咨询在线销售
SPSS > 使用技巧 > 如何在IBM SPSS Statistics中进行K均值聚类分析

如何在IBM SPSS Statistics中进行K均值聚类分析

发布时间：2021-09-18 14: 08: 29

IBM SPSS Statistics的K均值聚类分析，是一种采用欧式距离作为分类指标的迭代聚类分析方法。其优点是操作简单，运算速度快，但由于其聚类原理是将欧式距离相似的数据归为一个类别，因此需采用连续型的数据变量。

接下来，我们通过实例来演示一下K均值聚类分析。

一、数据准备

本例使用的是一组店铺的销售数据，包含客流量、销售额与销售量三个连续型变量。我们会使用到以上三个连续变量对数据个案进行K均值聚类分析。

图1：店铺数据
图1：店铺数据

二、K均值聚类参数设置

K均值聚类分析是SPSS分类分析法中的一种，由于其运算的快速性，也被称为“快速聚类”。

图2：K均值聚类
图2：K均值聚类

如图3所示，K均值聚类分析设置面板包含变量、聚类中心等设置参数。

图3：参数设置面板
图3：参数设置面板

按照数据分析目的，如图4所示，我们需将客流量、销售额、销售量添加为变量，然后再单击右侧的“保存”按钮，保存“聚类成员”与“与聚类中心的距离”两个新变量。

图4：变量与保存设置
图4：变量与保存设置

接着，打开“迭代”设置，设置最大迭代次数，一般按照默认即可，如果默认次数过小，应尽量调大。

图5：迭代次数
图5：迭代次数

最后，设置分析的选项，如图6所示，勾选“初始聚类中心”与“每个个案的聚类信息”，以了解初始聚类与最终聚类的个案数目；勾选“ANOVA表”，检验分析的置信水平。

图6：选项设置
图6：选项设置

三、结果解读

运行分析后，回到数据表，如图7所示，原数据表末端出现了两个新变量，分别是“聚类成员”与“与聚类中心的距离”。我们可以从中观察到每个个案所属的聚类，以及该个案与聚类中心的距离。

图7：生成新变量
图7：生成新变量

而从分析结果看到，SPSS初始设定了两个聚类。

图8：初始聚类中心
图8：初始聚类中心

而经过2次迭代运算后，最终聚类中心仍设定为两个不变。

图9：最终聚类中心
图9：最终聚类中心

而从ANOVA分析表看到，客流量、销售额、销售量的显著性都小于0.001，说明这三个变量都能很好地区分各个分类。

图10：ANOVA检验
图10：ANOVA检验

最后，从“每个聚类中的个案数目”可得到每一类别包含的个案数量。

图11：聚类中的个案数目
图11：聚类中的个案数目

四、小结

综上所述，K均值聚类分析，可利用欧式距离的测量，快速地将距离相似的个案归总为一个类别，但也要注意到的是，K均值聚类分析受异常值影响较大。

除K均值聚类，SPSS还提供了系统聚类、二阶聚类的分类方法，可前往SPSS中文网站获取更加系统的演示分享。

作者：泽洋

展开阅读全文

︾

标签：SPSS，聚类分析

读者也访问过这里:
新手入门 常见问题 使用技巧 行业案例
SPSS Statistics
强大的数据分析平台
立即购买
微信群
官方微信群 立即加群
400-8765-888 kefu@makeding.com
下载试用
热门文章
SPSS数据分析显著性差异分析步骤 SPSS显著性差异分析结果怎么看
数据的显著性差异分析主要有三种方法，分别是卡方检验、T检验和方差分析。这三种方法都有具体的数据要求：卡方检验是对多个类别的数据进行分析，T检验是对两组数据进行分析，方差分析是对多组数据进行检验。下面，小编具体说明一下SPSS数据分析显著性差异分析步骤，SPSS显著性差异分析结果怎么看。
2022-01-07
实践SPSS单因素方差分析之检验结果解读
在《实践SPSS单因素方差分析之变量与检验方法设置》一文中，我们已经详细地演示了IBM SPSS Statistics单因素方差分析方法的变量选择以及相关的选项、对比设置。
2021-01-11
spss如何做显著性分析 spss显著性差异分析怎么标abc
在统计分析中，显著性分析是分析相关因素之间是否存在显著影响关系的关键性指标，通过它可以说明分析结论是否由抽样误差引起还是实际相关的，可论证分析结果的准确性。下面大家一起来看看用spss如何做显著性分析，spss显著性差异分析怎么标abc。
2022-03-14
SPSS回归分析中的f值是什么 SPSS回归分析F值在什么范围合适
回归分析中以R表示相关性程度的高低，以F评价回归分析是否有统计学的意义，使用IBM SPSS Statistics进行回归分析，可以非常快速的完成R，F的计算，并且给出回归曲线方程，那么，SPSS回归分析中f值是什么？SPSS回归分析F值在什么范围合适，本文结合实例向大家作简单的说明。
2022-07-22
SPSS多元logistic回归分析的使用技巧
回归分析是数据处理中较为常用的一类方法，它可以找出数据变量之间的未知关系，得到较为符合变量关系的数学表达式，以帮助用户完成数据分析。
2021-04-26
SPSS相关性分析结果怎么看
相关性分析是对变量或个案之间相关度的测量，在SPSS中可以选择三种方法来进行相关性分析：双变量、偏相关和距离。
2021-04-23
最新文章
SPSS逐步判别分析步骤 SPSS逐步判别分析结果解读
逐步判别分析是数据分析中的一项重要分析方式，主要用来逐步筛选出对数据样本的类别区分有着明显贡献的变量内容（降低多余的变量对数据样本精确性的影响）。而在数据分析软件SPSS中，判别分析除了可以区别变量内容之外，还可以用来构建判别函数，对数据样本进行更加深入的分析。下面给大家介绍SPSS逐步判别分析步骤，SPSS逐步判别分析结果解读的具体内容。
2026-08-03
SPSS怎么合并变量为一个因子 SPSS因变量和因子怎么判断
我们在使用SPSS进行问卷数据分析的过程中，多个题项往往共同测量同一个潜在维度，直接使用单个题项分析会导致结果零散，将这些相关变量合并为一个因子，能精准提炼数据的核心特征。接下来我将为大家介绍：SPSS怎么合并变量为一个因子，SPSS因变量和因子怎么判断的相关内容。
2026-07-02
SPSS怎么给数据分等级 SPSS怎么给数据加单位
在处理数据的时候，我们可能会想给部分范围数据设置等级，比如分数大于90分的，设置为优秀；分数处于75到90之间的，设置为良好等。在SPSS软件里，我们可以用重新编码的方式，给数据分不同的等级，让其含义更丰富。接下来，本文会给大家介绍SPSS怎么给数据分等级，SPSS怎么给数据加单位的相关内容。
2026-07-02
SPSS怎么进行简单随机抽样 SPSS怎么进行信效度分析
我们在进行问卷调研后，往往需要进行实证的数据分析。在这个过程里，简单随机抽样能够从全量数据中抽取代表性样本，是一种能降低数据分析工作量的核心方法，同时也可以保障样本的随机性与代表性。另外，信度检验验证数据的可靠性，效度分析检验问卷的结构合理性，二者是开展后续统计分析的重要前提。接下来我将为大家介绍：SPSS 怎么进行简单随机抽样，SPSS 怎么进行信效度分析的相关内容。
2026-07-02
SPSS做频数分布表如何分组 SPSS的频数分布表如何分析
数据分析时，连续型变量的原始取值通常较为分散，直接统计频数的话，很难清晰呈现数据的整体分布规律。如果能够分组制作频数分布表，就能将零散的数据整合为有序的组别，直观展现不同区间的样本分布情况。接下来我将为大家介绍：SPSS做频数分布表如何分组，SPSS的频数分布表如何分析的相关内容。
2026-07-02
SPSS中的f值怎么算 SPSS中的f值显著性数值范围是多少
在方差分析、回归分析等统计的方法中，f值多用于判断多组间均值差异是否显著、回归模型是否具有统计学意义。使用SPSS，无需手动计算复杂的f值公式，只需通过对应模块完成变量设置。接下来我将为大家介绍：SPSS中的f值怎么算，SPSS中的f值显著性数值范围是多少的相关内容。
2026-07-02

微信公众号

欢迎加入 SPSS 产品的大家庭，立即扫码关注，获取更多软件动态和资源福利。

读者也喜欢这些内容: