本篇博客主要是根据 1、聚类的基本知识点_哔哩哔哩_bilibili系列视频进行的学习记录
一、SPSS聚类分析的基本知识点
1、什么是聚类分析?
聚类分析(Cluster analysis)又叫做群集分析,通过一些属性将对象或变量 分成不同的组别，在 同一类下的对象或变量在这些属性上具有一些相似的特点。
两种聚类类型
对个案（样品、对象、被试）进行分类——Q型聚类。
对变量进行分类——R型聚类。
或者换一种说法：
样本聚类又称Q型聚类，它针对实测量进行分类，将特征相近的实测量分为一类，特征差异较大的实察量分在不同的类。
变量聚类又称R型聚类，它针对变量分类，将性质相近的变量分为一类，将性质差异较大的变量分在不同的类。
例如：
对每一行进行聚类——Q型聚类
对每一列进行聚类——R型聚类（比如车重和油箱进行聚类）
2、SPSS聚类分析的方法。
(1） 快速聚类(k-均值聚类）:最简单的聚类方法，只能对 连续数据进行聚类，只能对样品进行聚类，适合 大样本聚类，不能自动确定类别数量。
(2） 系统聚类:可以对个案、变量进行聚类，可以对连续变量或分类变量进行聚类，适合样本容量较小的情况，不能自动确定类别数量。
(3) 二阶聚类:最 智能的聚类方法，可以对个案进行聚类，可以对 连续变量＋分类变量进行聚类，适合 大样本聚类， 能自动确定类别数量。
二、聚类分析的SPSS实操
1.k-均值聚类。
(1）操作要点。
首先把数据标准化。（SPSS： 分析->统计描述->描述）
聚类数:根据计算结果来定。
迭代数:可以改大一些。
保存:“聚类成员和"与"聚类中心的距离”
选项:“ANOVA”和“每个个案聚类信息”
(2）结果解读:
a、读最终聚类中心能够反映分出来的这两类的特点，可以自己起名字。
b、ANOVA显示两个或者多个类别的群体在聚类的各个变量上是否有差异，有差异说明聚类相对成功。
c、个案数显示两个或者多个类别的群体各有多少个被试。最好比较均匀，不要有类别太少。
(3)三线表的制作
SPSS步骤：
1. 数据标准化：分析->统计描述->描述
2. 分析->分类 -> K-均值聚类
选变量、聚类数（多尝试几个）、迭代（次数大一些，比如99次）、保存（聚类变量、与聚类中心的距离）、选项（√ANOVA表——给出每个类别之间有没有差异，我们是希望不同类别之间是有差异的，√每个类别的聚类信息）
根据聚类中心我们看看能不能自己起名字
最终聚类中心 |
||
|
聚类 |
|
1 |
2 |
|
Zscore(Income) |
.97179 |
-.51186 |
Zscore(Children) |
-.45904 |
.24179 |
Zscore(Family_Quotient) |
1.11281 |
-.58614 |
ANOVA |
||||||
|
聚类 |
误差 |
F |
Sig. |
||
均方 |
df |
均方 |
df |
|||
Zscore(Income) |
298.452 |
1 |
.503 |
598 |
593.830 |
.000 |
Zscore(Children) |
66.595 |
1 |
.890 |
598 |
74.799 |
.000 |
Zscore(Family_Quotient) |
391.353 |
1 |
.347 |
598 |
1127.055 |
.000 |
F 检验应仅用于描述性目的，因为选中的聚类将被用来最大化不同聚类中的案例间的差别。观测到的显著性水平并未据此进行更正，因此无法将其解释为是对聚类均值相等这一假设的检验。 |
||||||
我们可以看到显著性是有差异的，这说明聚类相对成功。
至于三线表的制作我们可以借助excel（先把SPSS的表格复制粘贴到excel，在excel中进行必要行的删减或修改，添加三条线，最后粘贴到word文档即可）
2．系统聚类
(1）操作要点。
绘制:树状图（谱系图)。
方法:“聚类方法"用"组间连接"。
“度量标准"根据数据类型选定:Q型聚类选“平方欧氏距离"，R型聚类用“Pearson相关"。
“标准化"选定"Z得分"。
分群:根据聚类类型选定。
(2）结果解读:
画聚合系数随分类数变化图:以聚合系数为纵坐标，类别为横坐标，开始是N-1类。聚合系数图从哪里开始平缓就取那里的分类数。
(3)图表的制作。
我们可以看到在分成两类比较合适
3、两阶聚类
(1）操作要点。
分类变量和连续变量按要求填入。
距离测量:全连续变量选“欧氏",否则选“对数似然"聚类数目:“自动确定"
输出:“透视表”"、“创建聚类成员变量"
(2）结果解读:
(3）图表的制作。
