发布时间:2021-09-23 15: 14: 10
K均值聚类、分层聚类、二阶聚类是SPSS聚类分析中常用的三种聚类方法。K均值聚类使用的是欧式距离的测量方法;分层聚类是根据度量的距离远近,构建谱系分析;二阶聚类是利用距离测量得到分类树,然后再利用BIC或AIC准则判别最佳聚类。
除了以上聚类原理的不同外,三种聚类方法还有哪些不同点呢?接下来,我们从参数设置与结果解读两方面进行详细解读。
一、参数设置
K均值聚类仅可用于连续变量的聚类分析,因此,如图1所示,其参数设置面板仅提供了一个变量选项。另外,K均值聚类主要是采用了迭代计算的方法。
虽然系统聚类分析也仅提供了一个变量选项,但其变量选项可添加分类变量或连续变量。但要注意的是,单次只能分析同一种类型的变量,也就是说,不能将分类变量与连续变量同时添加到变量选项框,只能添加其中一种类型。
另外,与K均值聚类仅可分析个案聚类不同,系统聚类可分析个案或变量的聚类。
而且,系统聚类分析可指定解的范围。
相对于其他两种聚类方法,二阶聚类的变量选项更为自由,可同时添加分类与连续变量。
二、结果解读
从结果解读来看,K均值聚类可简单快速地得到最终聚类的中心,但由于其测量计算主要是依靠“直线式”的欧式距离,因此,对异常值较为敏感。
而不同于K均值聚类清晰而简单的聚类结果,系统聚类主要是依靠如图7所示的谱系图解读聚类结果。
通过在谱系图中绘制竖线并向左观察,可得到聚类数据以及其包含的个案信息。
二阶聚类分析除了能通过BIC或AIC准则获得最佳的聚类数目外,还可进一步得到聚类的质量评分。
以及通过聚类预测重要性、聚类特征图等得到影响聚类的重要变量,以及各个聚类的变量特征。
三、小结
综上所述,K均值聚类、分层聚类、二阶聚类这三种SPSS的聚类方法各具优点与缺点。
K均值聚类简单快速,但无法分析分类变量、容易受异常值影响;系统聚类,可对个案与变量聚类,可对连续与分类变量聚类,但依靠谱系图分析,当数据量大时,分析速度慢;二阶聚类,自动程度高,可同时分析分类与连续变量,但容易受到分类变量的影响。
作者:泽洋
展开阅读全文
︾
读者也喜欢这些内容:
spss怎么做逐步回归分析 逐步回归分析spss结果解读
spss怎么做逐步回归分析?逐步回归分析是多元线性回归分析的一种,可通过spss回归分析中的“步进”法来做逐步回归分析。本文会运用例子演示逐步回归分析步骤,并进行逐步回归分析spss结果解读。...
阅读全文 >
IBM SPSS Statistics如何对数据进行双变量相关分析
相关分析就是两个或两个以上的变量之间是否存在某种关系,比如空气中的湿度和降雨量、人的身高和体重等是否有相关关系。那么我们如何使用SPSS对数据进行双变量相关分析?...
阅读全文 >
方差分析在spss里怎么操作 spss方差分析方差不齐怎么办
在使用IBM SPSS Statistics进行数据分析时,一定会使用到方差分析这一功能,那方差分析到底在SPSS上怎么操作使用呢?本文就给大家介绍一下方差分析在spss里怎么操作,spss方差分析方差不齐怎么办。...
阅读全文 >
SPSS假设检验步骤 SPSS假设检验结果分析
假设检验是统计学中由样本推测总体的一种方法,做出假设后,根据样本的某些统计量计算显著性水平,然后判断是否接受假设,实际工作中,我们一般通过专业的统计软件进行假设检验,如IBM SPSS Statistics,SPSS可以进行如t检验,卡方检验,F检验等多种假设检验,本文中,以最常用的t检验为例,向大家介绍SPSS假设检验步骤,SPSS假设检验结果分析。...
阅读全文 >