聚类分析 SPSS应用

聚类分析－SPSS应用快速聚类快速聚类－K均值聚类分层聚类点击菜单Analyze->DescriptiveStatistics->Descriptives快速聚类1－数据标准化快速聚类2定义聚类中心确定分类数指定分析变量迭代和分类迭代选项输出选项，保存到数据表输出选项4快速聚类3－迭代选项选定后，确定当任一个样品被分到某类后，即刻计算新的类中心。输入最大迭代步数迭代收敛判据（>0and<1），含义当两次迭代计算的类中心的变化距离小于原中心距离的百分之N时迭代停止快速聚类4－输出选项确定输出各样品的类别到数据表确定输出各样品到类中心的距离到数据表快速聚类5－输出选项初始类中心方差分析表每个样品的分类信息快速聚类－结果1初始类中心，前4个样品作为初始中心。迭代中心的变化。本例2次迭代后停止。快速聚类－结果2样品分类信息最后的分类中心方差分析表。任意一个变量的类间均方（ClusterMS）均远远大于类内的误差均方值（ErrorMS）快速聚类－结果3聚类小结：给出每类的样品数等。快速聚类－结果4分层聚类快速聚类－K均值聚类分层聚类Statistics：确定输出的统计项；Plots：确定输出的图表类型；Method：确定聚类方法；Save：确定输出到数据表的新变量。分层聚类1指定参与分类的变量。指定标识变量。选Cases，样品聚类；选Variables，变量聚类ClusterMethod-聚类方法最近相邻,Nearestneighbor最远相邻Furthestneighbor组间连接betweengroupslinkage：合并两类结果使得两两项对之间的平均距离最小；组内连接within-groupslinkage：合并两类结果使得类中的两两项对之间的平均距离最小；离差平方和法Ward重心法Centroidmethod，每类重心就是该类的均值分层聚类2Measure-距离或相似性测度植被等间隔参数(Interval)Count：用于计数数据Binary:用于二值变量。等间隔参数(Interval)：Euclidean距离的平方：Euclidean距离Cosine—变量矢量的余弦Pearsoncorrelation－相关系数Chebychev：两观察单位之间的距离为其任意变量的最大绝对值。Block:City-Block或Manhattan。两观察单位之间的距离为其值差的绝对值和。Minkowski：即变量绝对值的第P次幂之和的平方根。P由用户指定。Customized：即变量绝对值的第P次幂之和的第R次根。P与R由用户指定。Count：用于计数数据Chi-Squaremeasure：卡方测度Phi-Squaremeasure：两频数之间的2测度。Binary：用于二值变量。1为出现，0为不出现RRSMSSIRT…….TransformMeasures-距离测量结果的转换方法：Absolutevalues:把距离值取绝对值。Changesign：把相似性变为不相似性或取反。用取反的方法使距离顺序颠倒过来。Rescaleto0-1range：通过首先减去最小值，然后除以范围的方法使距离标准化。TransformValues-标准化Zscores：把数值标准化到Z分数Range–1to1：把数值标准化到-1～1范围。Maximummagnitude：把数值标准化到最大值1Range0to1：把数值标准化到0～1的范围。Meanof1：把数值标准化到一个均值的范围Standarddeviationof1：把数值标准化到单位标准差。凝聚状态表距离或相似系数矩阵类成员栏：显示每个样品被分配到的类分层聚类树型图冰柱图显示方向（冰柱图）：垂直，水平分层聚类输出到数据表－生成新变量不建立新变量－默认选项单一结果指定范围的结果分层聚类分层聚类结果数据信息表凝聚过程表Stage：聚类步骤(clustercombined)Cluster1,cluster2:该步被合并的两类中的观测量号，合并结果取小的序号；Coefficients：距离测度值（本例选择欧氏距离）Stageclusterfirstappears：合并两项第一次出现的聚类步序号。0表示观测量，非0表示类。NextStage：此步合并结果在下一步合并时的步序号。分层聚类结果聚类结果的类成员表分层聚类结果第1列“Numberofclusters”：表示分多少类，因属聚合法，从聚类过程看该表应该从下往上看；在“CASE”下所有列中：如果最近相连的两列出现两个“X”相连，则表示这两个样品已合并成一类，否则属于不同的两类。

分层聚类结果－冰柱图（VerticalIcicle）第1行“Numberofclusters”：表示分多少类，因属聚合法，从聚类过程看该表应该从右往左看；在“CAS