【正文】 l u s t e r M e m b e r s h i p R e gi on C l u s t e r D i s t an c e R e gi on C l u s t e r D i s t an c e 北京 3 138 5. 72 湖北 3 136 . 04 天津 2 665 . 34 湖南 3 788 . 13 河北 3 119 3. 46 廣東 1 117 3. 08 山西 2 626 . 99 廣西 2 570 . 07 內(nèi)蒙古 2 226 . 65 海南 2 761 . 80 遼寧 3 517 . 50 重慶 2 321 . 28 吉林 2 448 . 40 四川 3 504 . 15 黑龍江 3 756 . 68 貴州 2 291 . 36 上海 3 124 5. 95 云南 2 401 . 64 江蘇 1 381 . 29 西藏 2 981 . 69 浙江 1 169 3. 13 陜西 2 433 . 74 安徽 3 101 2. 80 甘肅 2 292 . 90 福建 3 94. 87 青海 2 840 . 18 江西 2 621 . 92 寧夏 2 845 . 43 山東 1 471 . 44 新疆 2 105 . 45 河南 3 114 3. 95 表 各觀測量所屬類成員表 4. Final Cluster Centers（給出聚類結(jié)果形成的類中心的各變量值） F i n a l C l u s t e r C e n t e r s1 1 0 2 . 1 4 3 0 7 . 6 1 7 1 3 . 2 86 4 2 3 . 0 1 7 9 5 . 4 1 2 5 4 5 . 2 04 4 5 4 . 2 6 6 7 3 . 6 3 2 1 2 2 . 8 7X1X2X31 2 3C l u s t e r最終的類中心表 ? 結(jié)合上述兩表看出 31個地區(qū)被分成 3類。 圖 Options子對話框 （二）主要運行結(jié)果解釋 1. Initial Cluster Centers（給出初始類中心） 2. Iteration History（給出每次迭代結(jié)束后類中心的變動） 從表中可以看到本次聚類過程共經(jīng)歷了三次迭代。選中 Initial cluster centers和 Cluster information for each case復選框。 圖 Iterate子對話框 3. 點擊 Save按鈕，設置保存在數(shù)據(jù)文件中的表明聚類結(jié)果的新變量。例如判據(jù)設置為 ，則當一次完整的迭代不能使任何一個類中心距離的變動與原始類中心距離的比小于 2時，迭代停止。至于Centers按鈕，則用于設置迭代的初始類中心。 二 在 SPSS中利用 K均值法進行聚類分析 表 我國各地區(qū)三次產(chǎn)業(yè)產(chǎn)值（單位：億元） 地區(qū) 第一產(chǎn)業(yè)1X 第二產(chǎn)業(yè)2X 第三產(chǎn)業(yè)3X 地區(qū) 第一產(chǎn)業(yè)1X 第二產(chǎn)業(yè)2X 第三產(chǎn)業(yè)3X 北京 湖北 天 津 湖南 河北 廣東 山西 廣西 內(nèi)蒙古 海南 遼寧 2898 .89 重慶 吉林 四川 黑龍江 貴州 上海 云南 江蘇 西藏 浙江 陜西 安徽 甘肅 福建 青海 江西 寧夏 山東 新疆 河南 （一）操作步驟 ? 1. 在 SPSS窗口中選擇 Analyze→Classify→K Means Cluster，調(diào)出 K均值聚類分析主界面，并將變量 — 移入Variables框中，將標志變量 Region移入 Label Case by框中。 ? 從樹形圖 ，若將 20個樣品分為兩類， 則樣品 1 和樣品 1為一類，其余的為另一類；若將樣品分為三類，則樣品 4從第二類中分離出來，自成一類；依此類推。這里我們選擇 Range of solutions，并在后面的兩個矩形框中分別輸入 2和 4，即生成三個新的分類變量，分別表明將樣品分為 2類、 3類和 4類時的聚類結(jié)果。這里我們?nèi)匀痪赜孟到y(tǒng)默認選項。選中 Dendrogram復選框和 Icicle欄中的 None單選按鈕，即只給出聚類樹形圖，而不給出冰柱圖。在 Display欄中選擇 Statistics和 Plots復選框，這樣在結(jié)果輸出窗口中可以同時得到聚類結(jié)果統(tǒng)計量和統(tǒng)計圖。 多元統(tǒng)計分析與 SPSS實現(xiàn) 一 在 SPSS中利用系統(tǒng)聚類法進行聚類分析 二 在 SPSS中利用 K均值法進行聚類分析 三 利用 SPSS進行判別分析 四 利用 SPSS進行主成分分析 五 利用 SPSS進行因子分析 ? 設有 20個土壤樣品分別對 5個變量的觀測數(shù)據(jù)如表所示，試利用系統(tǒng)聚類法對其進行樣品聚類分析。 圖 系統(tǒng)聚類法主界面 ? 2. 點擊 Statistics按鈕，設置在結(jié)果輸出窗口中給出的聚類分析統(tǒng)計量。單擊Continue按鈕，返回主界面。單擊 Continue按鈕，返回主界面。點擊Continue，返回主界面。 2 6 19 7 18 1 8 9 4 3 5 12 20 16 14 10 11 15 17 13 CA S E L a b e l N u m 0 5 1 0 1 5 2 0 2 5 R e s c al e d D i s t an c e C l u st e r C om b i n e 圖 系統(tǒng)聚類法樹形圖 ? 2. 由于我們已經(jīng)在 Save子對話框中設置了在數(shù)據(jù)文件中生成新的分類變量，所以，在數(shù)據(jù)編輯窗口中，我們可以看到生成的三個表示分類結(jié)果的新變量。在 Method框中選擇 Iterate classify，即使用 Kmeans算法不斷計算新的類中心，并替換舊的類中心（若選擇Classify only，則根據(jù)初始類中心進行聚類，在聚類過程中不改變類中心）。如果不手工設置，則系統(tǒng)會自動設置初始類中心，這里我們不作設置。設置完這兩個參數(shù)之后，只要在迭代的過程中先滿足了其中的參數(shù)，則迭代過程就停止。其中 Cluster membership選項用于建立一個代表聚類結(jié)果的變量，默認變量名為 qcl_1； Distance from cluster center選項建立一個新變量，代表各觀測量與其所屬類中心的歐氏距離。這樣，在輸出窗口中將給出聚類的初始類中心和每個觀測量的分類信息，包括分配到哪一類和該觀測量距所屬類中心的距離。由于我們在 Iterate子對話框中使用系統(tǒng)默認的選項（最大迭代次數(shù)為 10和收斂判據(jù)為 0），所以在第三次迭代后，類中心的變化為 0，從而迭代停止。第一類包括：江蘇、浙江、山東和廣東 4個省。剩下的 11個地區(qū)為第三類。 ? 利用 SPSS對 Fisher判別法和 Bayes判別法進行計算機實現(xiàn)。本例中分類變量的范圍為 1到 3，所以在最小值和最大值中分別輸入 1和 3。這兩個選項的含義如下： – Fisher’s：給出 Bayes判別函數(shù)的系數(shù)。） – Unstandardized：給出未標準化的 Fisher判別函數(shù)（即典型判別函數(shù)）的系數(shù)（ SPSS默認給出標準化的Fisher判別函數(shù)系數(shù)）。其余的均保留系統(tǒng)默認選項。 6. 返回判別分析主界面，單擊 OK按鈕，運行判別分析過程。 表 （ a） 未標準化的典型判別函數(shù)系數(shù) – 由此表可知，兩個 Fisher判別函數(shù)分別為： – 實際上兩個函數(shù)式計算的是各觀測值在各個維度上的坐標，這樣就可以通過這兩個函數(shù)式計算出各樣品觀測值的具體空間位置。在本例中，各類的 Bayes判別函數(shù)如下： 第一組： 第二組： 第三組： 1 1 2 3 4 5 65 3 1 7 . 2 1 4 3 . 9 1 5 3 . 1 9 0 . 1 5 3 . 0 1 1 . 0 1 8 9 . 3F X X X X X X? ? ? ? ? ? ? ? 2 1 2 3 4 5 66 2 0 2 . 2 1 6 4 . 7 1 7 1 . 2 1 0 0 . 0 6 2 . 5 1 2 . 1 2 0 7 . 0F X X X X X X? ? ? ? ? ? ? ? 3 1 2 3 4 5 64 9 8 2 . 9 1 3 4 . 9 1 4 4 . 5 8 5 . 9 5 0 . 0 1 0 . 5 1 8 1 . 7F X X X X X X? ? ? ? ? ? ? ?C l a s s i f i c a t i o n F u n c t i o n C o e f f i c i e n t s 1 4 3 . 8 5 1 1 6 4 . 6 9 1 1 3 4 . 8 6 21 5 3 . 1 3 7 1 7 1 . 1 8 5 1 4 4 . 4 6 2 9 0 . 0 8 8 9 9 . 9 7 6 8 5 . 9 4 55 3 . 0 0 9 6 2 . 5 2 5 4 9 . 9 7 21 1 . 0 0 8 1 2 . 0 9 4 1 0 . 5 2 01 8 9 . 2 6 1 2 0 7 . 0 0 3 1 8 1 . 7 1 4 5 3 1 7 . 2 3 4 6 2 0 2 . 1 5 8 4 9 8 2 . 8 8 0X1X2X3X4X5X6( C o n s t a n t )1 . 0 0 2 . 0 0 3 . 0 0G R O U PF i s h e r 39。 5. Casewise Statistics（給出個案觀察結(jié)果） – 在 Casewise Statistics輸出表針對每個樣品給出了了大部分的判別結(jié)果，其中包括：實際類（ Actual Group）、預測類（ Predicted Group）、 Bayes判別法的后驗概率、與組重心的馬氏距離（ Squared Mahalanobis Distance to Centroid）以及 Fisher判別法的每個典型判別函數(shù)