根据20家4s店的7项指标聚类分析

根据20家4s店的7项指标聚类摘要随着社会的开展，汽车产业不断开展，汽车公司旗下的4s店得到不断的开展。本文主要选取7种不同的指标，将20家4s店通过系统聚类法分别分成不同的种类。本文主要以分为4类为主。案例：汽车4s店的7项评价指标：图1建立模型：在SPSS中利用系统聚类法进行聚类分析〔一〕运行过程在SPSS窗口中通过在系统聚类中的运算及设置，运行出将20家店铺分为2类、3类和4类时的聚类结果。主要运行结果解释聚类树形图图2从树形图中可以清楚地看到，将20个店分为两类，那么8、14、16、6、20、5和9号店为一类，其余的为另一类；假设将店分为三类，那么9号店从中别离出来，成为一类，其余的为第三类；假设将店分为四类，那么17、19、18、11、12、1和4号店从中别离出来。〔2〕分类结果的新变量图3由于设置了数据文件中生成新的分类变量，所以，在数据编辑窗口中，可以看到看到生成的三个分类结果的新变量。变量名为clu4_1、clu3_1和clu2_1的三个分类变量分别说明了把店分为4类、3类和2类的分类情况。相同的数字代表聚为一类。在SPSS中利用K均值法进行聚类分析〔一〕运行过程在SPSS窗口中调出K均值聚类分析主界面，这里我们设置把20个店分为4类，运行出结果。主要运行结果解释〔1〕迭代历史记录迭代历史记录a迭代聚类中心内的更改123411.1281.3691.0321.5422.000.000.000.000a.由于聚类中心内没有改动或改动较小而到达收敛。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2.652。图4从表中可以看到本次聚类过程共进行了两次迭代。由于我们在Iterate子对话框中设置最大迭代次数为10和收敛判据为0，所以在第二次迭代后，类中心的变化为0，从而迭代停止。〔2〕聚类成员聚类成员案例号聚类距离13.981221.04734.705411.128521.764621.369741.369831.424911.1281041.0391131.1691231.2321341.3321431.2731541.5421631.032172.9921821.4351921.131202.633图5由图可以看出各店所属的类别以及所属类中心的距离。最终聚类中心最终聚类中心聚类1234@17.371666679.010714297.691250008.97700000@28.956250008.363333348.816527788.63183334@38.704583338.478809527.850972227.32650000@49.059166678.370119058.161111118.48716667@58.072916678.188214298.513611117.98816667@68.630416678.296547628.391805568.23683333@77.129583338.762500008.538750007.58683333图6结合图5和图6，我们可以看出20个店被分为4类。第一类包括4号和9号店。这一类的类中心七个指标的得分分别为7.3716667、8.95625000、8.70458333、9.05916667、8.07291667、8.63041667、7.12958333，属于7项指标得分较好的两个店。第二类包括2号、5号、6号、17号、18号、19号和20号店，这一类的类中心七项指标的得分如下图，属于7项指标得分最好的6个店。第三类包括1号、8号、11号、12号、14号和16号店，有图可以看出，这一类在七项指标中属于中等成绩。剩下的四个店为第四