【正文】 w Var”對話框進(jìn)行了設(shè)置，將聚類成三類時，各個樣本的類歸屬情況保存為一個變量，因此在 SPSS數(shù)據(jù)編輯窗口中就新增了一個變量的值，如圖 88所示。 圖 88 層次聚類分析結(jié)果保存 層次聚類分析中的 R型聚類 統(tǒng)計學(xué)上的定義和計算公式 定義：層次聚類分析中的 R型聚類是對研究對象的觀察變量進(jìn)行分類，它使具有共同特征的變量聚在一起。以便可以從不同類中分別選出具有代表性的變量作分析，從而減少分析變量的個數(shù)。 計算公式： R型聚類的計算公式和 Q型聚類的計算公式是類似的，不同的是 R型聚類是對變量間進(jìn)行距離的計算， Q型聚類則是對樣本間進(jìn)行距離的計算。 ? 研究問題 對一個班同學(xué)的各科成績進(jìn)行聚類，分析哪些課程是屬于一個類的。聚類的依據(jù)是 4門功課的考試成績，數(shù)據(jù)如表 82所示。 SPSS中實(shí)現(xiàn)過程 表 82 學(xué)生的四門課程的成績 姓 名 數(shù) 學(xué) 物 理 語 文 政 治 hxh yaju yu shizg hah john watet jess wish Iiakii ? 實(shí)現(xiàn)步驟 圖 89 在菜單中選擇“ Hierarchical Cluster”命令 圖 810 “Hierarchical Cluster Analysis”對話框（二） 圖 811 “Hierarchical Cluster Analysis： Method”對話框（二） 圖 812 “Hierarchical Cluster Analysis： Plots”對話框（二） 圖 813 “Hierarchical Cluster Analysis： Statistics”對話框（二） （ 1）首先是層次 R型聚類分析的結(jié)果，該結(jié)果是 SPSS輸出結(jié)果文件中的第一個表格。 結(jié)果和討論 （ 2）輸出的結(jié)果文件中第二個表格如下表所示。 （ 3）輸出的結(jié)果文件中第三個表格如下表所示。 （ 4）輸出的結(jié)果文件中第四個表格如下表所示。 （ 5）輸出的結(jié)果文件中第五個表格如下表所示。 （ 6）輸出的結(jié)果文件中第六部分如下： 快速聚類分析 SPSS層次聚類分析對計算機(jī)的要求比較高，在大樣本的情況下，可以采用快速聚類分析的方法。采用快速聚類分析，得到的結(jié)果比較簡單易懂，對計算機(jī)的性能要求也不高，因此應(yīng)用也比較廣。 定義：快速聚類分析是由用戶指定類別數(shù)的大樣本資料的逐步聚類分析。它先對數(shù)據(jù)進(jìn)行初始分類，然后逐步調(diào)整，得到最終分類。快速聚類分析的實(shí)質(zhì)是 KMean聚類。 統(tǒng)計學(xué)上的定義和計算公式 和層次聚類分析一致，快速聚類分析也以距離為樣本間親疏程度的標(biāo)志。但兩者的不同在于：層次聚類可以對不同的聚類類數(shù)產(chǎn)生一系列的聚類解，而快速聚類只能產(chǎn)生固定類數(shù)的聚類解，類數(shù)需要用戶事先指定。 另外，在快速聚類分析中，用戶可以自己指定初始的類中心點(diǎn)。如果用戶的經(jīng)驗(yàn)比較豐富，則可以指定比較合理的初始類中心點(diǎn)，否則，需要增加迭代的次數(shù)，以保證最終聚類結(jié)果的準(zhǔn)確性。 計算公式如下。 快速聚類分析計算過程如下。 ? 首先需要用戶指定聚類成多少類（比如 k類）。 ? 然后 SPSS確定 k個類的初始類中心點(diǎn)。SPSS會根據(jù)樣本數(shù)據(jù)的實(shí)際情況，選擇 k個由代表性的樣本數(shù)據(jù)作為初始類中心。初始類中心也可以由用戶自行指定，需要指定 K組樣本數(shù)據(jù)作為初始類中心點(diǎn)。 ? 計算所有樣本數(shù)據(jù)點(diǎn)到 k個類中心點(diǎn)的歐氏距離， SPSS按照距 k個類中心點(diǎn)距離最短原則，把所有樣本分派到各中心點(diǎn)所在的類中，形成一個新的 k類，完成一次迭代過程。其中歐氏距離（ Euclidean Distance）的計算公式為 ? SPSS重新確定 k個類的中心點(diǎn)。 SPSS計算每個類中各個變量的變量值均值，并以均值點(diǎn)作為新的類中心點(diǎn)。 ? 重復(fù)上面的兩步計算過程，直到達(dá)到指定的迭代次數(shù)或終止迭代的判斷要求為止。 ? 研究問題 為研究不同公司的運(yùn)營特點(diǎn)，調(diào)查了 15個公司的組織文化、組織氛圍、領(lǐng)導(dǎo)角色和員工發(fā)展 4方面的內(nèi)容。現(xiàn)要將這 15個公司按照其各自的特點(diǎn)分成 4種類型，數(shù)據(jù)如表 83所示。 SPSS中實(shí)現(xiàn)過程 表 83 不同公司的特點(diǎn) 公 司 組 織 文 化 組 織 氛 圍 領(lǐng) 導(dǎo) 角 色 員 工 發(fā) 展 Microsof IBM Dell Apple 聯(lián)想 NPP 北京電子 清華紫光 北大方正 TCL 娃哈哈 Angel Hussar 世紀(jì)飛揚(yáng) Vinda ? 實(shí)現(xiàn)步驟 圖 815 在菜單中選擇“ KMeans Cluster”命令 圖 816 “KMeans Cluster Analysis”對話框 圖 817 “KMeans Cluster Analysis： Options”對話框 圖 818 “KMeans Cluster Analysis： Iterate”對話框 圖 819 “KMeans Cluster :Save New Variable”對話框 圖 820 指定初始類中心點(diǎn) 本例中選中的選項(xiàng)較多，這里按照各個結(jié)果分別解釋。 （ 1） SPSS輸出結(jié)果文件中的第一部分如下表所示。 結(jié)果和討論 （ 2）輸出的結(jié)果文件中第二部分如下表所示。 （ 3）輸出的結(jié)果文件中第三部分是快速聚類分析后的各個類包含樣本的情況。 （ 4）輸出的結(jié)果文件中第四部分如下表所示。 （ 5）輸出的結(jié)果文件中第五個部分如下表所示。 （ 6）輸出的結(jié)果文件中第六個部分如下表所示。 （ 7）輸出結(jié)果的最后一個表格列出了 4個類中分別包括的樣本數(shù)，如下表所示。 （ 8）在步驟 5中曾指定了將樣本所屬類以及樣本和類中心點(diǎn)的距離，作為樣本的 2個新變量保存到 SPSS的數(shù)據(jù)編輯窗口中。 SPSS運(yùn)行后，數(shù)據(jù)編輯窗口如圖 821所示，其中我們可以看到新增加了兩個變量（圖中加深的兩列），分別表示樣本所屬類以及樣本和類中心點(diǎn)的距離。 判 別 分 析 前面 3節(jié)講述了不同種聚類分析的方法，不論是哪種方法，聚類分析都是直接比較各事物之間的性質(zhì)，將性質(zhì)相近的歸為一類，將性質(zhì)差別較大的歸入不同的類。 本節(jié)講述的判別分析，也是一種比較常用的分類分析方法。判別分析先根據(jù)已知類別的事物的性質(zhì)，利用某種技術(shù)建立函數(shù)式，然后對未知類別的新事物進(jìn)行判斷以將之歸入已知的類別中。 有學(xué)者在研究中提出，可以利用判別分析來對聚類分析結(jié)果的準(zhǔn)確性進(jìn)行檢驗(yàn)。聚類分析分成幾類后，即可以作為判別分析的類別輸入，進(jìn)行判斷。 定義：判別分析先根據(jù)已知類別的事物的性質(zhì)（自變量），建立函數(shù)式（自變量的線性組合，即判別函數(shù)），然后對未知類別的新事物進(jìn)行判斷以將之歸入已知的類別中。 統(tǒng)計學(xué)上的定義和計算公式 判別分析有如下的假定： ? 預(yù)測變量服從正態(tài)分布。 ? 預(yù)測變量之間沒有顯著的相關(guān)。 ? 預(yù)測變量的平均值和方差不相關(guān)。 ? 預(yù)測變量應(yīng)是連續(xù)變量，因變量（類別或組別）是間斷變量。 ? 兩個預(yù)測變量之間的相關(guān)性在不同類中是一樣的。 在分析的各個階段應(yīng)把握如下的原則： ? 事前組別（類）的分類標(biāo)準(zhǔn)（作為判別分析的因變量）要盡可能準(zhǔn)確和可靠，否則會影響判別函數(shù)的準(zhǔn)確性，從而影響判別分析的效果。 ? 所分析的自變量應(yīng)是因變量的重要影響因素，應(yīng)該挑選既有重要特性又有區(qū)別能力的變量，達(dá)到以最少變量而有高辨別能力的目標(biāo)。 ? 初始分析的數(shù)目不能太少。 這些判別函數(shù)是各個獨(dú)立預(yù)測變量的線性組合。程序自動選擇第一個判別函數(shù)，以盡可能多地區(qū)別各個類，然后再選擇和第一個判別函數(shù)獨(dú)立的第二個判別函數(shù)，盡可能多地提供判別能力。程序?qū)凑者@種方式，提供剩下的判別函數(shù)。判別函數(shù)的個數(shù)為 k。 圖 822 判別分析的示意圖 ? 研究問題 調(diào)查了 15個公司的組織文化、領(lǐng)導(dǎo)角色和員工發(fā)展 3個方面內(nèi)容作為預(yù)測變量，因變量為公司對員工的吸引力。為符合研究問題，將公司對員工的吸引力根據(jù)被測的實(shí)際填答情形，劃分為高吸引力組（ group=1）、中吸引力組（ group=2）和低吸引力組（ group=3）。數(shù)據(jù)如表 84所示。 SPSS中實(shí)現(xiàn)過程 表 84 不同類的不同公司特點(diǎn) 公 司 組 織 文 化 領(lǐng) 導(dǎo) 角 色 員 工 發(fā) 展 Group Microsoft 1 IBM 1 Dell 1 Apple 1 聯(lián)想 1 NPP 2 北京電子 3 清華紫光 1 北大方正 1 TCLE 3 世紀(jì)成 2 Angel 1 Hussar1 3 世紀(jì)飛揚(yáng) 3 Vinda 3 ? 實(shí)現(xiàn)步驟 圖 823 在菜單中選擇“ Discriminant”命令 圖 824 “Discriminant Analysis”對話框 圖 825 “Discriminant Analysis： De