SPSS聚類分析--用于篩選聚類變量的一套方法

1、SPSS聚類分析：用于篩選聚類變量的一套方法來源：數(shù)據(jù)小兵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(xì)分、用戶細(xì)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(yán)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

2、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(rèn)選項，不進行標(biāo)準(zhǔn)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

3、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(biāo)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(rèn)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(dǎo)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(biāo)，導(dǎo)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

4、、均值描述為改進以上SPSS默認(rèn)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(biāo)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(biāo)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(biāo)放在同一個坐標(biāo)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(biāo)從模型中剔除，只留下透明度一個指標(biāo)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(biāo)可以代替以前三個指標(biāo)的進行聚類。我們這樣做的意