6.8、SPSS两步聚类—零基础入门教程

SPSS两步聚类

一、参数设置

（1）打开数据文件，选择“分析” →“分类” →“两步聚类” ，弹出“二阶聚类分析”对话框，如下图所示，各项含义如下。

●    分类变量：将左侧变量列表中的选择一个一个或多个变量进入。

●    连续变量：将左侧变量列表中的选择一个一个或多个变量进入。

●    距离测量：确定如何计算两个聚类之间的相似性。

➢   对数相似值：假设连续变量是正态分布，分类变量是多项式分布，且所有变量相互独立。

➢   Euclidean：欧式距离法，测量是两个聚类之间的“直线”距离，适用于所有变量都是连续变量。

●    连续变量计数：显示在“选项” 中设定的需要和不需要标准化处理的连续变量个数。

●    聚类数量

➢   自动确定：系统自动选择最好的分类数，默认最大的分类数为15。

➢   指定固定值：用户在框中输入一个正整数指定分类数。

●    聚类准则：在施瓦兹贝叶斯准则和Akaike信息标准中选择一种确定最优聚类个数的准则。

（2）单击按钮，弹出“二阶聚类：选项”对话框，如下图所示，各项含义如下。

●    离群值处理：设置在聚类特征（CF）树填满的情况下，在聚类过程中特别地处理离群值。如果CF树的叶节点中不能接受更多的个案，且所有叶节点均不能拆分，那么说明CF树已满。

➢   使用噪声处理：勾选此项，在百分比后框中输入一个数值，系统默认为25 。当某节点包含的个案数与最大叶子 数之比小于指定的百分比，则认为叶子稀疏，当CF长满后，把稀疏节点合并为一个“ 噪声”节点，然后重新执行CF树的生长，当CF树再次长满后，需要判断“ 噪声”节点是否留在CF树上，如果不能就删除。如果不勾选此项且CF树填满，那么它将使用较大的距离更改阈值来重新生长。当聚类结束后，那些不能归入任何一类的观测就被标记成离群值，离群值聚类被赋予标识号-1 ，并且不会包括在聚类数的计数中。

●    内存分配：指定聚类过程中使用的最大内存空间。在最大大小后框中输入一个大于等于4的数值，系统默认为64 。如果聚类   过程使用的内存大于这个值，系统将使用硬盘来存储放不下的信息。

●    连续变量的标准化：系统默认的是将所有的连续变量都自动选入“要标准化的计数”列表中，对于已经标准化的连续变量通过将其选入“假定已标准化的计数”列表中，可以节省聚类过程 的运行时间。

（3）单击按钮，打开高级选项对话框。

●    CF树调节准则：设置CF树调节准则，有4个待定参数

➢   初始距离更改阈值：在框中输入一个数值，系统默认为0 。这是用来使CF树生长的初始阈值。如果将给定的个案插入到CF树的叶子中将生成小于阈值的紧度，那么不会拆分叶子。如果紧度超过阈值，那么会拆分叶子。

➢   最大分支：在框中输入一个数值，系统默认为8 ，指定单个节点的最大分支数。

➢   最大树深度：在框中输入一个数值，系统默认为3 ，指定CF树最大最大级别数。

➢   可能的最大结点数：该数值是通过公式（bd+1    − 1）/（b − 1）计算而得，b代表最大分支数，d代表最大树深度。 每个节点最少需要16个字节的空间，CF树太大会消耗系统资源，影响聚类过程的效率。

●    聚类模型更新：勾选“ 导入CF树XML文件” ，单击按钮， 指定一个XML格式的CF树文件，用当前的数据文件更新以前生产的原聚类模型。在主设置面板中指定分析变量的顺序必须与以前分析时指定的变量顺序相同，更新的模型仅用于当前数 据的分析，不会更改原始的XML文件，除非把新模型的信息输出至与其同名的文件里。

（4）单击按钮，弹出“二阶聚类：输出”对话框，如下图所示，各项含义如下。

●    输出：选择输出的统计量。

➢   透视表：输出4个表格，第一个AIC或BIC的统计表，第二个连续变量的均值和标准差，第三个最终分类的观测个数统计表，最后一个最终分类里分类变量的频数统计表。

➢   图表和表格：指定为评估字段的变量可以显示在模型查看器作为聚类描述符。

●    工作数据文件：设置将变量保存到活动数据集。

➢   创建聚类成员变量：勾选此项，保存最后的聚类结果，变量名为TSC_n,   n为表示在给定会话中由此过程完成的活动数据集保存操作的序数。

●    XML文件栏：以XML格式输出最终模型和CF树。

➢   导出最终模型：勾选此项，单击按钮，指定文件保存路径和位置，保存最终模型信息，可以使用该模型文件以应用模型信息到其他数据文件用于评分目的。

➢   导出CF树：勾选此项，单击按钮，指定文件保存路径和位置，保存CF树，并在以后使用较新的数据对其进行更新。

二、两步聚类的SPSS实现

实例三：“data10-03.sav”数据文件是一些汽车的基本情况，如下图所示。要求利用汽车的一些基本资料对汽车进行两步聚类。

数据文件：数据文件\Chapter10\data10-03.sav

视频文件：视频文件\Chapter10\两步聚类．avi

（1）打开“data10-03.sav”数据文件，选择“分析” →“分类” →“两步聚 类” ，弹出“二阶聚类分析”对话框。

（2）在左侧的变量列表中选中“价格×1000” 、“发动机型号” 、“ 马力” 、“轴距” 、“ 宽度” 、“长度” 、“底盘重量” 、“燃料容量”和“燃料效率”9个变量单击按钮，选入右边的连续变量列表，将“车辆类型”变量选入右边的分类变量列表，将，主设置面板上其他选项都为系统默认。

（3）单击按钮，弹出“二阶聚类：选项”对话框，设置都为系统默认。单击按钮返回主对话框。

（4）单击按钮，弹出“二阶聚类“输出”对话框。

（5）在“输出”栏中勾选“透视表”和“ 图表和表格” 复选框，在“工作数据文件”栏中勾选创“建聚类成员变量” 。单击    按钮返回主对话框。

（6）完成所有设置后，单击腿按钮执行命令。

三、两步聚类的结果分析

从下表可以看出整个聚类的过程，第1列是表示聚类的步骤数，第2列是通过BIC准则对每个类数计算聚类判据，数值越小表示模型越好，同时还要考虑第4列BIC更改比率和第5列距离度量比率来最终确定最佳的聚类结果。第3列是BIC的变化值，即当前的BIC值减去前一个BIC值的差。第4列BIC更改比率是当前的BIC变化值与前一个变化值的比率。第5列距离度量比率。一个好的模型应当有较小的BIC值、较大的BIC更改比率和较大的距离度量比率。本例选择最终聚类数为3。

从下表可以看出最终聚成3类的观测频数，以及排除的异常观测的频数。本例观测总数为157 ，异常观测为5。

从下表可以看出每一类中连续变量的均值和标准差，可以看出第1类的车辆价格比较便宜，发动机型号、马力、轴距都较小，车型也偏小，燃料效率最高，属于低端车型；第2类车价格居中，发动机型号、马力、轴距、车型、燃料容量相对于第1类车都有相对的提高，燃 料效率降低，属于中端车型；第3类车价格最高，发动机型号、马力相对于前2类车都有较大的提高，燃料效率居中，属于高端车型。

从下表可以看出3类按车辆类型分的频数表，可见第1类和第3类基本上都是小汽车，第2类全部是卡车。

从下图可以看出聚类方法为两步聚类，总共有10个变量，最佳聚类数为3类，聚类效果较好。

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‍