SPSS篩選聚類變量

聚類分析是常見的數(shù)據(jù)分析方法之一，主要用于市場細(xì)分、用戶細(xì)分等領(lǐng)域。利用SPSS進(jìn)行聚類分析時(shí)，用于參與聚類的變量決定了聚類的結(jié)果，無關(guān)變量有時(shí)會(huì)引起嚴(yán)重的錯(cuò)分，因此，篩選有效的聚類變量至關(guān)重要。

案例數(shù)據(jù)源：

在SPSS自帶數(shù)據(jù)文件plastic.sav中記錄了20中塑料的三個(gè)特征，分別是tear_res（抗拉力）、gloss（光滑度）、opacity（透明度），相關(guān)經(jīng)驗(yàn)表面這20中塑料可以分為3個(gè)種類，如果用這三個(gè)變量進(jìn)行聚類，請(qǐng)判斷和篩選有效聚類變量。

一套篩選聚類變量的方法

一、盲選

將根據(jù)經(jīng)驗(yàn)得到的、現(xiàn)有的備選聚類變量全部納入模型，暫時(shí)不考慮某些變量是否不合適。本案例采用SPSS系統(tǒng)聚類方法。對(duì)話框如下:

統(tǒng)計(jì)量選項(xiàng)卡：聚類成員選擇單一方案，聚類數(shù)輸入數(shù)字3；

繪制選項(xiàng)卡：勾選樹狀圖；

方法選項(xiàng)卡：默認(rèn)選項(xiàng)，不進(jìn)行標(biāo)準(zhǔn)化；

保存選項(xiàng)卡：聚類成員選擇單一方案，聚類數(shù)輸入數(shù)字3；

二、初步聚類

這是盲選得到的初步聚類結(jié)果，并且在數(shù)據(jù)視圖我們可以看到已經(jīng)自動(dòng)生成了一個(gè)聚類結(jié)果變量，這個(gè)變量非常有用。

三、方差分析

是不是每一個(gè)納入模型的聚類變量都對(duì)聚類過程有貢獻(xiàn)？利用已經(jīng)生成的初步聚類結(jié)果，我們可以用一個(gè)單因素方差分析來判斷分類結(jié)果在三個(gè)變量上的差異是否顯著，進(jìn)而判斷哪些變量對(duì)聚類是沒有貢獻(xiàn)的。

分析——比較均值——單因素方差分析：

選項(xiàng)選項(xiàng)卡：勾選均值圖

由方差分析我們很明確的得知，納入模型的三個(gè)聚類變量，其中只有“透明度”指標(biāo)在各個(gè)分類上有顯著的差異，也就是說分類有效果，讓每個(gè)分類的差異很大，而兩外兩個(gè)變量則在三個(gè)分類上沒有顯著差異，沒有很好的類別區(qū)分度，所以，我們可以認(rèn)為，這兩個(gè)變量對(duì)聚類無作用或者無貢獻(xiàn)，可考慮踢出模型。

我們還想從可視化的角度來查看和判斷，單因素方差分析為我們提供了均值圖，可惜，這三個(gè)圖卻最容易誤導(dǎo)我們的判斷，因?yàn)閟pss在自動(dòng)生產(chǎn)均值圖時(shí)為每一個(gè)變量單獨(dú)制圖，而且分配不同的縱軸坐標(biāo)，導(dǎo)致每個(gè)圖看起來都有非常大的差異，從視覺上迷惑我們做出錯(cuò)誤的判斷。

這里需要改進(jìn)！

四、均值描述

為改進(jìn)以上SPSS默認(rèn)選項(xiàng)的不足之處，我們需要自己生成三個(gè)變量在不同類別上的均值，means過程可以幫助到我們。

從數(shù)字上來看，抗拉力（6.8、6.7、7.1）、光滑度（9.3、9.4、9.2）兩個(gè)指標(biāo)在三個(gè)類別上并沒有多大的差異，而對(duì)聚類有貢獻(xiàn)的透明度指標(biāo)在不同類別上區(qū)分度非常明顯。

五、多線均值圖

克服縱軸刻度的方法是將這三個(gè)指標(biāo)放在同一個(gè)坐標(biāo)軸上進(jìn)行對(duì)比，也就是制作一個(gè)多線均值圖。

此時(shí)，結(jié)果已經(jīng)一目了然了。

綜上，我們可以將抗拉力、光滑度兩個(gè)指標(biāo)從模型中剔除，只留下透明度一個(gè)指標(biāo)再進(jìn)行聚類。

我們發(fā)現(xiàn)，前后兩次聚類的結(jié)果一模一樣，用一個(gè)指標(biāo)可以代替以前三個(gè)指標(biāo)的進(jìn)行聚類。

我們這樣做的意義何在？如果能將這些整理成為規(guī)則，形成經(jīng)驗(yàn)，那我們就可以不用測量抗拉力和光滑度這兩個(gè)指標(biāo)了，你不覺得多測量兩個(gè)指標(biāo)成本會(huì)增加嗎？數(shù)據(jù)分析師培訓(xùn)