小木虫 --- 600万学术达人喜爱的学术科研平台
&&查看话题
【求助】请问怎样看树状聚类分析图
我用SPSS做了一个树状聚类分析图，应该怎么看分成了哪几类呢？谢谢！
C A S E& & 0& && && &5& && &&&10& && &&&15& && &&&20& && &&&25
&&Label&&Num&&+---------+---------+---------+---------+---------+
& && && &&&2& &-+
& && && & 50& &-+
& && && & 21& &-+
& && && & 46& &-+
& && && & 24& &-+
& && && & 20& &-+
& && && & 30& &-+
& && && &&&4& &-+
& && && & 41& &-+
& && && & 14& &-+
& && && & 36& &-+
& && && & 19& &-+
& && && & 42& &-+
& && && & 18& &-+
& && && & 37& &-+
& && && & 45& &-+
& && && & 33& &-+
& && && & 43& &-+
& && && & 34& &-+
& && && &&&9& &-+
& && && & 16& &-+-+
& && && & 28& &-+ |
& && && &&&1& &-+ |
& && && & 38& &-+ |
& && && & 49& &-+ +---+
& && && & 17& &-+ |& &|
& && && & 35& &-+ |& &|
& && && & 44& &-+ |& &|
& && && & 10& &-+ |& &+---+
& && && & 22& &-+-+& &|& &|
& && && & 15& &-+& &&&|& &|
& && && & 32& &-+& &&&|& &|
& && && & 11& &-+& &&&|& &+-------------------------------------+
& && && & 40& &-+-----+& &|& && && && && && && && && && && && & |
& && && & 47& &-+& && && &|& && && && && && && && && && && && & |
& && && &&&3& &-+---+& &&&|& && && && && && && && && && && && & |
& && && & 26& &-+& &|& &&&|& && && && && && && && && && && && & |
& && && &&&7& &-+& &+-----+& && && && && && && && && && && && & |
& && && & 31& &-+-+ |& && && && && && && && && && && && && && & |
& && && & 27& &-+ +-+& && && && && && && && && && && && && && & |
& && && & 12& &---+& && && && && && && && && && && && && && && &|
& && && &&&8& &-+-----------------+& && && && && && && && && &&&|
& && && & 39& &-+& && && && && &&&|& && && && && && && && && &&&|
& && && & 29& &---+-------+& && & +-----------------------------+
& && && & 48& &---+& && & |& && & |
& && && & 13& &-+& && && &+-------+
& && && & 23& &-+-----+& &|
& && && &&&6& &-+& &&&+---+
& && && & 25& &-------+
展开阅读全文
学术科研必备，90%的学术科研者都在使用
关于【求助】请问怎样看树状聚类分析图的相关话题在小木虫APP已经有59位虫友给出了详细回复。
赶快查看回复吧！
您好，您的意思是说输入一个用0和1表示的二元数据阵吗？
我不大明白您说的“将数据处理为均值为0，方差为1 ”，请赐教，谢谢！
关于【求助】请问怎样看树状聚类分析图的相关话题在小木虫APP已经有59位虫友给出了详细回复。
赶快查看回复吧！
学术必备与600万学术达人在线互动！
扫描下载送金币
浏览器进程
打开微信扫一扫
随时随地聊科研SPPS-分类-聚类分析学习总结
》“分析”-“分类”-“聚类分析”
聚类分析和判别分析是多元统计分析里两种基础的分类方法。SPSS聚类分析中包括：系统聚类（或称层次聚类）、K-平均值聚类和两步聚类；判别分析在本文中先不进行介绍。
聚类分析又有两种分类类型：Q型聚类和R型聚类。Q型聚类是对观测记录（行）进行分类；R型聚类是对变量（列）进行分类。
》》分析-分类-系统聚类
系统聚类又称层次聚类。聚类分析又分为凝聚法和分解法两种方向相反的聚类方法。分解法指聚类开始时先把所有个体（观测量或变量）视为一个大类，然后根据距离或相似性原则逐层分解，直到参与聚类的每个个体自成一类为止。凝聚法是指聚类开始时把参与聚类的每个个体（观测量或变量）视为单独的一类，然后根据两类之间的距离或相似性原则逐步合并，直到成为一个单独的大类为止。
基础数据：
经济对外开放程度
国民受教育水平（％）
调整后的人均GDP
》》》系统聚类窗口操作步骤
将表格中后面三个变量选入变量对话框，将国家名称选入标注个案，聚类中选择“个案”，绘图窗口中选中“谱系图“这个是为了输出树状图。再打开方法窗口，选择适合的聚类方法以及相似度测量方法，一般没有特殊需求，选择默认的方法。
》》》聚类分析结果解析
输出如下表与图：
冰柱图：看白色柱条越高，白色柱条两边的个案（或变量）相似度越低。Y轴表示与Y轴平行的线化过去，对应的聚类数目，如红线切割了最高的白色柱条，被切割的白色柱条左边是一类，右边是一类。这与下面的树状图的分类是一样的。红色横线再往下平移，会出现3个，4个等聚类情况。
树状图：用竖线切割，依据需要可以切割成不同数目的聚类。
》》分析-分类-K-平均值聚类
K-平均值聚类又称快速聚类。K-平均值聚类原理：
假设有n个数值型变量参与快速聚类，它们组成一个n维空间，把每个观测量看作是空间中的一个点，设最后需求的聚类个数为K。
首先，选择k个观测量（由系统自动指定或由用户指定）作为聚类的初始种子，它们就是k个初始聚类中心点；然后把每个观测量都分派到与这k个中心距离最小的那个类中，得到第一次迭代形成的k个类；接着根据组成每一类的观测量计算各变量的均值，每一类均值又形成k个聚类中心点，这就是第二次迭代的类中心；按照这种方法依次迭代下去，直至达到指定的迭代次数或中止迭代的判断要求时，聚类过程结束。
如下示例数据采用系统聚类一样的基础数据。
》》》K-平均值聚类窗口操作步骤
&&如图操作进行，其中保存里面的聚类成员复选框：表示用一个新变量保存各观测量最终被分配到哪一类，取值范围从1至聚类个数；与聚类中心的聚类复选框：表示用一个新变量保存各观测量到最终所属的类中心的欧式距离。这两个复选框最后形成的新变量都会保存到数据视图中。
选项窗口中的初始聚类中心复选框：输出初始的类中心；ANOVA表复选框：输出方差分析表，包括对每个聚类变量的F检验。如果所有观测最终被归为一个类别，则不输出任何方差分析表；每个个案的聚类信息复选框：输出对每个观测的详细分类信息，包括它所属类别、到所属类中心的距离等。
》》》K-平均值聚类结果解析
输出如下表格：
方差分析表：检验聚类间在各个变量之间的均值是否具有显著性差异。由上面分析结果知，此个案被分成了两类，那么方差分析表表示的是这两类在经济对外开放程度的均值是否具有显著差异，在国民受教育水平的均值是否具有显著差异，在调整后的人均GDP的均值是否具有显著差异。由如下可知，这两类别在经济对外开放程度、国民受教育水平上，在0.01的显著水平条件下，均值间无显著差异；而在调整后的人均GDP上，均值具有显著差异。由此可初步判定个案被划分成两类主要的区分指标是调整后的人均GDP
》》分析-分类-两步聚类
两步聚类又称两阶段聚类分析，是一个执行探索性分析功能的过程，用它来揭示原始数据的自然分组或分类，它反映的是数据集内部而不是外观上的分类。
两步聚类分析过程假设各分析变量是相互独立的，连续变量服从正态分布，分类变量服从多项式分布。故在进行两步聚类分析之前，建议使用SPSS的如下检验过程满足检验需要满足的一些假设条件。Bivariate
Correlations过程检验连个连续变量之间的独立性；Crosstabs过程检验两个分类变量之间的独立性；Means过程检验连续变量和分类变量之间的独立性；Explore过程检验连续变量的正态性；Chi-square（卡方）过程检验分类变量是否服从多项式分布。两步聚类分析的原理与计算过程如下：
第一步：构建聚类特征树（Cluster Features Tree,CFT）-开始时，把某个观测量放到树的根节点处，它记录有该观测量的变量信息；然后使用指定的距离测度，作为相似性依据，使每个后续观测量根据它与已有节点的相似性，放到最相似的节点中；如果没有找到与某个观测量足够相似的节点，就为它形成一个新节点。
第二步：使用凝聚聚类法对聚类特征树的节点进行分组。它通过比较Schwarz-Bayesian信息准则（Schwarz‘s Bayesian Information Criterion,BIC）或Akaike信息准则（Akaike Information
Criterion,AIC），确定最优聚类个数。
基础数据如下：
》》》两步聚类分析窗口操作步骤
操作如下，其中选项窗口中不做任何操作，选择默认即可。选择输出窗口中的透视表以及创建聚类成员变量的目的分别如下：透视表-可以输出自动聚类表、聚类分配表、重心表以及自我评级表，而创建聚类成员变量-可以在数据视图中输入聚类成员变量，就是标注个案属于哪一个类别的。
&聚类数量选项中可以看出，两类聚类既可以自动确定聚类数，也可以指定聚类数。
》》》两步聚类结果解析
输出如下结果：
1、自动聚类表：给出了两步聚类的整个聚类过程。第1列表示聚类的步骤数（此数与上文的聚类数量-自动确定最大值一样），其它4列为判断最佳聚类个数的统计量。第2列的BIC统计量取较小值时，代表了较好的模型；但有时BIC值会随着类数的增加而减少（当出现这种情况时，再用以下判别方法，否则就直接用BIC的值直接做判断就行），从而很艰难在BIC值和聚类个数（代表了模型复杂性）之间达到很好的平衡；这时建议最优模型应拥有最大的BIC变更比例和最大的距离测量值比例。由此可知本例分为两类。
2、聚类表：就是对每个类别中具有的个案频数统计
3、重心：连续变量在各聚类中的平均数和标准偏差
4、自我评级：分类变量在各聚类中的频数统计
5、集群品质：可以评估两步聚类效果如何，由下图知，此分类效果为：普通。
系统聚类、K-平均值聚类以及两步聚类这三种方法有什么区别？
区别1：两步聚类法有很多假设前提：假设各分析变量是相互独立的，连续变量服从正态分布，分类变量服从多项式分布，如果不满足这些假设条件，则不能进行两步聚类。
区别2：系统聚类可以做个案聚类或者变量聚类，而K-平均值聚类和两步聚类只能做个案聚类。
区别3：原理不同
已投稿到：
以上网友发言只代表其个人观点，不代表新浪网的观点或立场。后使用快捷导航没有帐号？
查看: 9392|回复: 3
怎么看聚类分析的树状图
高级会员, 积分 572, 距离下一级还需 428 积分
论坛徽章:3
有下面这样的一个树状图
现在我们开始切了
从右往左看，开始出现了2条横线，在此竖着切一刀，每一条线的左侧为1类
这样我们把样本划分为2类
第一类：中国
第二类：其他国家或者地区
继续往左走，在出现第三条横线的时候，竖着切一刀
这样我们就把样本划分为3类
第一类：中国
第二类：日本和菲律宾
第三类：其他
有点看不懂，“每一条线的左侧为1类”这句话是什么意思？
金牌会员, 积分 1613, 距离下一级还需 1387 积分
论坛徽章:9
高级会员, 积分 572, 距离下一级还需 428 积分
论坛徽章:3
我都是直接看的，不懂它这个切什么意思
金牌会员, 积分 1439, 距离下一级还需 1561 积分
论坛徽章:7
看线的 从右往左看}