SPSS学习笔记【三】-聚类分析&判别分析

k均值聚类

 

 

缺点：只对样本聚类，不能对变量聚类 ；参数（聚类个数）需要提前指定

层次聚类

•  样本和变量都可以聚类，不局限于参数选择
• 将所有观测指标纳入系统
• 形成树形图
• 样本大时，计算慢

 

 

 判别分析

• 自变量符合多元正态分布，不存在多重共线性
• 所有自变量在各组之间协方差矩阵相等
• 因变量确定且独立
• 自变量和因变量符合线性假设

聚类分析与判别分析的区别与联系

都是研究分类的，在进行聚类分析前，对总体到底有几种类型不知道（研究分几类较为合适需从计算中加以调整）。判别分析则是在总体类型划分已知，对当前新样本判断它们属于哪个总体。如我们对研究的多元数据的特征不熟悉，当然要进行聚类分析，才能考虑判别分析问题。

判别分析

有Fisher判别，Bayes判别和逐步判别。一般用Fisher判别即可，要考虑概率及误判损失最小的用Bayes判别，但变量较多时，一般先进行逐步判别筛选出有统计意义的变量，再结合实际情况选择用哪种判别方法。