一、前言
在项目8中,我们学习了利用联合分析法萃取客户喜爱值,本次项目我们将学习利用SPSS实现聚类分析。
二、方法
1.聚类分析的描述
按照个体(记录)的特征将它们分类,使同一类别内的个体具有尽可能高的同质性,而类别之间则具有尽可能高的异质性。为了得到比较合理的分类,首先要采用适当的指标来定量地描述研究对象之间的联系的紧密程度。直观的理解为按空间距离的远近来划分类别。
2.K-means Cluster过程
■属于非系统聚类法的一-种
■方法原理
■选择(或人为指定)某些记录作为凝聚点。按就近原则将其余记录向凝聚点凝集,计算出各个初始分类的中心位置(均值)
■用计算出的中心位置重新进行聚类
■如此反复循环,直到凝聚点位置收敛为止细
三、操作过程
1.【分析】-【分类】-【K-平均值聚类】
![c83a4f4c2100a0e425b53fba2b75f772.png](https://i-blog.csdnimg.cn/blog_migrate/6aea094127c8ed59acf5ec116f0f1a41.jpeg)
2.
![8667948e78653c60693273dfc77b2f21.png](https://i-blog.csdnimg.cn/blog_migrate/4ccf36356a91cdbbd353ca6c62d15c8b.jpeg)
3.
![3314808e43d6e5215036b5172cc5e7cd.png](https://i-blog.csdnimg.cn/blog_migrate/408588a0b33fef4b114062faf7781b5e.png)
4.
5.
![a734324aab3ca951463d93f905d68086.png](https://i-blog.csdnimg.cn/blog_migrate/98288fc8e5f207f04ddb1c4194a04923.png)
6.
![796ca22270f442d3b5626a560a142d18.png](https://i-blog.csdnimg.cn/blog_migrate/676071781f03ccc1ed11e429c27cd2d6.png)
在数据集最右两列保存了该个案的分类结果与到聚类中心的距离。
7.
![f7d539884d82ca9d6af59f4bcbb83725.png](https://i-blog.csdnimg.cn/blog_migrate/7a4a2b557f9fd43daa0cdd1cc00c5383.jpeg)
迭代历史记录,迭代7次后中心值不变。
8.
![0a17abdcd5d126fdc884635af46bdb85.png](https://i-blog.csdnimg.cn/blog_migrate/6cb7f985ebd28a50de24a96b102490a0.png)
最终三个聚类中心以及他们之间的距离.
9.
![da87f32439ab8990538f1eca2b0eb2d7.png](https://i-blog.csdnimg.cn/blog_migrate/ca81f7f752859bc98e4833fcc2c6346c.jpeg)
几个变量的显著性都小于0.05,说明这几个变量能够很好的区分各类。
10.
![722070363c2366ff02393708b0b4387b.png](https://i-blog.csdnimg.cn/blog_migrate/33c3b01ea6c1b703478c5a3bcac0a13e.png)
显示每个类有多少个案。