6.6、SPSS快速聚类—零基础入门教程

SPSS快速聚类

当要聚成的类数确定时，使用快速聚类过程可以快速地将观测记录分到各类中去，特点是处理速度快、 占用内存少，适用于大样本的聚类分析，能够保存每个对象与聚类中心之间的距离，能够从外部文件中读取初始聚类中心，并将最终的聚类中心保存到该文件中。

SPSS快速聚类使用的是k平均值分类法对观测记录进行聚类，可以完全使用系统默认值进行聚类，也可以对聚类过程设置各种参数进行人为的干预，如事先制定聚类个数，指定使聚类过程中止的收敛判据，比如迭代次数等。进行快速聚类首先要选择聚类分析的变量和类数，参与聚类分析的变量必须是数值型变量，且至少要有1个。为了清楚地表明各观测量最后聚到哪一类，还应该指定一个表明观测量特征的变量作为标示变量，例如姓名、编号等。聚类个数需大于等于2 ，但不能大于数据集中的观测记录个数。

如果选择了n 个数值型变量进行快速聚类，则这n个变量组成n维空间，每个观测量在n维空间中是一个点，设最后要求的聚类个数为k , 则k个事先选定的观测量就是k个聚类中心点，也称为初始类中心。 然后把每个观测量都分派到与这k个中心距离最小的那个类中，构成第 一个迭代形成的k类，根据组成每一类的观测量，计算各变量的均值， 每一类的n个均值在n维空间中又形成k个点，构成第二次迭代的类中心。按照这种方法依次迭代下去，直到达到指定的迭代次数或达到中止迭代的依据要求时，聚类过程结束。

一、参数设置

（1）打开数据文件，选择“分析” →“分类” →“k-平均值聚类” ，弹出“k-平均值聚类分析”对话框，如下图所示，各项含义如下。

●    变量列表：将左侧变量列表中的一个或多个数值型变量选入其中。

●    标注个案列表：将左侧变量列表中的一个变量选入其中作为标 示变量。

●    聚类数：在框中输入分类数，系统默认分为2类。 ●    方法

➢   迭代与分类：聚类的迭代过程中使用K-Means算法不断计算类中心，并根据结果更换类中心，把观测记录分派到最近的以类中心为标志的类中去。

➢   仅分类：选定初始类别中心点后，在聚类过程中不改变类中心。

●    聚类中心

➢   读取初始聚类中心：要求使用指定数据文件中的观测量作为初始类中心，选择此项，激活下列选项：

✧   打开数据集：选中后在下拉列表中指定一个当前打开的数据集。

✧   外部数据文件：选中后单击 按钮，指定文件的路径和文件名，该文件的观测量作为初始类中心的数据。

➢   写入最终聚类中心：在此选择如何保存聚类结果的类中心，选择此项，激活下列选项：

✧   新数据集：建立一个新数据集，在输入框中输入文 件名，运行结果会把最后结果的类中心保存到该数据文件中。

✧   数据文件：单击按钮，指定文件的保存路径和文件名。

（2）单击 按钮，弹出“K-平均值聚类分析：写入文件”对话框，如下图所示，各项含义如下。

●    最大迭代次数：指定K-Means算法的最大迭代次数，当达到最大迭代次数时，即使没有满足收敛依据，达到迭代次数之后迭 代也会终止。系统默认为10 ，选择范围为1～999。

●    收敛性标准：指定K-Means算法的收敛依据，它表示初始聚类中心之间的最小距离的比例，值必须大于等于0 ，且小于1 ，系统默认为0 。例如在框中输入0.01 ，表示如果一次的迭代使任何一个类中心距离的移动与原始类中心距离的比小于1% ，则迭代停止。

●    使用运行平均值：勾选此项，表示每个观测量被分到一类后即可计算新的类中心；不勾选此项，表示在分配了所有个案之后 计算新的聚类中心，节省迭代时间。

（3）单击按钮，弹出“K-Means聚类：保存新变量”对话框，如下图所示，各项含义如下。

●    聚类成员：勾选此项，表示用一个新变量“QCL_1”保存各观测 量最终被分配到哪一类中。

●    与聚类中心的距离：勾选此项，表示用一个新变量“QCL_2”保存各观测量到最终所属的类中心的欧式距离。

（4）单击按钮，弹出“K平均值聚类分析：选项”对话框，如下图所示，各项含义如下。

●    Statistics

➢   初始聚类中心：输出初始的类中心，初始聚类中心用于第一轮分类，然后再更新。

➢   ANOVA表：输出方差分析表，该表包含每个聚类变量的一元F检验。F检验只是描述性的，不应解释生成的概率。如果所有个案均分配到单独一个聚类，那么ANOVA表不显示。

➢   每个个案的聚类信息：输出每个个案的聚类信息，包括所属类别、到所属类中心的距离等。

●    缺失值

➢   按排列排除个案：只要某个变量含有缺失值，就在所有的分析过程中将该记录剔除。

➢   按对排除个案：只有当一个观测量的全部聚类变量值都缺失时才将其剔除，否则将根据所有非缺失量的取值把它分配到距离最近的一类中去。

二、快速聚类的SPSS实现

实例一：“data10-01.sav”数据文件是一个公司员工的基本情况，如下图所示。现要求利用通过起始薪金和当前薪金对员工进行快速聚类。

数据文件：数据文件\Chapter10\data10-01.sav

视频文件：视频文件\Chapter10\快速聚类．avi

（1）打开“data10-01.sav”数据文件，选择“分析” →“分类” →“k-平均值聚类” ，弹出“k-平均值聚类”对话框。

（2）在左侧的变量列表中选中“ 当前薪金”和“初始薪金”变量，单击按钮，将其选入“变量列表” ，将“受教育年数”变量选入右边的标注个案列表作为标示变量。在“ 聚类数”后的框中输入分类数为3 ，在“选择方法”栏中勾选“迭代与分类”。

（3）单击按钮，弹出的“K-平均值聚类分析： 写入文件”对话框，设置选择系统默认。单击按钮返回主对话框。

（4）单击按钮，弹出“K-Means聚类：保存新变量”对话框，勾选“ 聚类成员”和“与聚类中心的距离” 复选框。

（5）单击按钮，弹出“K平均值聚类分析：选项”对话框。

（6）在“ Statistics”栏中选择“初始聚类中心” 、“ANOVA表”和“每个 个案的聚类信息” 复选框，在“缺失值”栏中勾选“按排列排除个案”选项。

（7）完成所有设置后，单击腿按钮执行命令。

三、快速聚类的结果分析

从下表可知，由于没有指定聚类的初始聚类中心，此表中所示的作为类中心的观测量是系统确定的。

从下表可以看出，经过9次迭代后，蕾中心的变化为0 ，迭代停止，表中所示为每次迭代后类中心的变化量。

从下表可以看出，个案的最终所属类别和与所属类中心的欧式距离，本例只截取了前35个个案，如个案1 ，被分到第2类，与类中心的欧式距离为3462.323。

从下表可以看出，最终3类的类中心的2个变量的值。

从下表可以看出，3个聚类中心之间的距离，如聚类中心1和2之间的距离为41757.688。

从下表可以看，出2个变量的聚类均方值都远远大于误差均方值，并且显著性水平值均小于0.05 ，说明拒绝2个变量使各类之间无差异的假设，表明参与聚类分析的2个变量能很好地区分各类，类间的差异足够大。

从下表可以看出，每类的观测量数目，有效的观测数为474 ，无缺失值。

如果上述教程没有解决您的问题，可以联系分析师获取支持：

分析师服务（24小时在线）

如果您需要代做服务，可选择下方服务选项：

‍1、问卷设计、问卷调查：点击联系

2、数据分析、实证分析：点击联系‍

3、科研配图、论文配图：点击联系

4、文章指导、润色美化：点击联系

5、数据查找、代查代下：点击联系

6、数据修改、调整合理：点击联系‍

7、职称评审、课题申报：点击联系

8、格式排版、文章翻译：点击联系‍