
聚類分析是常見的數(shù)據(jù)分析方法之一,主要用于市場細分、用戶細分等領(lǐng)域。利用SPSS進行聚類分析時,用于參與聚類的變量決定了聚類的結(jié)果,無關(guān)變量有時會引起嚴重的錯分,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中塑料的三個特征,分別是tear_res(抗拉力)、gloss(光滑度)、opacity(透明度),相關(guān)經(jīng)驗表面這20中塑料可以分為3個種類,如果用這三個變量進行聚類,請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)驗得到的、現(xiàn)有的備選聚類變量全部納入模型,暫時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。對話框如下:
統(tǒng)計量選項卡:聚類成員選擇單一方案,聚類數(shù)輸入數(shù)字3;
繪制選項卡:勾選樹狀圖;
方法選項卡:默認選項,不進行標準化;
保存選項卡: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)自動生成了一個聚類結(jié)果變量,這個變量非常有用。
三、方差分析
是不是每一個納入模型的聚類變量都對聚類過程有貢獻?利用已經(jīng)生成的初步聚類結(jié)果,我們可以用一個單因素方差分析來判斷分類結(jié)果在三個變量上的差異是否顯著,進而判斷哪些變量對聚類是沒有貢獻的。
分析——比較均值——單因素方差分析:
選項選項卡:勾選均值圖
由方差分析我們很明確的得知,納入模型的三個聚類變量,其中只有“透明度”指標在各個分類上有顯著的差異,也就是說分類有效果,讓每個分類的差異很大,而兩外兩個變量則在三個分類上沒有顯著差異,沒有很好的類別區(qū)分度,所以,我們可以認為,這兩個變量對聚類無作用或者無貢獻,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,這三個圖卻最容易誤導我們的判斷,因為spss在自動生產(chǎn)均值圖時為每一個變量單獨制圖,而且分配不同的縱軸坐標,導致每個圖看起來都有非常大的差異,從視覺上迷惑我們做出錯誤的判斷。
這里需要改進!
四、均值描述
為改進以上SPSS默認選項的不足之處,我們需要自己生成三個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)兩個指標在三個類別上并沒有多大的差異,而對聚類有貢獻的透明度指標在不同類別上區(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指標放在同一個坐標軸上進行對比,也就是制作一個多
線均值圖。
此時,結(jié)果已經(jīng)一目了然了。
綜上,我們可以將抗拉力、光滑度兩個指標從模型中剔除,只留下透明度一個指標再進行聚類。
我們發(fā)現(xiàn),前后兩次聚類的結(jié)果一模一樣,用一個指標可以代替以前三個指標的進行聚類。
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,那我們就可以不用測量抗拉力和光滑度這兩個指標了,你不覺得多測量兩個指標成本會增加嗎?
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
LSTM 模型輸入長度選擇技巧:提升序列建模效能的關(guān)鍵? 在循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)家族中,長短期記憶網(wǎng)絡(luò)(LSTM)憑借其解決長序列 ...
2025-07-11CDA 數(shù)據(jù)分析師報考條件詳解與準備指南? ? 在數(shù)據(jù)驅(qū)動決策的時代浪潮下,CDA 數(shù)據(jù)分析師認證愈發(fā)受到矚目,成為眾多有志投身數(shù) ...
2025-07-11數(shù)據(jù)透視表中兩列相乘合計的實用指南? 在數(shù)據(jù)分析的日常工作中,數(shù)據(jù)透視表憑借其強大的數(shù)據(jù)匯總和分析功能,成為了 Excel 用戶 ...
2025-07-11尊敬的考生: 您好! 我們誠摯通知您,CDA Level I和 Level II考試大綱將于 2025年7月25日 實施重大更新。 此次更新旨在確保認 ...
2025-07-10BI 大數(shù)據(jù)分析師:連接數(shù)據(jù)與業(yè)務(wù)的價值轉(zhuǎn)化者? ? 在大數(shù)據(jù)與商業(yè)智能(Business Intelligence,簡稱 BI)深度融合的時代,BI ...
2025-07-10SQL 在預(yù)測分析中的應(yīng)用:從數(shù)據(jù)查詢到趨勢預(yù)判? ? 在數(shù)據(jù)驅(qū)動決策的時代,預(yù)測分析作為挖掘數(shù)據(jù)潛在價值的核心手段,正被廣泛 ...
2025-07-10數(shù)據(jù)查詢結(jié)束后:分析師的收尾工作與價值深化? ? 在數(shù)據(jù)分析的全流程中,“query end”(查詢結(jié)束)并非工作的終點,而是將數(shù) ...
2025-07-10CDA 數(shù)據(jù)分析師考試:從報考到取證的全攻略? 在數(shù)字經(jīng)濟蓬勃發(fā)展的今天,數(shù)據(jù)分析師已成為各行業(yè)爭搶的核心人才,而 CDA(Certi ...
2025-07-09【CDA干貨】單樣本趨勢性檢驗:捕捉數(shù)據(jù)背后的時間軌跡? 在數(shù)據(jù)分析的版圖中,單樣本趨勢性檢驗如同一位耐心的偵探,專注于從單 ...
2025-07-09year_month數(shù)據(jù)類型:時間維度的精準切片? ? 在數(shù)據(jù)的世界里,時間是最不可或缺的維度之一,而year_month數(shù)據(jù)類型就像一把精準 ...
2025-07-09CDA 備考干貨:Python 在數(shù)據(jù)分析中的核心應(yīng)用與實戰(zhàn)技巧? ? 在 CDA 數(shù)據(jù)分析師認證考試中,Python 作為數(shù)據(jù)處理與分析的核心 ...
2025-07-08SPSS 中的 Mann-Kendall 檢驗:數(shù)據(jù)趨勢與突變分析的有力工具? ? ? 在數(shù)據(jù)分析的廣袤領(lǐng)域中,準確捕捉數(shù)據(jù)的趨勢變化以及識別 ...
2025-07-08備戰(zhàn) CDA 數(shù)據(jù)分析師考試:需要多久?如何規(guī)劃? CDA(Certified Data Analyst)數(shù)據(jù)分析師認證作為國內(nèi)權(quán)威的數(shù)據(jù)分析能力認證 ...
2025-07-08LSTM 輸出不確定的成因、影響與應(yīng)對策略? 長短期記憶網(wǎng)絡(luò)(LSTM)作為循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)的一種變體,憑借獨特的門控機制,在 ...
2025-07-07統(tǒng)計學方法在市場調(diào)研數(shù)據(jù)中的深度應(yīng)用? 市場調(diào)研是企業(yè)洞察市場動態(tài)、了解消費者需求的重要途徑,而統(tǒng)計學方法則是市場調(diào)研數(shù) ...
2025-07-07CDA數(shù)據(jù)分析師證書考試全攻略? 在數(shù)字化浪潮席卷全球的當下,數(shù)據(jù)已成為企業(yè)決策、行業(yè)發(fā)展的核心驅(qū)動力,數(shù)據(jù)分析師也因此成為 ...
2025-07-07剖析 CDA 數(shù)據(jù)分析師考試題型:解鎖高效備考與答題策略? CDA(Certified Data Analyst)數(shù)據(jù)分析師考試作為衡量數(shù)據(jù)專業(yè)能力的 ...
2025-07-04SQL Server 字符串截取轉(zhuǎn)日期:解鎖數(shù)據(jù)處理的關(guān)鍵技能? 在數(shù)據(jù)處理與分析工作中,數(shù)據(jù)格式的規(guī)范性是保證后續(xù)分析準確性的基礎(chǔ) ...
2025-07-04CDA 數(shù)據(jù)分析師視角:從數(shù)據(jù)迷霧中探尋商業(yè)真相? 在數(shù)字化浪潮席卷全球的今天,數(shù)據(jù)已成為企業(yè)決策的核心驅(qū)動力,CDA(Certifie ...
2025-07-04CDA 數(shù)據(jù)分析師:開啟數(shù)據(jù)職業(yè)發(fā)展新征程? ? 在數(shù)據(jù)成為核心生產(chǎn)要素的今天,數(shù)據(jù)分析師的職業(yè)價值愈發(fā)凸顯。CDA(Certified D ...
2025-07-03