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(lái)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(chǎng)細(xì)分、用戶細(xì)分等領(lǐng)域。利用SPSS進(jìn)行聚類分析時(shí)，用于參與聚類的變量決定了聚類的結(jié)果，無(wú)關(guān)變量有時(shí)會(huì)引起嚴(yán)重的錯(cuò)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(gè)特征， 分別是tear_res （抗拉 力）、gloss （光滑度）、opacity （透明度），相關(guān)經(jīng)驗(yàn)表面這 20中塑料可以分為3個(gè)種 類，如果用這三個(gè)變量進(jìn)行聚類，請(qǐng)判斷和篩選有效聚類變量。一套篩選聚類變量的方法盲選、初步方差均值多線進(jìn)入z聚類分析描述均

2、值總盲詵貢獻(xiàn)量分可視化結(jié)果一、盲選將根據(jù)經(jīng)驗(yàn)得到的、現(xiàn)有的備選聚類變量全部納入模型，暫時(shí)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(duì)話框如下統(tǒng)計(jì)量選項(xiàng)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(xiàng)卡：勾選樹狀圖；方法選項(xiàng)卡：默認(rèn)選項(xiàng)，不進(jìn)行標(biāo)準(zhǔn)化；保存選項(xiàng)卡：聚類成員選擇單一方案，聚類數(shù)輸入數(shù)字3 ；、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(dòng)生成了一個(gè)聚類結(jié)果 變量，這個(gè)變量非常有用。Dendrogram using Average Linkage Between Groups)Rescaled Ditince Cluster Combi

3、ne51D15202512 1211S813 13151514 1420 205571A15 191111S9£61717521Q101B1916 16、方差分析是不是每一個(gè)納入模型的聚類變量都對(duì)聚類過(guò)程有貢獻(xiàn)？利用已經(jīng)生成的初步聚類結(jié)果，我們可以用一個(gè)單因素方差分析來(lái)判斷分類結(jié)果在三個(gè)變量上的差異是否顯著，進(jìn)而判斷哪些 變量對(duì)聚類是沒(méi)有貢獻(xiàn)的。tA單西養(yǎng)方差分析分析一一比較均值一一單因素方差分析:選項(xiàng)選項(xiàng)卡：勾選均值圖ANOVASum ofSquaresdfMean SquareFL冒呷和吃Between GroupsWithin GroupsTotal55.26017.S4574

4、J0S2171926 1301.05526 弓49.000耳:問(wèn)笛Between GroupsWithin GroupsTotal039S.04B5,06521719.019.297053Wi力 Between GroupsWithin GroupsTotal1204 145+.266217伯060.244.247.7S4I1由方差分析我們很明確的得知，納入模型的三個(gè)聚類變量，其中只有“透明度”指標(biāo)在各個(gè)分類上有顯著的差異， 也就是說(shuō)分類有效果， 讓每個(gè)分類的差異很大， 而兩外兩個(gè)變量則在 三個(gè)分類上沒(méi)有顯著差異，沒(méi)有很好的類別區(qū)分度，所以，我們可以認(rèn)為，這兩個(gè)變量對(duì)聚 類無(wú)作用或者無(wú)貢獻(xiàn)，可

5、考慮踢出模型。我們還想從可視化的角度來(lái)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(gè)圖卻最容易誤導(dǎo)我們的判斷，因?yàn)镾PSS在自動(dòng)生產(chǎn)均值圖時(shí)為每一個(gè)變量單獨(dú)制圖，而且分配不同的縱軸坐標(biāo)， 導(dǎo)致每個(gè)圖看起來(lái)都有非常大的差異，從視覺(jué)上迷惑我們做出錯(cuò)誤的判斷。AwfeUf*&aiif 邛這里需要改進(jìn)！四、均值描述為改進(jìn)以上SPSS默認(rèn)選項(xiàng)的不足之處，我們需要自己生成三個(gè)變量在不同類別上的均值, means過(guò)程可以幫助到我們。從數(shù)字上來(lái)看，抗拉力（6.8、6.7、7.1 ）、光滑度（9.3、9.4、9.2 ）兩個(gè)指標(biāo)在三個(gè)類別 上并沒(méi)有多大的差異，而對(duì)聚類有貢獻(xiàn)的透明度指標(biāo)在不同類

6、別上區(qū)分度非常明顯。ReportAverage 口恥護(hù) Between Groups)r a_ ri V啟底透明度16.7869 3002 88626.7209.3605.93037.1009 2006400Total6.7859.315I3.935五、多線均值圖也就是制作一個(gè)多線均克服縱軸刻度的方法是將這三個(gè)指標(biāo)放在同一個(gè)坐標(biāo)軸上進(jìn)行對(duì)比,值圖。10.0D-光滑慣-抗扭力J.uO-斗.'?0-2.00D.L-012類別此時(shí)，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(gè)指標(biāo)從模型中剔除，只留下透明度一個(gè)指標(biāo)再進(jìn)行聚 類。序號(hào)1tear_resglossopacityCLU3_1Cl IT 7-46.59.64 11166.59.2r ,.6116699 1&72277210.02 011e&.99.93.91196.19.51911106.3945722116.79 12 811126.69.34 11113728.33 811147.18化611156.S3.53.411157.19.28 433V70a a5 222107.29.76922197.610 12.71120769.21 911我們發(fā)現(xiàn)，前