 3 18 中国人民大学六西格玛质量管理研究中心 4 2020 3 18 5 目录上页下页返回结束 SPSS数值统计分析过程均在Analyze菜单中基本统计分析 Reports DescriptiveStatisticsb 均值比较与检验 CompareMeansd 方差分析 ANOVAModelsb 相关分析 Correlatee 回归分析 Regressionf 聚类与判别 Classifyg 因子分析 DataReductionh 非参数检验 NonparametricTests等等 2020 3 18 中国人民大学六西格玛质量管理研究中心 5 2020 3 18 可编辑 6 第一章聚类分析 聚类分析的基本思想聚类分析上机实现 2020 3 18 7 1 1聚类分析的思想 目录上页下页返回结束 我们认为 所研究的样品或指标 变量 之间是存在着程度不同的相似性 亲疏关系 于是根据一批样品的多个观测指标 具体找出一些能够度量样品或指标之间的相似程度的统计量 以这些统计量为划分类型的依据 把一些相似程度较大的样品 或指标 聚合为一类 把另外一些彼此之间相似程度较大的样品 或指标 又聚合为另外一类 关系密切的聚合到一个小的分类单位 关系疏远的聚合到一个大的分类单位 直到把所有的样品 或指标 都聚合完毕 把不同的类型一一划分出来 形成一个由小到大的分类系统 最后再把整个分类系统画成一张分群图 又称谱系图 用它把所有的样品 或指标 间的亲疏关系表示出来 2020 3 18 中国人民大学六西格玛质量管理研究中心 7 2020 3 18 8 目录上页下页返回结束 对样品的分类常称为Q型聚类分析对变量的分类常称为R型聚类分析 2020 3 18 中国人民大学六西格玛质量管理研究中心 8 2020 3 18 9 1 1聚类分析的思想 目录上页下页返回结束 聚类的目的在一些社会 经济问题中 我们面临的往往是比较复杂的研究对象 如果能把相似的样品 或指标 归成类 处理起来就大为方便 聚类分析的目的就是把相似的研究对象归成类 例1 若我们需要将下列11户城镇居民按户主个人的收入进行分类 对每户作了如下的统计 结果列于表3 1 在表中 标准工资收入 职工奖金 职工津贴 性别 就业身份 等称为指标 每户称为样品 若对户主进行分类 还可以采用其他指标 如 子女个数 政治面貌 等 指标如何选择取决于聚类的目的 2020 3 18 中国人民大学六西格玛质量管理研究中心 9 2020 3 18 10 目录上页下页返回结束 2020 3 18 中国人民大学六西格玛质量管理研究中心 10 2020 3 18 11 目录上页下页返回结束 上例中的8个指标 前6个是定量的 后2个是定性的 如果分得更细一些 指标的类型有三种尺度间隔尺度 变量用连续的量来表示 有序尺度 指标用有序的等级来表示 有次序关系 但没有数量表示 名义尺度 指标用一些类来表示 这些类之间没有等级关系也没有数量关系 不同类型的指标 在聚类分析中 处理的方式是大不一样的 总的来说 提供给间隔尺度的指标的方法较多 对另两种尺度的变量处理的方法不多 2020 3 18 中国人民大学六西格玛质量管理研究中心 11 2020 3 18 12 目录上页下页返回结束 第一位重要的问题是 什么是类 粗糙地讲 相似样品 或指标 的集合称作类 聚类分析给人们提供了丰富多采的方法进行分类 这些方法大致可归纳为 1 系统聚类法 2 模糊聚类法 3 K 均值法 4 有序样品的聚类 5 分解法 6 加入法 2020 3 18 中国人民大学六西格玛质量管理研究中心 12 2020 3 18 13 1 2系统聚类法 目录上页下页返回结束 1 最短距离法 nearestneighbor或singlelinkagemethod 2020 3 18 中国人民大学六西格玛质量管理研究中心 13 2020 3 18 14 2020 3 18 15 目录上页下页返回结束 2 最长距离法 farthestneighbor或completelinkagemethod 2020 3 18 中国人民大学六西格玛质量管理研究中心 15 2020 3 18 16 目录上页下页返回结束 3 类平均法 groupaveragemethod 2020 3 18 中国人民大学六西格玛质量管理研究中心 16 2020 3 18 17 目录上页下页返回结束 4 重心法 Centroidmethod 5 离差平方和法 SumofSquaresmethod 2020 3 18 中国人民大学六西格玛质量管理研究中心 17 2020 3 18 中国人民大学六西格玛质量管理研究中心 18 1 3系统聚类法 目录上页下页返回结束 系统聚类法 hierarchicalclusteringmethod 在聚类分析中诸方法中用的最多 包含下列步骤 2020 3 18 中国人民大学六西格玛质量管理研究中心 18 2020 3 18 19 目录上页下页返回结束 注 不同的距离定义方式用到系统聚类程序中 得到不同的系统聚类法 我们现在通过一个简单的例子 来说明各种系统聚类法 2020 3 18 中国人民大学六西格玛质量管理研究中心 19 2020 3 18 中国人民大学六西格玛质量管理研究中心 20 1 4计算步骤与上机实践 目录上页下页返回结束 2020 3 18 中国人民大学六西格玛质量管理研究中心 20 2020 3 18 21 1 5案例研究 目录上页下页返回结束 例3我们以2005年31个省 市 自治区的城镇居民月平均消费支出数据为例 在SPSS中利用K 均值法对31个省 市 自治区的城镇居民消费水平进行聚类分析 在SPSS中依次点击 Analyze Classify K MeansCluster 打开K MeansClusterAnalysis对话框 将8个变量选入Variable框中 将表示地区的变量选入LabelCasesBy栏中 将分类数 Numberofclusters 定为3 另外 点击Iterate按钮可以在其中输入最大迭代次数 Maximumiterations 和收敛标准 Convergencecriterion 在Save按钮中可以选择保存样本的聚类结果 Clustermembership 和各样本距各自中心点的距离 Distancefromclustercenter 在Options按钮中可以选择输出初始类中心点 方差分析表等结果 读者可以根据实际情况来选择 点击 OK 得到聚类结果如下 2020 3 18 中国人民大学六西格玛质量管理研究中心 21 2020 3 18 中国人民大学六西格玛质量管理研究中心 22 目录上页下页返回结束 2020 3 18 中国人民大学六西格玛质量管理研究中心 22 2020 3 18 23 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 2020 3 18 中国人民大学六西格玛质量管理研究中心 23 2020 3 18 24 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 2020 3 18 中国人民大学六西格玛质量管理研究中心 24 2020 3 18 25 目录上页下页返回结束 当然 也可以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 HierarchicalCluster 打开HierarchicalClusterAnalysis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LabelCasesBy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ClusterMethod下拉菜单中选择Between groupslinkage 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 2020 3 18 中国人民大学六西格玛质量管理研究中心 25 2020 3 18 26 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ClusterMethod下拉菜单中分别选择NearestN