问卷结果分析-层次聚类法学习及实操（matlab和spss）

violetlxq123

已于 2024-08-28 16:10:18 修改

阅读量2.3k

点赞数 10

分类专栏：问卷结果分析文章标签：聚类学习 matlab

于 2024-03-02 14:32:29 首次发布

本文链接：https://blog.csdn.net/violetlxq123/article/details/136414945

版权

问卷结果分析专栏收录该内容

3 篇文章

订阅专栏

本文介绍如何利用层次聚类法分析问卷数据，包括使用MATLAB实施肘部法则确定最优聚类数量和利用SPSS进行聚类分析的具体步骤。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

层次聚类

层次聚类的合并算法通过计算两类数据点间的距离，对最为接近的两类数据点进行组合，并反复迭代这一过程，直到将所有的数据点合并成一类，并生成聚类谱系图。

用途：根据问卷数据对认知特征进行分析

！前提：问卷中一定一定一定要有对应矩阵量标题，对各个指标进行打分。在设置问卷的时候就要根据层次聚类指标进行设置一道量标题

写作步骤

首先，设置聚类变量，一般是矩阵量标题的题目

其次进行肘部法则运算（matlab）

最后，进行聚类分析（spss）

肘部法则（matlab实现）

用来计算出需要聚类的个数K是多少

用matlab计算

（选中一行摁f9即可只运行这一行数据）

（数据导入：可以右键新增变量，复制自己的数据）

clc;
clear;

clc,clear

cd('C:\Users\ASUS\Desktop\肘部法则')   % 引号里修改成自己的存储路径
unnamed=xlsread("层次聚类.xlsx");    % 引号里填数据所在的表格名称
%数据文件名
data = unnamed;
%对原始数据进行归一化处理
data=mapminmax(unnamed,0,1);
%n是样本数，p为特征维数，k为分类数
[n,p]=size(data);

K=8;D=zeros(K,2);
for k=2:K
    
[lable,c,sumd,d]=kmeans(data,k,'dist','sqeuclidean');
% data，n×p原始数据向量
% lable，n×1向量，聚类结果标签；
% c，k×p向量，k个聚类质心的位置
% sumd，k×1向量，类间所有点与该类质心点距离之和
% d，n×k向量，每个点与聚类质心的距离
sse1 = sum(sumd.^2);
D(k,1) = k;
D(k,2) = sse1;
end

plot(D(2:end,1),D(2:end,2))
hold on;
plot(D(2:end,1),D(2:end,2),'or');

title('不同K值聚类偏差图') 
xlabel('分类数(K值)') 
ylabel('簇内误差平方和')

生成肘部法则图