SPSS处理聚类分析

实验五：聚类分析一.实验日的1.学会用spss进行聚类分析。2.了解层次聚类和K值聚类法的有缺点。二.实验要求利用2001年全国31个省市自治区各类小康和现代化指数的数据，对地区别作分层聚类和K-Means聚类分析。数据见：聚类分析数据（小康指数）。.实验内容方法一：层次聚类1.试验步骤：依次点击“分析”一一“分类”一一“系统聚类”如下图一所示，将“省市”放入标注个案中，将其余放入“变量”中。【图一】点击统计量，选中“合并进程表，相似性矩阵”如下图二所示:■析:统iw继续取消帮助W继续取消帮助Q相似性拒我）聚类成员 G无（10广单一解笞缶）TOC\o"1-5"\h\z聚类数窟： |—r解笞全距国）最小聚类数W）: I最大聚类数co； |~【图二】点击“图”，设置相应操作，如下图三所示:【图三】点击“图”，设置相应操作，如下图三所示:【图三】选中“方法”，设置如下图四:

选中“方法”，设置如下图四:【图四】点击“确定”得到输出结果，如下表一:【表一】聚类案例处理汇总(a)案例有效缺失总计N百分比N百分比N百分比31100.00.031100.0aWard联结聚类表阶群集组合系数首次出现阶群集下一阶群集1群集2群集1群集21262819.735001121244.62500173121381.11500642427117.710001051921160.355001861218206.332301371517284.397001381011368.2920015945452.2220021

102429545.8334012112630641.6451016122425764.93310020131215902.666672214691050.28600191510231202.14480261620261378.2270112317131574.21720291814191795.372052219672059.159140262022242336.9680122321482630.10590272212142961.9381318242320223467.6861620252412163980.051220282520314553.96423028266105196.11119152727467302.5312126292812209617.935242530291415114.2651727303011235858.78829280******HIERARCHICALCLUSTERANALYSIS******DendrogramusingWardMethodRescaledDistanceClusterCombineCASE 0510152025LabelNum+■ +- +-- +—— + +甘肃26也江西28，口贵州30，口青海20，口安徽24，口广西27，口河南29，。，，也云南25，口。宁夏22，口。西藏31，s。湖北12也。陕西13，口

口，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，也内蒙古18，口。◎山西15，口。◎重庆17，口。◎湖南19，口。◎四川21g，，，s◎河北14，口◎海南16，s◎北京1也◎上海2g，，，，，，，，，，g◎天津3，s 。◎浙江4也口，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，"广东5，。，，也 。福建8，s。 。黑龙江10也口，，，，，，，"吉林11，口。新疆23g，，，s江苏6，口山东9，口辽宁7，s试验结果分析：在聚类表中：第一列表示聚类分析的第几步，第二列第三列表示本步骤类中哪两个样本或小类聚成一类，第四列是个体距离或小类距离，第五列第六列表示本步骤类中参与聚类的是个体还是小类，0表示样本，非0表示由第几步骤生成的小类参与本布聚类，第七列表示本步骤类的结果将在以下第几步中用到。在第一步中，26号样品与28号样品聚成一小类，它们的个体距离是19.735,且它们都是样本，这个小类将在下面的第11步用到；在第11步中，30号样品与第一步聚成的小类（26和28）又聚成一个小类，它们的距离是641.645,形成的小类将在下面的第16步用到，群集1表示群集1是第一步类聚生成的小类。在树状图中可以看出，若想将其分为两类只需从10处向下划竖线，此时26、28、30、20、24、27、29、25、22、31、12、13、18、15、17、19、21、14、16是一类，1、2、3、4、5、8、10是一类，同理，若要化为3类只需从5出向下画竖线。

方法二：K值聚类法操作步骤：依次点击“分析”一一“分类”一一“K值聚类法”，“省市”加到“标注个案”中，其余加到“变量”中，将聚类数改为3,保存中全选中，如下图五所示:页IK均值橐美分析念崇例的类别耳国方法二：K值聚类法操作步骤：依次点击“分析”一一“分类”一一“K值聚类法”，“省市”加到“标注个案”中，其余加到“变量”中，将聚类数改为3,保存中全选中，如下图五所示:页IK均值橐美分析念崇例的类别耳国CL_

彩案例与其类别中心之变熨（V*令综合指数［xl］~-合社会结构［x2］寥经济与技术发展［& 「1去店「她1声注个案⑻: ［反省市［明】S3礁定

粘贴（?）

重置四

取消

畚助聚类数QJ）: 广专法瑚类中心. Ir读取初始值但）吏件叽」r写入最入值也g」 |少迭代与分类（T） 尸仅始类Q0迭代（!）...保存但农：选项⑴【图五】输出结果如下表二所示:【表二】快速聚类初始聚类中心1聚类23综合指数79.2092.3051.10社会结构90.4095.1061.90经济与技术发展86.9092.7031.50人口素质65.90112.0056.00生活质量86.5095.4041.00

|法制与治安 | 59.4057.5075.60|迭代历史记录(a)迭代聚类中心内的更改123124.3876.30723.5792.000.000.000a由于聚类中心内没有改动或改动较小而达到收敛。任何中心的最大绝对坐标更改为.000。当前迭代为2。初始中心间的最小距离为49.349。最终聚类中心聚类123综合指数75.4991.1360.02社会结构82.8696.1766.86经济与技术发展72.4192.0344.03人口素质77.74106.1369.32生活质量75.8494.2751.81法制与治安67.1758.5776.15每个聚类中的案例数聚类17.00023.000321.000有效31.000缺失.000试验结果分析：“初始类中心点”展示了3个类的初始类中心点的情况，可见第二类是最优的，第一类次之，第三类最不理想。“迭代历史”中，展示了3个类中心点每次迭代的偏移情况，由表只，第一次迭代后，三个类的中心点分别偏移了24.387,6.307,23.579,第三类中心偏移最大，第二次迭代后，3个类的中心点的偏移均小于指定的判定标准(0.02)。“每个聚类中的案例数”表明，第一类有7个省市自治区，第二类有3个省市自治区，第三类有21个省市自治区。四、存在问题与解决情况聚类分析是研究“物以类聚”的一种科学有效的方法。做聚类分析时，出于不同的目的和要求，可以选择不同的统计量和聚类方法。系统聚类是目前应用最为广泛的一种聚类方法，其基本思想是：先将待聚类的n个样品（或者变量）各自看成一类，共有n类；然后按照实现选定的方法计算每两类之间的聚类统计量，即某种距离（或者相似系数），将关系最为密切的两类合为一类，其余不变，即得到n-1类；再按照前面的计算方