SPSS聚類分析經(jīng)典案例分享

這篇文章的案例過程涉及到spss層次聚類中的Q型聚類和R型聚類，單因素方差分析，Means過程等，是一個很不錯的多種分析方法聯(lián)合使用的 聚類分析案例。

案例數(shù)據(jù)源：

有20種12盎司啤酒成分和價格的數(shù)據(jù)，變量包括啤酒名稱、熱量、鈉含量、酒精含量、價格。數(shù)據(jù)來自《SPSS for Windows 統(tǒng)計分析》data11-03。

【一】問題一：選擇那些變量進行聚類？——采用“R型聚類”

1、如何篩選聚類變量？現(xiàn)在我們有4個變量用來對啤酒分類，是否有必要將4個變量都納入作為分類變量呢？熱量、鈉含量、酒精含量這3個指標(biāo)是要通過化驗員的辛苦努力來測定，而且還有花費不少成本，如果都納入分析的話，豈不太麻煩太浪費？所以，有必要對4個變量進行降維處理，這里采用spss R型聚類（變量聚類），對4個變量進行降維處理。輸出“相似性矩陣”有助于我們理解降維的過程。

2、4個分類變量量綱各自不同，這一次我們先確定用相似性來測度，度量標(biāo)準(zhǔn)選用pearson系數(shù)，聚類方法選最遠(yuǎn)元素，此時，涉及到相關(guān)，4個變量可不用標(biāo)準(zhǔn)化處理，將來的相似性矩陣?yán)锏臄?shù)字為相關(guān)系數(shù)。若果有某兩個變量的相關(guān)系數(shù)接近1或-1，說明兩個變量可互相替代。

3、只輸出“樹狀圖”就可以了，個人覺得冰柱圖很復(fù)雜，看起來沒有樹狀圖清晰明了。從proximity matrix表中可以看出熱量和酒精含量兩個變量相關(guān)系數(shù)0.903，最大，二者選其一即可，沒有必要都作為聚類變量，導(dǎo)致成本增加。至于熱量和酒精含量選擇哪一個作為典型指標(biāo)來代替原來的兩個變量，可以根據(jù)專業(yè)知識或測定的難易程度決定。（與因子分析不同，是完全踢掉其中一個變量以達(dá)到降維的目的。）這里選用酒精含量，至此，確定出用于聚類的變量為：酒精含量，鈉含量，價格。

【二】問題二：20中啤酒能分為幾類？——采用“Q型聚類”

1、現(xiàn)在開始對20中啤酒進行聚類。開始不確定應(yīng)該分為幾類，暫時用一個3-5類范圍來試探。Q型聚類要求量綱相同，所以我們需要對數(shù)據(jù)標(biāo)準(zhǔn)化，這一回用歐式距離平方進行測度。

2、主要通過樹狀圖和冰柱圖來理解類別。最終是分為4類還是3類，這是個復(fù)雜的過程，需要專業(yè)知識和最初的目的來識別。我這里試著確定分為4類。選擇“保存”，則在數(shù)據(jù)區(qū)域內(nèi)會自動生成聚類結(jié)果。

【三】問題三：用于聚類的變量對聚類過程、結(jié)果又貢獻么，有用么？——采用“單因素方差分析”

1、聚類分析除了對類別的確定需討論外，還有一個比較關(guān)鍵的問題就是分類變量到底對聚類有沒有作用有沒有貢獻，如果有個別變量對分類沒有作用的話，應(yīng)該剔除。

2、這個過程一般用 單因素方差分析來判斷。注意此時，因子變量選擇聚為4類的結(jié)果，而將三個聚類變量作為因變量處理。方差分析結(jié)果顯示，三個聚類變量sig值均極顯著，我們用于分類的3個變量對分類有作用，可以使用，作為聚類變量是比較合理的。

【四】問題四：聚類結(jié)果的解釋？——采用”均值比較描述統(tǒng)計“

1、聚類分析最后一步，也是最為困難的就是對分出的各類進行定義解釋，描述各類的特征，即各類別特征描述。這需要專業(yè)知識作為基礎(chǔ)并結(jié)合分析目的才能得出。

2、我們可以采用spss的means均值比較過程，或者excel的透視表功能對各類的各個指標(biāo)進行描述。其中，report報表用于描述聚類結(jié)果。對各類指標(biāo)的比較來初步定義類別，主要根據(jù)專業(yè)知識來判定。這里到此為止。