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数据分析里的mean是什么 SPSS里面的mean怎么算
我们在进行数据分析的时候，经常会接触到mean这一指标。mean在数据分析中代表的是均值的含义，可以理解为简单的算术平均值，在不同的场景中都可以见到mean算术均值的应用。例如我们在统计学生的学习成绩时，会有平均分的计算。我们在统计商场的销售额时，也会有一个平均的销售额度。所以mean这个信息在数据分析中起到了重要的作用，下面以SPSS为例，给大家介绍SPSS数据分析里的mean是什么，SPSS里面的mean怎么算的全部内容。
2026-03-03
SPSS双轴线图怎么画 SPSS折线图怎么做双线对比
我们在进行数据研究的过程中，双轴线图是一项不可缺少的内容。双轴线图在数据分析的过程中同样也有着广泛的应用，例如我们在处理不同类型的数据条目时（学生就业率与就业意向之间的关系），就需要用到双轴线图。但是在绘制双轴线图的过程中，如果遇到两条不同的曲线交织的情况，就需要对两者进行对比。这里以SPSS为例，给大家介绍SPSS双轴线图怎么画，SPSS折线图怎么做双线对比。
2026-03-03
SPSS中怎么处理反向题 SPSS怎么处理反向计分题数据
我们在进行数据分析的过程中，经常会遇到处理反向题的情况。反向计分主要应用在现场采访的场景中，由于采访的过程往往具有临场属性，所以受访者在回答问题的时候，可能会出现正向或者反向的情况。例如正向题的分数从1分到5分排列，最高值为5分，而反向值的分数从5分到1分排列，最高值为1分。我们在遇到反向题的场景中就需要进行反向计分，下面以SPSS为例，介绍一下SPSS中怎么处理反向题，SPSS怎么处理反向计分题数据的全部内容。
2026-03-03
SPSS中kmo和巴特利特检验怎么做 SPSS中kmo和巴特利特检验结果怎么看
我们在进行数据分析的过程中，经常会遇到进行kmo和巴特利特检验的操作。kmo和巴特利特检验方法作为后续数据分析的第一道检验关卡，起到了重要的筛选作用。kmo主要检验的是变量间的偏相关性内容，主要反映数据样本是否可以用来做因子分析，kmo数值分析的结果越接近1，代表变量间的相关性越强。而巴特利特检验的原理也是一致的，但是它主要的检验方向侧重在检验变量间的矩阵是否是单位矩阵（变量彼此之间是否独立）。下面以SPSS为例，给大家介绍SPSS中kmo和巴特利特检验怎么做，SPSS中kmo和巴特利特检验结果怎么看的具体内容。
2026-03-03
SPSS一致性检验数据录入方法 SPSS进行一致性检验怎么做
在统计分析中，一致性检验主要用于评估两个评价主体对无序分类变量评价结果的一致性。这种一致性检验适用于很多场景，比如两位医生对病人患病与否的诊断，或是两台机器、两种检验方法对某指标阴性阳性结果的判定等。下面我们一起来探讨关于SPSS一致性检验数据录入方法，SPSS进行一致性检验怎么做的问题。
2026-03-03
SPSS折线图横坐标方向怎么调整 SPSS折线图横坐标不是变量怎么办
在日常的数据分析工作中，我们可以根据折线图里的点位变化，清晰地看出数据的发展趋势，并将这些已有的趋势转化为未来的发展策略。今天我就以SPSS折线图横坐标方向怎么调整，SPSS折线图横坐标不是变量怎么办这两个问题为例，来向大家讲解一下SPSS中调节折线图横坐标的相关操作技巧。
2026-03-03

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: