【正文】 、 發(fā)展中國家 ? 按照消費(fèi)者的特征對消費(fèi)者分類 ， 按照產(chǎn)品特征對產(chǎn)品分類 ? 這些分類中 ， 有的事先并不知道存在什么類別 ， 完全按照反映對象特征的數(shù)據(jù)把對象進(jìn)行分類 ， 這在統(tǒng)計(jì)上稱為聚類分析；有的則是在事先有了某種分類標(biāo)準(zhǔn)之后 ， 判定一個(gè)新的研究對象應(yīng)該歸屬到哪一類別 ， 這在統(tǒng)計(jì)上則稱為判別分析 (discriminant analysis) ? 本章主要介紹聚類分析方法 聚類分析 (cluster analysis) 聚類分析的基本原理 什么是聚類分析 ? 相似性的度量 第 13 章 聚類分析 什么是聚類分析？ 聚類分析的思想和原理 13 11 統(tǒng)計(jì)學(xué)STATISTICS (第四版 ) 2020105 ? 把 “ 對象 ” 分成不同的類別 ? 這些類不是事先給定的 ， 而是直接根據(jù)數(shù)據(jù)的特征確定的 ? 把相似的東西放在一起 ， 從而使得類別內(nèi)部的 “ 差異 ” 盡可能小 ， 而類別之間的 “ 差異” 盡可能大 ? 聚類分析就是按照對象之間的 “ 相似 ” 程度把對象進(jìn)行分類 什么是聚類分析？ (cluster analysis) 13 12 統(tǒng)計(jì)學(xué)STATISTICS (第四版 ) 2020105 ? 聚類分析的 “ 對象 ” 可以是所觀察的多個(gè)樣本 ，也可以是針對每個(gè)樣本測得的多個(gè)變量 ? 按照變量對所觀察的樣本進(jìn)行分類稱為 Q型聚類 ? 按照多項(xiàng)經(jīng)濟(jì)指標(biāo) (變量 )對不同的地區(qū) (樣本 )進(jìn)行分類 ? 按照樣本對多個(gè)變量進(jìn)行分類 ， 則稱為 R型聚類 ? 按照不同地區(qū)的樣本數(shù)據(jù)對多個(gè)經(jīng)濟(jì)變量進(jìn)行分類 ? 兩種聚類沒有什么本質(zhì)區(qū)別 ， 實(shí)際中人們更感興趣的通常是根據(jù)變量對樣本進(jìn)行分類 (Q型聚類 ) 什么是聚類分析？ (兩種分類方式 ) 13 13 統(tǒng)計(jì)學(xué)STATISTICS (第四版 ) 2020105 ? 按對象的 “ 相似 ” 程度分類 ? 根據(jù)樣本的觀測數(shù)據(jù)測度變量之間的相似性程度可以使用 夾角余弦 、 Pearson相關(guān)系數(shù)等工具 ， 也稱為 相似系數(shù) ? 變量間的相似系數(shù)越大 ， 說明它們越相近 ? 根據(jù)變量來測度樣本之間的相似程度則使用“ 距離 ” ? 把離得比較近的歸為一類 ， 而離得比較遠(yuǎn)的放在不同的類 什么是聚類分析？ (按什么分類 ) 相似性的度量 聚類分析的思想和原理 13 15 統(tǒng)計(jì)學(xué)STATISTICS (第四版 ) 2020105 ? 聚類分析中是用 “ 距離 ” 或 “ 相似系數(shù) ” 來度量對象之間的相似性 ? 在第 13章例 ， 31個(gè)地區(qū)的人均 GDP數(shù)據(jù)就是直線上的 31個(gè)點(diǎn) ， 每一個(gè)點(diǎn)對應(yīng)一個(gè)地區(qū) ? 如果按照人均 GDP對它們進(jìn)行分類 ， 就可以把在直線上離得比較近的那些點(diǎn)歸為一類 。 平均年齡在 50歲以上 ，他們的教育程度是最低的 ， 家庭收入也是最低的 ， 平均不到 1600元 。 職業(yè)上的顯著特征是： 1/3為學(xué)生 ， 三資企業(yè)員工的比例達(dá) 1/10。 在職業(yè)上沒有顯著特征 。 這些人的平均受教育程度較低 ， 中年人的比例較高 ， 平均年齡在44歲左右 ， 家庭月收入較低 ， 平均在 1600元左右 ， 國營企業(yè)員工以及離退休人員的比例較高 。 調(diào)查中采用一系列關(guān)于對社會活動 、 價(jià)值觀念等內(nèi)容的陳述 ， 請消費(fèi)者根據(jù)自己的情況做出評價(jià) 。 —— Thomas Kuhn 統(tǒng)計(jì)名言 第 13 章 聚類分析 聚類分析的基本原理 層次聚類 K均值聚類 13 4 統(tǒng)計(jì)學(xué)STATISTICS (第四版 ) 2020105 學(xué)習(xí)目標(biāo) ? 聚類分析的基本思想和原理 ? 層次聚類和 K均值聚類的基本過程 ? 解釋聚類的結(jié)果 ? 層次聚類和 K均值聚類的差異及應(yīng)用條件 ? 聚類分析的注意事項(xiàng) ? 用 SPSS進(jìn)行聚類分析 13 5 統(tǒng)計(jì)學(xué)STATISTICS (第四版 ) 2020105 怎樣把消費(fèi)者分類？ ? 南京雅興市場研究有限公司在 A城市的 14個(gè)城區(qū)抽取 3000個(gè)15歲以上具有獨(dú)立購買能力的消費(fèi)者樣本 ， 研究消費(fèi)者的生活方式 。 這一類型中的三資企業(yè)員工的比例最大 ， 未婚的比例較大 ， 約占 1/4， 女性的比例為55%， 高于男性 ? 自保型 ： 這類消費(fèi)者占 16%， 他們更多的是為自己的生計(jì)考慮 ， 考慮自己能否有穩(wěn)定的經(jīng)濟(jì)來源 ， 維持家庭的經(jīng)濟(jì)保障是他們最關(guān)心的問題 。 家庭月平均收入一般在 1800元左右 。 他們對生活的態(tài)度積極 ， 多為未婚青年 ， 平均年齡在 28歲左右 ， 25歲以下的占 40%， 單身未婚的比例占 1/2以上 。 這類消費(fèi)者主要為退休人員 ， 約占該類型人員的 2/3， 剩下的主要為國營企業(yè)員工 。 在職業(yè)上沒有顯著特征 ， 但待崗人員的比例稍高于其他各類型 。 是用兩個(gè)類別中間各個(gè)數(shù)據(jù)點(diǎn)之間的距離的平均來表示兩個(gè)類別之間的距離 ? Ward‘s method(離差平方和法 )— 使各類別中的離差平方和較小 ， 而不同類別之間的離差平方和較大 類間距離的計(jì)算方法 層次聚類的應(yīng)用 層次聚類 13 29 統(tǒng)計(jì)學(xué)STATISTICS (第四版 ) 2020105 【 例 131】 根據(jù)我國 31個(gè)省市自治區(qū) 2020年的 6項(xiàng)主要經(jīng)濟(jì)指標(biāo)數(shù)據(jù) ， 采用層次聚類法進(jìn)行分類 ， 并對結(jié)果進(jìn)行分析 層次聚類的應(yīng)用 (實(shí)例分析 ) 31個(gè)地區(qū)的 6項(xiàng)經(jīng)濟(jì)指標(biāo) 13 30 統(tǒng)計(jì)學(xué)STATISTICS (第四版 ) 2020105 用 SPSS進(jìn)行層次聚類 第 1步 選擇 【 Analyze】 下拉菜單 ， 并選擇 【 Classify Hierarchical Cluster】 ， 進(jìn)入主對話框 第 2步 將用于聚類的所有變量選入 【 Variable(s)】 ；把區(qū)分樣 本的標(biāo)簽 (本例為“地區(qū)” )選入 【 Label Cases by】 ；若 對樣本進(jìn)行聚類，在 【 Cluster】 下選擇 【 Cases】 (本 例選擇對樣本聚類 )，若對變量進(jìn)行聚類，在 【 Cluster】 下選擇 【 Variables】