
用因子分析結(jié)果進行聚類分析
得到因子得分并不是最終的結(jié)果,降維是為了使我們的思路更加集中,但降維結(jié)束后得到的卻未必是我們所期望的。為了更好的加以分析,我們可以在降維因子分析的基礎上對得到的潛在因子進行聚類或者計算出綜合因子得分進行排序。綜合因子得分的計算前面我已經(jīng)討論過了,盧老師的書里介紹了因子分析之后進行聚類分析,放在這里學習學習。
【案例】:美國洛杉磯12個地區(qū)的調(diào)查數(shù)據(jù)(人口、校齡、總雇員、房價、服務),該數(shù)據(jù)可到經(jīng)管之家論壇spss版塊下載。
【案例說明】:12個地區(qū)的5個調(diào)查指標數(shù)據(jù)經(jīng)過因子分析處理后,找到兩個潛在的因子:人口因子和福利因子。并且spss自動保存了12個地區(qū)的因子得分。這個案例的目的在于評價12個地區(qū)經(jīng)濟情況。我們現(xiàn)在走一條曲線救國的思路:利用人口因子和福利因子兩個變量進行聚類,看看這12個地區(qū)有哪些是相似的(同一類),這些相似的地區(qū)有哪些特征,從而集中評價屬于同一類的某幾個或一個地區(qū)。
一、操作:
(1)因子1,因子2為參與聚類的變量,地區(qū)編號為標示。
(2)盲聚類,先給定范圍2-4類,然后對2、3、4進行比較,最終確定聚為幾類。
(3)個人較喜歡輸出樹狀圖,討厭冰柱圖。要求輸出聚類的樹狀圖。采用歐氏距離平方聚類。
(4)不需要進行標準化處理,因為兩個因子本身就是無量綱變量。
二、重要結(jié)果(對比):
(1)從聚類分析輸出結(jié)果很難看出各地區(qū)在經(jīng)濟特性方面的區(qū)別。
(2)亮點:因子得分-類別散點圖,可視化的效果。
上圖顯示,2、3、7為第二類,處在人口因子和福利因子都較低的左角,可以認為從5個經(jīng)濟指標來看均較差的地區(qū);1、4、5為第一類,人口因子(人口數(shù)和就業(yè)人數(shù))得分較低,福利因子較高,即人口和就業(yè)者較少,但福利條件去很不錯的地區(qū)群(這可是夢寐以求的好地方?。。?;6、8、9、11、12為第三類人口因子較高,福利因子較低,人口多,就業(yè)者多,比如hn,人口第一大省,但整體經(jīng)濟實力較東部地區(qū)差,福利跟不上。
做法:因子得分2為縱軸、因子得分1為橫軸(誰橫誰縱沒有定論),用地區(qū)編號標識地區(qū),用聚類得到的各地區(qū)類別號分組。(依次做分為2類的、3類的、4類的散點圖進行比較)。
三、討論:
就此案例而言,最終聚為幾類合適?我個人的思路:從上面的散點圖可以看出,編號為10的這個地區(qū),偏離1、5、4地區(qū)較遠,聚類過程顯示這四個地區(qū)為同一類。鑒于1、5、4更集中,10地區(qū)較遠,用異常值的思想來講,10地區(qū)為異常值,單獨放一邊討論,視為特例對待。其他11個地區(qū)分為3類。即最終聚為4類(或3類+1特例)。
從這個案例可以看出,我們很有必要在spss既得結(jié)果中提取其他可視化圖形,比如上面這個因子得分散點圖,使分析效果更加顯著。
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎用法到實戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關聯(lián)查詢效率:打破 “拆分必慢” 的認知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預期算子的內(nèi)涵、作用與應用解析 動態(tài)隨機一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實戰(zhàn)應用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應用 在數(shù)據(jù)分析與統(tǒng)計學領域,假設檢驗是驗證研究假設、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數(shù)量的準確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進行 HTTP 網(wǎng)絡請求開發(fā)時(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數(shù)據(jù)的科學計數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點數(shù)據(jù)時的科學計數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務數(shù)據(jù)分析步驟的落地者與價值優(yōu)化者 業(yè)務數(shù)據(jù)分析是企業(yè)解決日常運營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務邏輯:從規(guī)則拆解到數(shù)據(jù)把關的實戰(zhàn)指南 在業(yè)務系統(tǒng)落地過程中,“業(yè)務邏輯” 是連接 “需求設計” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動下的精準零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當下,精準營銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務數(shù)據(jù)分析:概念辨析與協(xié)同價值 在數(shù)據(jù)驅(qū)動決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實踐到業(yè)務價值挖掘 在數(shù)據(jù)分析場景中,聚類分析作為 “無監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價值導向 統(tǒng)計模型作為數(shù)據(jù)分析的核心工具,并非簡單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10