SPSS19.0实战之聚类分析
这篇文章与上一篇的回归分析是一次实习作业整理出来的。所以参考文献一并放在该文最后。CNBlOG网页排版太困难了,又不喜欢live writer……
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。
1.1 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。
1.1.1 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“”-->“” -->“”。将弹出如图1-1所示的对话框,设置相应的参数即可。
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3-1显示了数据的缺失情况:
案例处理汇总a |
|||||
案例 |
|||||
有效 |
缺失 |
总计 |
|||
N |
百分比 |
N |
百分比 |
N |
百分比 |
30 |
100.0 |
0 |
.0 |
30 |
100.0 |
表1-1 数据汇总
我们的数据经过预处理,所以缺失值个数为0.
2. 由于相关矩阵过于庞大,无法在文档中贴出,得到的是一个非相似矩阵。表1-2是样品聚类过程。样品21和28在第一步合并为一类,它们之间的非相关系数最 小,为0.211。在下一次合并是第十步。在第五步的时候,样品2、27、14组成一类,出现群集,样品个数为3。如上类推,可以解释表格。
聚类表 |
||||||
阶 |
群集组合 |
系数 |
首次出现阶群集 |
下一阶 |
||
群集 1 |
群集 2 |
群集 1 |
群集 2 |
|||
1 |
21 |
28 |
.211 |
0 |
0 |
10 |
2 |
12 |
24 |
.465 |
0 |
0 |
6 |
3 |
2 |
27 |
.491 |
0 |
0 |
5 |
4 |
13 |
20 |
.585 |
0 |
0 |
9 |
5 |
2 |
14 |
.645 |
3 |
0 |
6 |
6 |
2 |
12 |
.678 |
5 |
2 |
7 |
7 |
2 |
7 |
.702 |
6 |
0 |
8 |
8 |
2 |
25 |
.773 |
7 |
0 |
9 |
9 |
2 |
13 |
.916 |
8 |
4 |
11 |
10 |
21 |
29 |
1.085 |
1 |
0 |
12 |
11 |
2 |
18 |
1.106 |
9 |
0 |
12 |
12 |
2 |
21 |
1.115 |
11 |
10 |
13 |
13 |
2 |
17 |
1.360 |
12 |
0 |
14 |
14 |
2 |
26 |
1.564 |
13 |
0 |
15 |
15 |
2 |
22 |
1.627 |
14 |
0 |
16 |
16 |
2 |
5 |
1.649 |
15 |
0 |
17 |
17 |
2 |
8 |
1.877 |
16 |
0 |
18 |
18 |
2 |
16 |
3.027 |
17 |
0 |
19 |
19 |
2 |
30 |
3.543 |
18 |
0 |
20 |
20 |
2 |
11 |
4.930 |
19 |
0 |
21 |
21 |
2 |
4 |
5.024 |
20 |
0 |
22 |
22 |
2 |
10 |
6.445 |
21 |
0 |
24 |
23 |
1 |
9 |
8.262 |
0 |
0 |
26 |
24 |
2 |
15 |
10.093 |
22 |
0 |
25 |
25 |
2 |
23 |
10.096 |
24 |
0 |
26 |
26 |
1 |
2 |
10.189 |
23 |
25 |
27 |
27 |
1 |
6 |
11.387 |
26 |
0 |
28 |
28 |
1 |
3 |
13.153 |
27 |
0 |
29 |
29 |
1 |
19 |
32.367 |
28 |
0 |
0 |
表1-2 聚类过程
我们可以通过更加形象直观的树状图来观察整个聚类过程和聚类效果。如图1-2所示,最短距离法组内距离小,但组间距离也较小。分类特征不够明显,无法凸显各个省份的能源消耗的特点。但是我们可以看到广东省能源消耗组成和其他省份特别不同,在其他方法中也显现出来。
图1-2 最短距离法聚类图
1.1.2 组间联接聚类
组间联接聚类法定义为两类之间的平均平方距离,即。类CK和CL 合并为下一步的CM 则CM 与CJ距离的递推公式为:。
我们依然贴出组间联接法的聚类表和树状图。
- 聚类表如表1-3所示,相关解释类似于表1-1所述。
聚类表 |
||||||
阶 |
群集组合 |
系数 |
首次出现阶群集 |
下一阶 |
||
群集 1 |
群集 2 |
群集 1 |
群集 2 |
|||
1 |
21 |
28 |
.211 |
0 |
0 |
10 |
2 |
12 |
24 |
.465 |
0 |
0 |
5 |
3 |
2 |
27 |
.491 |
0 |
0 |
6 |
4 |
13 |
20 |
.585 |
0 |
0 |
8 |
5 |
7 |
12 |
.840 |
0 |
2 |
7 |
6 |
2 |
14 |
.937 |
3 |
0 |
7 |
7 |
2 |
7 |
1.105 |
6 |
5 |
11 |
8 |
13 |
25 |
1.331 |
4 |
0 |
11 |
9 |
17 |
18 |
1.360 |
0 |
0 |
14 |
10 |
21 |
29 |
1.495 |
1 |
0 |
13 |
11 |
2 |
13 |
1.703 |
7 |
8 |
15 |
12 |
8 |
26 |
1.877 |
0 |
0 |
15 |
13 |
21 |
22 |
2.133 |
10 |
0 |
18 |
14 |
5 |
17 |
2.378 |
0 |
9 |
16 |
15 |
2 |
8 |
3.715 |
11 |
12 |
16 |
16 |
2 |
5 |
3.926 |
15 |
14 |
18 |
17 |
4 |
16 |
5.024 |
0 |
0 |
23 |
18 |
2 |
21 |
5.526 |
16 |
13 |
21 |
19 |
10 |
11 |
6.445 |
0 |
0 |
22 |
20 |
1 |
9 |
8.262 |
0 |
0 |
25 |
21 |
2 |
30 |
8.744 |
18 |
0 |
23 |
22 |
6 |
10 |
11.508 |
0 |
19 |
24 |
23 |
2 |
4 |
14.202 |
21 |
17 |
25 |
24 |
6 |
15 |
14.288 |
22 |
0 |
27 |
25 |
1 |
2 |
19.822 |
20 |
23 |
26 |
26 |
1 |
23 |
23.363 |
25 |
0 |
28 |
27 |
3 |
6 |
26.516 |
0 |
24 |
28 |
28 |
1 |
3 |
31.210 |
26 |
27 |
29 |
29 |
1 |
19 |
69.114 |
28 |
0 |
0 |
表1-2 组间联接聚类法
2. 树状图如图1-3所示,可以看到聚类的组间距离较大,组内距离较小。聚类结果较为理想。可以看到海南与青海,宁夏自治区,重庆市的能源消耗特点近似,北京、上海两地能源消耗特点也近似。江浙两地亦然。
最后广东和各地能源消耗特点都不同。
1.1.3 Ward法聚类
Ward即离差平方和法。它的思想是,同类离差平方和较小,类间偏差平方和较大。Ward方法并类时总是使得并类导致的类内离差平方和增量最小。公式:
递推公式:
我依然贴出ward法聚类表和树状图。
- 聚类表如表1-4所示,相关解释类似于表1-1所述.
聚类表 |
||||||
阶 |
群集组合 |
系数 |
首次出现阶群集 |
下一阶 |
||
群集 1 |
群集 2 |
群集 1 |
群集 2 |
|||
1 |
21 |
28 |
.106 |
0 |
0 |
11 |
2 |
12 |
24 |
.338 |
0 |
0 |
5 |
3 |
2 |
27 |
.584 |
0 |
0 |
6 |
4 |
13 |
20 |
.876 |
0 |
0 |
9 |
5 |
7 |
12 |
1.359 |
0 |
2 |
12 |
6 |
2 |
14 |
1.902 |
3 |
0 |
8 |
7 |
17 |
18 |
2.582 |
0 |
0 |
13 |
8 |
2 |
29 |
3.351 |
6 |
0 |
12 |
9 |
13 |
25 |
4.140 |
4 |
0 |
14 |
10 |
8 |
26 |
5.079 |
0 |
0 |
16 |
11 |
21 |
22 |
6.290 |
1 |
0 |
19 |
12 |
2 |
7 |
7.647 |
8 |
5 |
14 |
13 |
5 |
17 |
9.006 |
0 |
7 |
21 |
14 |
2 |
13 |
11.211 |
12 |
9 |
19 |
15 |
4 |
16 |
13.723 |
0 |
0 |
23 |
16 |
8 |
30 |
16.642 |
10 |
0 |
21 |
17 |
10 |
11 |
19.865 |
0 |
0 |
20 |
18 |
1 |
9 |
23.996 |
0 |
0 |
25 |
19 |
2 |
21 |
30.556 |
14 |
11 |
24 |
20 |
6 |
10 |
37.154 |
0 |
17 |
22 |
21 |
5 |
8 |
43.898 |
13 |
16 |
24 |
22 |
6 |
15 |
52.159 |
20 |
0 |
26 |
23 |
3 |
4 |
62.103 |
0 |
15 |
26 |
24 |
2 |
5 |
73.051 |
19 |
21 |
27 |
25 |
1 |
23 |
86.143 |
18 |
0 |
27 |
26 |
3 |
6 |
106.442 |
23 |
22 |
28 |
27 |
1 |
2 |
139.001 |
25 |
24 |
29 |
28 |
3 |
19 |
177.895 |
26 |
0 |
29 |
29 |
1 |
3 |
286.000 |
27 |
28 |
0 |
表1-4 Ward法聚类表
2. 树状图如图1-4所示,我们可以看到这个结果较以上两种方法都为理想,组内距离都很小,控制在五次迭代之内。然后组间距离非常大。各分类的样品也基本符合 它们的能源消耗特点。最后在接近10次迭代,广东被归入山东、山西这两个分别是能源消耗大省和能源产量大省的一类,说明它们之间的相似度也不大。
图1-4 Ward法聚类树状图
1.2 K-mean聚类
K-mean聚类是用户指定类别数的大样本资料的逐步聚类分析。所谓逐步聚类分析就是先把被聚对象进行初始分类,然后逐步调整,得到最终K个分类。 K-mean法对离群点敏感容易扭曲数据分布。
单击“”-->“” -->“”将弹出如图1-5所示的对话框,我们根据系统聚类法的经验将K选择为5。迭代次数和系统聚类一样选择25次。
图1-5 K-mean聚类设置
下面输出和解释K-mean聚类结果。
- 表1-5是K-mean的迭代历史记录,非常明了。
迭代历史记录a |
|||||
迭代 |
聚类中心内的更改 |
||||
1 |
2 |
3 |
4 |
5 |
|
1 |
2.796 |
1.414 |
1.813 |
.000 |
2.299 |
2 |
1.014 |
.000 |
.990 |
.000 |
.000 |
3 |
.000 |
.000 |
.000 |
.000 |
.000 |
a. 由于聚类中心内没有改动或改动较小而达到收敛。任何中心的最大绝对坐标更改为 .000。当前迭代为 3。初始中心间的最小距离为 5.209。 |
表1-5 迭代历史记录
2. 表1-6是每个聚类样品数表。就是该次K-mean聚类所形成的类它们的样品数量。
每个聚类中的案例数 |
||
聚类 |
1 |
3.000 |
2 |
19.000 |
|
3 |
3.000 |
|
4 |
1.000 |
|
5 |
4.000 |
|
有效 |
30.000 |
|
缺失 |
.000 |
表1-6 聚类样品数
3. 表1-7是K-mean聚类的各个类的具体成员。距离代表的是样品自身和种子点的距离。
聚类成员 |
|||
案例号 |
地区名称 |
聚类 |
距离 |
1 |
北京市 |
1 |
1.489 |
2 |
天津市 |
2 |
.596 |
3 |
河北省 |
3 |
2.575 |
4 |
山西省 |
3 |
1.381 |
5 |
内蒙古自治区 |
2 |
1.951 |
6 |
辽宁省 |
5 |
2.299 |
7 |
吉林省 |
2 |
.646 |
8 |
黑龙江省 |
2 |
1.785 |
9 |
上海市 |
1 |
2.506 |
10 |
江苏省 |
5 |
1.569 |
11 |
浙江省 |
5 |
2.034 |
12 |
安徽省 |
2 |
.850 |
13 |
福建省 |
2 |
1.096 |
14 |
江西省 |
2 |
.960 |
15 |
山东省 |
5 |
2.489 |
16 |
河南省 |
3 |
1.980 |
17 |
湖北省 |
2 |
2.096 |
18 |
湖南省 |
2 |
1.211 |
19 |
广东省 |
4 |
.000 |
20 |
广西壮族自治区 |
2 |
.926 |
21 |
海南省 |
2 |
1.905 |
22 |
重庆市 |
2 |
1.436 |
23 |
四川省 |
1 |
2.954 |
24 |
贵州省 |
2 |
.984 |
25 |
云南省 |
2 |
1.080 |
26 |
陕西省 |
2 |
1.007 |
27 |
甘肃省 |
2 |
.955 |
28 |
青海省 |
2 |
1.744 |
29 |
宁夏回族自治区 |
2 |
1.414 |
30 |
新疆维吾尔自治区 |
2 |
2.503 |
表1-7 聚类成员
最后看到分类结果与ward法有所相似,但是组内距离较大。实际效果不如Ward法。而且该方法需要事先设定分类的个数,并不适合没有先验知识的条件下的数据聚类。
2.总结
本次实习主要通过一批国内的能源消耗和产量数据,来实现回归分析和聚类分析。回归分析得到一个拟合度良好多元线性回归方程:Y=0.008+1.061x1+0.087x2+0.157 x3-0.365x4-0.105 x5-0.017x6 。该方程的残差分析也通过了。聚类分析通过比较三种不同的系统聚类方法,同时还比较了K-mean方法与系统聚类法的不同。在处理该批数据的四种聚类方法中,以ward法最为理想。Ward法所做的聚类得到组间距离最大,组内距离最小。
3.参考文献
[1] Ronald .E et al.著.周勇等.译.理工科概率统计.[M].北京:机械工业出版社,2010:311-326.
[2] 袁志发,周静芋.多元统计分析[M].北京:科学出版社,2003:110-145,241-250.
[3] J. Han and M. Kamber. Datamining: concepts and techniques[M]. Morgan Kaufmann, 2006:251-267.
[4]SPSS for Window:分类分析[EB/OL].
http://www.fjmu.edu.cn/news/spss/doc3/sp10.htm#j1,1999-10/2010-12-25,
1999-10/2010-12-25
[5] 聚类分析[EB/OL].
http://www.math.pku.edu.cn/teachers/lidf/docs/statsoft/html/sas-5/cluster.html ,
2010-12-26
[6] 张文彤.SPSS 10.0高级教程十二:多元线性回归与曲线拟合[EB/OL].
http://www.bioon.com/biology/spss/55215.shtml,2004-7-12/2010-12-25
[7] 了空. SPSS中多元回归分析实例(上)[EB/OL]
http://hi.baidu.com/liaokong/blog/item/abe0be38344e1bc9d562259c.html,
2010-1-11/2010-12-25.
SPSS19.0实战之聚类分析的更多相关文章
- SPSS19.0实战之多元线性回归
线性回归数据来自于国泰安数据服务中心的经济研究数据库.网址:http://www.gtarsc.com/p/sq/.数据名称为:全国各地区能源消耗量与产量,该数据的年度标识为2006年,地区包括我国3 ...
- 【转】WF4.0实战系列索引
转自:http://www.cnblogs.com/zhuqil/archive/2010/07/05/wf4-in-action-index.html 此系列的工作流文件案例比较多点,实用性好. W ...
- vue.js2.0实战(1):搭建开发环境及构建项目
Vue.js学习系列: vue.js2.0实战(1):搭建开发环境及构建项目 https://my.oschina.net/brillantzhao/blog/1541638 vue.js2.0实战( ...
- ETL工具--DataX3.0实战
DataX是一个在异构的数据库/文件系统之间高速交换数据的工具,实现了在任意的数据处理系统(RDBMS/Hdfs/Local filesystem)之间的数据交换,由淘宝数据平台部门完成. DataX ...
- 没错,用三方 Github 做授权登录就是这么简单!(OAuth2.0实战)
本文收录在个人博客:www.chengxy-nds.top,技术资源共享. 上一篇<OAuth2.0 的四种授权方式>文末说过,后续要来一波OAuth2.0实战,耽误了几天今儿终于补上了. ...
- OAuth2.0实战:认证、资源服务异常自定义!
大家好,我是不才陈某~ 这是<Spring Security 进阶>的第4篇文章,往期文章如下: 实战!Spring Boot Security+JWT前后端分离架构登录认证! 妹子始终没 ...
- OAuth2.0实战之微信授权篇
微信开发三大坑: 微信OAuth2.0授权 微信jssdk签名 微信支付签名 本篇先搞定微信OAuth2.0授权吧! 以简书的登陆页面为例,来了解一下oauth2.0验证授权的一些背景知识: 1) 传 ...
- ActiveMQ5.0实战三:使用Spring发送,消费topic和queue消息
实战一 , 实战二 介绍了ActiveMQ的基本概念和配置方式. 本篇将通过一个实例介绍使用spring发送,消费topic, queue类型消息的方法. 不懂topic和queue的google 之 ...
- jQuery2.0应用开发:SSH框架整合jQuery2.0实战OA办公自己主动化(VSS、operamasks-UI框架)
我的qq是2059055336,对这个课程有兴趣的能够加我qq联系. 一.本课程是怎么样的一门课程(全面介绍) 1.1.课程的背景 jQuery 2.0 正式版公布.不在支持 IE 6/7/8 ...
随机推荐
- 发现一个名为“Douyu”的国人项目
刚刚在javaeye看到一个名为Douyu的国人项目,认为搞下去未来可能非常有意思,放到blog上做个标记. ——————下面是转载的作者原文——————— 原文地址例如以下:http://zhh20 ...
- 对XXX(数字)安全卫士实在是忍无可忍了,为什么一定要像日本鬼子强奸妇女一样强奸我们这些弱小者
一直一来对XXX(数字)安全卫士非常痛恨,无耻,恶心,没有底线,还有对待我们这些弱小者,就像当年日本鬼子强奸妇女一样,血粼粼的虐杀我们这些弱小者,无法反抗,又必须接受. 你强制杀掉别人的ADB 就算了 ...
- debug jdk
1.解压jdk安装路径中的src.zip如:c:\src. 注意一般只选择编译java javax org 三个文件夹就足够了,剩余的文件夹删除掉 2.列出要编译的源文件:dir /B /S /X c ...
- class A<T> where T:class 这个泛型类中的Where T:class什么意思
这是类型参数约束,.NET支持的类型参数约束有以下五种: where T : struct T必须是一个结构类型 where T : cla ...
- Java学习之利用集合发牌小练习
/* * 思路: * A:创建一个HashMap集合 * B:创建一个ArrayList集合 * C:创建花色数组和点数数组 * D:从0开始往HashMap里面存储编号,并存储对应的牌同时往Arra ...
- jquery.validate 一些技巧
1.Validator.element() Validates a single element, returns true if it is valid, false otherwise. http ...
- python进阶3--文件系统
文件系统 python的标准库中包括大量工具,可以处理文件系统中的文件,构造和解析文件名,也可以检查文件内容. pyhton表文件名表示为简单的字符串,另外还提供了一些工具,用来由os.path中平台 ...
- Developing your first FNC custom control
Friday, May 13, 2016 Some weeks ago, we released the TMS FNC UI Pack, a set of Framework Neutral Com ...
- Uva 1612 Guess
Thinking about it: 题目要求最后一名(也就是第N位)的分数要尽量的大,那么就一定要求第N-1名的分数也要尽量大.假如N-1可以取400和500,那么N-1应该取500,如果取400, ...
- Swift中的UIKit重力学
前言: 重力学这个名词不论在哪个行业领域听起来似乎都非常高大上. 那么在Swift中的重力学是什么呢?那就是将我们移动端屏幕上毫无生命力的东西也置于万有引力中.使它们能够展现出好像真的因为引力而向下坠 ...