- 点击上方
“中国统计网” 订阅我吧!-
聚类分析是将物理或者抽象对象的集合分成相似的对象类的过程。本次实验我将对同一批数据做两种不同的类型的聚类;它们分别是系统聚类和K-mean 聚类。其中系统聚类的聚类方法也采用3种不同方法,来考察对比它们之间的优劣。由于没有样本数据,因此不能根据其数据做判别分析。评价标准主要是观察各聚 类方法的所得到的类组间距离和组内聚类的大小。
分析数据依然采用线性回归所使用的标准化后的能源消费数据。
系统聚类
本次实验的系统聚类都是凝聚系统聚类,为了控制变量,都采用平方Euclidean距离。
1.最短距离聚类法
最短距离法聚类步骤如下:
规定样本间的距离,计算样本两两之间的距离,得到对称矩阵。开始每个样品自成一类。
选择对称矩阵中的最小非零元素。将两个样品之间最小距离记为D1,将这两个样品归并成为一类,记为G1。
计算G1与其他样品距离。重复以上过程直到所有样品合并为一类。
我们在SPSS中实现最短距离分析非常简单。
单击再选择
最后
将弹出如图1-1所示的对话框,设置相应的参数即可。
![60736b8bd59fcc701662af6ad2d9c6c7.png](https://i-blog.csdnimg.cn/blog_migrate/775a4867292dbccf1e558d2e6f248e79.png)
图1-1 最短距离法
我们的数据已经做过标准化,在“转化值”-->“标准化”选项上选无。
在统计量的聚类成员中选择“无”,因为这是非监督分类,不需要指定最终分出的类个数。在绘制中选择绘制“树状图”。单击确定,得到以下结果。
表1-2显示了数据的缺失情况: