SPSS > 使用技巧 > 如何用spss做模糊聚类分析 模糊聚类分析的优缺点

如何用spss做模糊聚类分析 模糊聚类分析的优缺点

发布时间:2022-06-27 11: 13: 52

品牌型号:联想GeekPro 2020

系统: Windows 10 64位专业版

软件版本: IBM SPSS Statistics

如何用spss做模糊聚类分析?我们可使用spss分类分析中的系统聚类分析法进行模糊聚类分析。模糊聚类分析的优缺点,其优点是在未知聚类种类的情况下,可结合相关知识探索分类,缺点是无确定的聚类结果,需结合相关知识分析。

一、如何用spss做模糊聚类分析

模糊聚类分析是一种引入模糊数学原理的聚类分析方法,包括系统聚类分析法与非系统聚类分析方法,spss可用于系统聚类分析,常用于分析一些模糊的数据分类问题,相比于k均值、两步聚类等,其结果拥有不确定性,可结合相关行业知识、以往的数据分析结果来确定聚类数量与结果。

接下来,我们以一组商品品类的各项指标数据为例,演示一下如何用spss做模糊聚类分析。

示例数据
示例数据

 

如图2所示,依次点击spss的分析-分类-系统聚类功能。

系统聚类
系统聚类

 

系统聚类分析是利用变量进行迭代距离分析的方法,因此,只需放入聚类分析变量即可分析,其主要的输出结果为冰柱图与树状图(谱系图)。如果要在图表中标注个案的名称,可将个案变量选入“个案标注依据”。

系统聚类设置
系统聚类设置

 

根据本例数据所分析的问题,如图4所示,将指标变量都选入“变量”列表框,将“地区”选入“个案标注依据”,以在图表中显示个案的名称。

变量设置
变量设置

 

系统聚类可在未知聚类数量情况下进行模糊聚类分析,但如果想要限制聚类的数量或事先已知大致的聚类数量,也可通过设置“统计”中“解的范围”来控制聚类数量。

t值
t值

 

系统聚类分析主要是依靠图表来总结聚类结果,默认会运算得出冰柱图,也可加入“谱系图”选项,谱系图又叫树状图,输出结果会更直观。

图设置
图设置

 

在聚类方法上,可选择“瓦尔德法”,并使用“平方欧式距离”测量区间,其他保持默认设置即可。

方法设置
方法设置

 

二、模糊聚类分析的优缺点

模糊聚类分析的优点是对于模糊的数据分析问题,比如产品的质量是很好、比较好、特别好,还是一般等模糊表述,可进行模糊化的聚类,也就是说,可在未知聚类情况、聚类数量等情况下,根据相关分析经验、行业知识等进行结果的解读。

比如图8的分析结果,可根据需要绘制Y轴参考线来确定聚类的数量,将不同账号分成三类、四类、五类,都可以根据分析者的经验调整。

谱系图
谱系图

 

但缺点也比较明显,如果无相关知识,或者研究的问题很新,无其他研究经验可帮助解读数据时,将很难进行聚类结果的确定,其分析结果不及k均值聚类、两步聚类分析清晰,需要进行其他的辅助分析以帮助解释分类结果。

三、怎么解读spss模糊聚类分析结果

接下来,我们继续进行spss模糊聚类分析结果的解读。在上文操作中,我们将聚类数量限制在2-6,因此,在分析结果中可查看到2-6个聚类的分析结果。

从图9的聚类成员结果看到,商品1在2-6个聚类都属于第一个聚类;商品2在2-3个聚类属于第一个聚类,在5-6个聚类属于第二个聚类,如此类推。

聚类结果
聚类结果

 

那么,到底要采用哪个聚类结果?我们需要进一步查看谱系图的结果。

如图10所示,可在谱系图上绘制Y轴参考线辅助分析。参考线与谱系图的横向线条交叉点即为一个聚类,查看该聚类延伸的商品,可判断该聚类是否合理,比如如果都是低价商品,说明该聚类合理。

谱系图
谱系图

 

四、小结

以上就是关于如何用spss做模糊聚类分析,模糊聚类分析的优缺点的相关内容。spss的模糊聚类分析可通过系统聚类分析方法运算,其分析结果具有模糊性,一般需要结合相关知识判断聚类结果的合理性,来进一步确定聚类的数目。

 

作者:泽洋

展开阅读全文

标签:IBM SPSS StatisticsSPSS教程IBM SPSS

读者也访问过这里:
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
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随机值检验步骤 SPSS随机检验结果怎么看
很多人都听过IBM SPSS Statistics这款软件,它是数据分析的可靠搭档,不仅能轻松搞定数据的整理、转换,最后还能自动生成图表,对新手非常友好。对于经常需要进行学术研究、市场调研的用户来说是个常用的选择。今天我们就来说一下SPSS随机值检验步骤,SPSS随机检验结果怎么看的相关内容。
2026-01-30
SPSS为什么没有事后检验 SPSS事后检验结果怎么看
SPSS作为一款优秀的数据统计分析软件,深受数据统计分析人员的喜爱。SPSS之所以这么受欢迎,除了SPSS有很多的数据统计分析方法,可以帮助统计分析人员更高效的进行数据分析,还因为SPSS的人性化操作,一些刚入行的统计小白,也可以快速的掌握SPSS,接下来给大家详细介绍有关SPSS为什么没有事后检验,SPSS事后检验结果怎么看的相关内容。
2026-01-30
SPSS重复测量怎样分析 SPSS重复测量球形性应如何检验
重复测量是数据分析中的一个重要环节。主要用来分析和检验数据样本中同一对象的相同指标在不同条件或者环境之下的变化情况,所以需要对这部分数据进行重复的测量和分析。例如我们统计一组大学生毕业后的就业情况,那么大学生的专业分类和性别都一致的情况下,就需要分析不同的就业影响因素对于最后就业率的影响。下面给大家介绍SPSS重复测量应当怎样分析,SPSS重复测量球形性应如何检验。
2026-01-14
SPSS亚组分析的注意事项 SPSS亚组分析结果解读
对于经常与数据分析打交道的小伙伴来说,想必对亚组分析这个概念应该不会感到陌生。亚组分析是用来检测异质性结果的方法之一,亚组分析的数据结果分为确证性、支持性和探索性三类。而我们在进行亚组分析时,可以借助数据分析软件SPSS的帮助,它一方面可以帮助我们得到亚组分析的数据结果,还能够把这些数据分析结果以报告形成呈现出来。接下来给大家介绍SPSS亚组分析的注意事项, SPSS亚组分析结果解读的具体内容。
2026-01-14
SPSS卡方检验样本不满足要求怎么办 卡方检验SPSS结果都小于0.5说明了什么
在数据分析的过程中,卡方样本检验是常见的一种统计方式。卡方检验主要用来检验数据样本之间的离散程度,进而判断不同数据之间的偏差值,如果数据样本在统计的时候不符合实际的统计需求,就可能导致卡方检验不满足要求。所以我们需要在统计的过程中对数据样本和统计方法进行调整,这样能够规避数据样本检验带来的结果偏差风险。下面以SPSS为例,给大家介绍SPSS卡方检验样本不满足要求怎么办,卡方检验SPSS结果都小于0.5说明了什么的具体内容。
2026-01-14
SPSS事后比较怎样进行 SPSS事后比较多重校正应如何设置
在数据分析的过程中,经常会在数据分析之后对它进行事后比较的操作。事后比较可以在方差分析的基础之上帮助我们快速找到具体存在差异的数据组。简单来说,大家可以把方差分析理解为起到了一个提示作用,告诉了我们数据样本中的均值并不相等且存在差异,但是如果想要找到具体的差异点在哪里,就需要用到事后比较了。而在进行事后比较的过程中,还会遇到设置多重校正的情况。下面以SPSS为例,给大家介绍SPSS事后比较怎样进行,SPSS事后比较多重校正应如何设置。
2026-01-14

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: