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自定义多元函数拟合怎么做 SPSS多个自变量拟合怎么做
我们在进行数据分析的过程中，经常会遇到这两种需求：一是已知变量之间的特定非线性关系，需要自定义公式拟合；二是探究多个自变量对因变量的综合影响。在SPSS中，我们可以通过“非线性回归”和“多元线性回归”两种功能，来精准满足这两类需求。接下来我将为大家介绍：SPSS自定义多元函数拟合怎么做，SPSS多个自变量拟合怎么做的相关内容。
2026-04-15
SPSS如何一次性选择多个变量 SPSS如何降低样本偏倚
年关将至，在年终总结的时候，我们总是要对一年的工作成果或科研成果进行汇总分析，这时候就需要一款专业的数据软件来帮助我们进行分析与总结，SPSS就是一款可以帮我们方便快捷地进行数据分析的软件。通过它我们不仅可以总结分析出数据的本质和各种变化规律，还可以用图表直观地将它们展示出来，同时使用SPSS做出的图表符合各种科研期刊和商业报告的要求。下面就给大家介绍一下关于SPSS如何一次性选择多个变量，SPSS如何降低样本偏倚的相关内容。
2026-04-15
SPSS交叉表卡方与非参数卡方检验有何区别 SPSS交叉表卡方检验结果解读
在SPSS统计分析中，卡方检验是一种我们经常使用到的非参数方法。但是，其实很多人会混淆“交叉表卡方检验”和“非参数卡方检验”。两者虽然名字十分相似，但是针对的是完全不同的分析场景。接下来我将为大家介绍：SPSS交叉表卡方与非参数卡方检验有何区别，SPSS交叉表卡方检验结果解读的相关内容，帮助大家精准区分方法、读懂检验结果。
2026-04-08
SPSS怎么做插值 SPSS线性插值法补全数据
一条条完整的数据源，能够更好地保障数据分析结果的准确性。但面对成千上万条数据参数，难免会出现数据缺漏或遗失的情况。针对这种情况，我们就可以使用SPSS中的插值和补全数据法。今天我就以SPSS怎么做插值，SPSS线性插值法补全数据这两个问题为例，来向大家讲解一下SPSS中插值的相关知识。
2026-04-08
SPSS多元逻辑回归步骤 SPSS多元逻辑回归结果解读
我们在数据分析的过程中，往往会遇到因变量是多分类定类变量的情况，比如购买决策可以分为“不买、犹豫、购买”，满意度可以分为“不满意、一般、满意”等，这时候，就可以使用多元逻辑回归的方法。它能帮我们明确哪些自变量会影响因变量的分类，还能量化影响程度，实用性很强。下面我将为大家介绍：SPSS多元逻辑回归步骤，SPSS多元逻辑回归结果解读的相关内容。
2026-04-08
SPSS多重共线性怎么看 SPSS如何降低多重共线性
无论是在生活中还是在工作中，分析各种问题时我们都会找到许多原因，例如明天是否会下雨可能会与温度、云量和风速等有关；商品的销售情况与价格、包装、质量和节日有关。生活中我们不必计较原因之间是否有关联，但是在要求精准的商业领域与科研领域，遇到这样的分析情况时，我们都要分析数据的共线性，它描述的是自变量之间的相关关系，如果一个模型中的自变量之间有高度的共线性，就会导致模型失真。本文我们就介绍一下SPSS多重共线性怎么看，SPSS如何降低多重共线性的相关内容。
2026-04-08

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: