聚類(lèi)分析 SPSS應(yīng)用

聚類(lèi)分析－SPSS應(yīng)用快速聚類(lèi)快速聚類(lèi)－K均值聚類(lèi)分層聚類(lèi)點(diǎn)擊菜單Analyze->DescriptiveStatistics->Descriptives快速聚類(lèi)1－數(shù)據(jù)標(biāo)準(zhǔn)化快速聚類(lèi)2定義聚類(lèi)中心確定分類(lèi)數(shù)指定分析變量迭代和分類(lèi)迭代選項(xiàng)輸出選項(xiàng)，保存到數(shù)據(jù)表輸出選項(xiàng)4快速聚類(lèi)3－迭代選項(xiàng)選定后，確定當(dāng)任一個(gè)樣品被分到某類(lèi)后，即刻計(jì)算新的類(lèi)中心。輸入最大迭代步數(shù)迭代收斂判據(jù)（>0and<1），含義當(dāng)兩次迭代計(jì)算的類(lèi)中心的變化距離小于原中心距離的百分之N時(shí)迭代停止快速聚類(lèi)4－輸出選項(xiàng)確定輸出各樣品的類(lèi)別到數(shù)據(jù)表確定輸出各樣品到類(lèi)中心的距離到數(shù)據(jù)表快速聚類(lèi)5－輸出選項(xiàng)初始類(lèi)中心方差分析表每個(gè)樣品的分類(lèi)信息快速聚類(lèi)－結(jié)果1初始類(lèi)中心，前4個(gè)樣品作為初始中心。迭代中心的變化。本例2次迭代后停止?？焖倬垲?lèi)－結(jié)果2樣品分類(lèi)信息最后的分類(lèi)中心方差分析表。任意一個(gè)變量的類(lèi)間均方（ClusterMS）均遠(yuǎn)遠(yuǎn)大于類(lèi)內(nèi)的誤差均方值（ErrorMS）快速聚類(lèi)－結(jié)果3聚類(lèi)小結(jié)：給出每類(lèi)的樣品數(shù)等。快速聚類(lèi)－結(jié)果4分層聚類(lèi)快速聚類(lèi)－K均值聚類(lèi)分層聚類(lèi)Statistics：確定輸出的統(tǒng)計(jì)項(xiàng)；Plots：確定輸出的圖表類(lèi)型；Method：確定聚類(lèi)方法；Save：確定輸出到數(shù)據(jù)表的新變量。分層聚類(lèi)1指定參與分類(lèi)的變量。指定標(biāo)識(shí)變量。選Cases，樣品聚類(lèi)；選Variables，變量聚類(lèi)ClusterMethod-聚類(lèi)方法最近相鄰,Nearestneighbor最遠(yuǎn)相鄰Furthestneighbor組間連接betweengroupslinkage：合并兩類(lèi)結(jié)果使得兩兩項(xiàng)對(duì)之間的平均距離最??；組內(nèi)連接within-groupslinkage：合并兩類(lèi)結(jié)果使得類(lèi)中的兩兩項(xiàng)對(duì)之間的平均距離最??；離差平方和法Ward重心法Centroidmethod，每類(lèi)重心就是該類(lèi)的均值分層聚類(lèi)2Measure-距離或相似性測(cè)度植被等間隔參數(shù)(Interval)Count：用于計(jì)數(shù)數(shù)據(jù)Binary:用于二值變量。等間隔參數(shù)(Interval)：Euclidean距離的平方：Euclidean距離Cosine—變量矢量的余弦Pearsoncorrelation－相關(guān)系數(shù)Chebychev：兩觀察單位之間的距離為其任意變量的最大絕對(duì)值。Block:City-Block或Manhattan。兩觀察單位之間的距離為其值差的絕對(duì)值和。Minkowski：即變量絕對(duì)值的第P次冪之和的平方根。P由用戶指定。Customized：即變量絕對(duì)值的第P次冪之和的第R次根。P與R由用戶指定。Count：用于計(jì)數(shù)數(shù)據(jù)Chi-Squaremeasure：卡方測(cè)度Phi-Squaremeasure：兩頻數(shù)之間的2測(cè)度。Binary：用于二值變量。1為出現(xiàn)，0為不出現(xiàn)RRSMSSIRT…….TransformMeasures-距離測(cè)量結(jié)果的轉(zhuǎn)換方法：Absolutevalues:把距離值取絕對(duì)值。Changesign：把相似性變?yōu)椴幌嗨菩曰蛉》?。用取反的方法使距離順序顛倒過(guò)來(lái)。Rescaleto0-1range：通過(guò)首先減去最小值，然后除以范圍的方法使距離標(biāo)準(zhǔn)化。TransformValues-標(biāo)準(zhǔn)化Zscores：把數(shù)值標(biāo)準(zhǔn)化到Z分?jǐn)?shù)Range–1to1：把數(shù)值標(biāo)準(zhǔn)化到-1～1范圍。Maximummagnitude：把數(shù)值標(biāo)準(zhǔn)化到最大值1Range0to1：把數(shù)值標(biāo)準(zhǔn)化到0～1的范圍。Meanof1：把數(shù)值標(biāo)準(zhǔn)化到一個(gè)均值的范圍Standarddeviationof1：把數(shù)值標(biāo)準(zhǔn)化到單位標(biāo)準(zhǔn)差。凝聚狀態(tài)表距離或相似系數(shù)矩陣類(lèi)成員欄：顯示每個(gè)樣品被分配到的類(lèi)分層聚類(lèi)樹(shù)型圖冰柱圖顯示方向（冰柱圖）：垂直，水平分層聚類(lèi)輸出到數(shù)據(jù)表－生成新變量不建立新變量－默認(rèn)選項(xiàng)單一結(jié)果指定范圍的結(jié)果分層聚類(lèi)分層聚類(lèi)結(jié)果數(shù)據(jù)信息表凝聚過(guò)程表Stage：聚類(lèi)步驟(clustercombined)Cluster1,cluster2:該步被合并的兩類(lèi)中的觀測(cè)量號(hào)，合并結(jié)果取小的序號(hào)；Coefficients：距離測(cè)度值（本例選擇歐氏距離）Stageclusterfirstappears：合并兩項(xiàng)第一次出現(xiàn)的聚類(lèi)步序號(hào)。0表示觀測(cè)量，非0表示類(lèi)。NextStage：此步合并結(jié)果在下一步合并時(shí)的步序號(hào)。分層聚類(lèi)結(jié)果聚類(lèi)結(jié)果的類(lèi)成員表分層聚類(lèi)結(jié)果第1列“Numberofclusters”：表示分多少類(lèi)，因?qū)倬酆戏?，從聚?lèi)過(guò)程看該表應(yīng)該從下往上看；在“CASE”下所有列中：如果最近相連的兩列出現(xiàn)兩個(gè)“X”相連，則表示這兩個(gè)樣品已合并成一類(lèi)，否則屬于不同的兩類(lèi)。

分層聚類(lèi)結(jié)果－冰柱圖（VerticalIcicle）第1行“Numberofclusters”：表示分多少類(lèi)，因?qū)倬酆戏?，從聚?lèi)過(guò)程看該表應(yīng)該從右往左看；在“CAS