聚类分析包括R型聚类(对变量指标聚类)和Q型聚类(对个案观测聚类)
数据:
有 20 种 12 盎司啤酒成分和价格的数据,变量包括啤酒名称、热量、钠含量、酒精含量、价格。数据来自《SPSS for Windows 统计分析》data11-03。
一.如何对变量进行聚类(即选择哪些主要的变量)——R型聚类
1、如何筛选聚类变量?现在我们有 4 个变量用来对啤酒分类,是否有必要将 4 个变量都纳入作为分类变量呢?热量、钠含量、酒精含量这 3 个指标是要通过化验员的辛苦努力来测定,而且还需要花费不少成本,如果都纳入分析的话,岂不太麻烦太浪费?所以,有必要对 4 个变量进行降维处理,这里采用 R 型聚类(变量聚类),对 4 个变量进行降维处理。输出“相似性矩阵”有助于我们理解降维的过程。
2、4 个分类变量量纲各不相同,我们先确定用相似性来测度,度量标准选用 pearson 系数,聚类方法选最远元素,此时,涉及到相关,4 个变量可不用标准化处理,将来的相似性矩阵里的数字为相关系数。若果有某两个变量的相关系数接近 1 或-1,说明两个变量可互相替代。
3、只输出“树状图”就可以了,从 proximity matrix 表中可以看出热量和酒精含量两个变量相关系数 0.903,最大,二者选其一即可,没有必要都作为聚类变量,导致成本增加。至于热量和酒精含量选择哪一个作为典型指标来代替原来的两个变量,可以根据专业知识或测定的难易程度决定。(与因子分析不同,是完全踢掉其中一个变量以达到降维的目的。)这里选用酒精含量,至此,确定出用于聚类的变量为:酒精含量,钠含量,价格。
二、20 中啤酒能可以分几类?——“Q 型聚类”(对个案聚类)
1、现在对 20 中啤酒进行聚类。开始不确定应该分为几类,暂时用一个3-5 类范围来试探。Q 型聚类要求量纲相同,所以我们需要对数据标准化,这次采用欧式距离平方进行测度。分析——分类——系统聚类——选择个案聚类
2、通过树状图和冰柱图来理解类别。最终是分为 4 类还是 3 类,这是个复杂的过程,需要专业知识和最初的目的来识别。这里试着确定分为 4 类。选择“保存”,则在数据区域内会自动生成聚类结果。
聚类树状图如下:
三、用于聚类的变量对聚类过程、结果有贡献吗,有用么?——采用“单因素方差分析”
1、聚类分析除了对类别的确定需讨论外,还有一个比较关键的问题就是分类变量到底对聚类有没有作用?有没有贡献,如果有个别变量对分类没有作用的话,应该剔除。
2、该过程一般用 单因素方差分析来判断。注意,因子变量选择聚为 4 类的结果,而将三个聚类变量作为因变量处理。方差分析结果显示,三个聚类变量 sig 值为0.00均比较显著,所以用于分类的 3 个变量对分类有作用,可以使用,作为聚类变量是比较合理的。
四、对聚类结果的解释?——采用”均值比较描述统计“
1、聚类分析最后一步,也是最困难的就是对分出的各类进行定义解释,描述各类的特征,即各类别特征描述。这需要专业知识作为基础并结合分析目的才能得出。
2、可以采用均值比较过程对各类的各个指标进行描述。其中,report 报表用于描述聚类结果。对各类指标的比较来初步定义类别,主要根据专业知识来判定。
分析——比较均值——平均值
转自:www.datasoldier.net(总结很好)感谢!
参考:《SPSS for Windows 统计分析》