发布时间:2021-09-15 14: 18: 49
在《详解SPSS两步聚类之参数设置》一文中,我们已经了解了两步聚类的优点、分析原理,以及参数设置的技巧。
在本节中,会对IBM SPSS Statistics聚类后的结果进行解读,其中会涉及到最终聚类的结果、聚类的质量、变量重要性、聚类特征的解读。
如图1所示,我们先来回顾下本例数据在参数设置面板中的详细设置。
一、数值结果
根据上述参数设置,得到如下的数值分析结果。
首先看到自动聚类结果,如图2所示为聚类的透视表结果,展示了不同聚类数目下的BIC、BIC变化量、BIC变化比例与距离测量比率。SPSS会自动综合以上指标的数值,得出最佳的聚类数目。
根据图2的自动聚类透视表结果,SPSS得出了如图3所示的一个3聚类的结果。其中聚类1包含69个个案,占总计34.8%;聚类2包含62个个案,占总计31.3%;聚类3包含67个个案,占总计33.3%。
二、图表结果
接下来,我们再来看看二阶聚类的图表结果。
如图4所示,在模型概要中,显示该模型执行了两步聚类,输入了6个变量,得到3个聚类。另外,其聚类质量为良好。
如图5所示,右击模型概要,选择“编辑”选项,打开模型查看器,可进一步查看其它的辅助视图。
如图6所示,在模型查看器的左侧包含了模型概要视图,右侧包含了预测变量重要性视图。而通过单击右侧视图下方的查看选项,可切换聚类大小、聚类特征等视图。
首先看到的是预测变量重要性视图,可以看到,星级是最为重要的变量、其次是销售额与销售量。
而从聚类大小看到,3个聚类的占比相似,最大聚类与最小聚类的比值为1.11。
如果想了解不同聚类的特征,可从如图8所示的聚类特征表中得到相关的信息。聚类特征表展示的是聚类与变量的交叉分析,其数值展示的是分类变量的分布或连续变量的中心点,由此可得出不同聚类的显著特征。
比如,聚类2是五星级占比100%,销售额、销售量、客流量中心点最大、所处区域为3(占比38.7%)的店铺类型。
三、小结
综上所述,SPSS的两步聚类分析解读,可先从BIC准则判断最佳的聚类数目,然后,再从模型概要得到聚类质量。
在确认聚类质量可接受的前提下,可通过模型查看器进一步解读聚类变量的重要性、聚类特征等。
作者:泽洋
展开阅读全文
︾
读者也喜欢这些内容:
怎样使用SPSS的概率回归方法分析数据
回归分析是数据分析中广泛应用的一种方法,如果要学习数理统计分析,回归分析将是重中之重。...
阅读全文 >
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 >
SPSS因子分析结果怎么看 SPSS因子分析kmo检验不出现
工作和学习中,经常会遇到数据分析的情况。面对繁多的数据,IBMSPSSStatistics这款软件能给我们提供很多帮助。本篇文章小编就给大家解答一下,SPSS因子分析结果怎么看,以及SPSS因子分析kmo检验不出现的问题。...
阅读全文 >
spss层次聚类分析步骤 spss层次聚类分析结果解读
spss层次聚类分析步骤,层次聚类分析可使用spss的系统聚类分析方法,本文会举例演示分析步骤。spss层次聚类分析结果解读,主要是通过冰柱图与树状图(谱系图)来确定聚类数目,并以此确认各样本的聚类归属。...
阅读全文 >