【正文】 wamp。t!pYmUjRgOcL9I6E3B+ y( v%roXlTiQfNbK8G5D2A x*u$qZnVkShPdMaJ7F4C0z) wamp。s!pXmUjRfOcL9H6E2B+ y( u%roWlThQeNbJ8G5D1A x*t$qYnVkSgPdMaI7F3C0z) vamp。t!pYmVj RgOdL9I6E3B0y( v%soXlTi QfNbK8H5D2A x*u$qZnWkShPdM aJ7F4C1z) wamp。 如果變量中包括離散變量 (計(jì)數(shù)變量 )，則需要將先對(duì)離散變量進(jìn)行連續(xù)化處理 ， 否則應(yīng)該使用兩步聚類法 。 分類的結(jié)果沒有對(duì)錯(cuò)之分 ， 只是分類標(biāo)準(zhǔn)不同而已 ? 使用聚類方法時(shí) ， 首先要明確分類的目的 ， 再考慮選擇哪些變量 (或數(shù)據(jù) )參與分類 ， 最后才需要考慮方法的選擇 。 本例只 4次就已經(jīng)收斂了 12 53 統(tǒng)計(jì)學(xué)STATISTICS (第三版 ) 2022年 8月 K均值聚類的應(yīng)用 (實(shí)例分析 ) 分成 4類的最終聚類中心 ? 表中的數(shù)據(jù)表示各個(gè)類別在各變量上的平均值 。 類別數(shù)目的確定具有一定的主主觀性 ， 究竟分多少類合適 ， 需要研究者對(duì)研究問題的了解程度 、 相關(guān)知識(shí)和經(jīng)驗(yàn) K均值聚類 (步驟 ) K均值聚類的應(yīng)用 K均值 聚類 12 48 統(tǒng)計(jì)學(xué)STATISTICS (第三版 ) 2022年 8月 【 例 】 根據(jù)我國(guó) 31個(gè)省市自治區(qū) 2022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(duì)結(jié)果進(jìn)行分析 K均值聚類的應(yīng)用 (實(shí)例分析 ) 31個(gè)地區(qū)的 6項(xiàng)經(jīng)濟(jì)指標(biāo) 12 49 統(tǒng)計(jì)學(xué)STATISTICS (第三版 ) 2022年 8月 ? 數(shù)據(jù)檢查 ? 若原始變量取值差異較大 ， 應(yīng)先將原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化 ，避免變量值差異過(guò)大對(duì)分類結(jié)果的影響 ? 可以先觀察 6項(xiàng)經(jīng)濟(jì)指標(biāo)的有關(guān)描述統(tǒng)計(jì)量 K均值聚類的應(yīng)用 (實(shí)例分析 ) 12 50 統(tǒng)計(jì)學(xué)STATISTICS (第三版 ) 2022年 8月 ? 數(shù)據(jù)標(biāo)準(zhǔn)化 (SPSS) ? 【 Analyze】 ?【 Descriptive Statistics】 ? 【 Descriptives】 ?主對(duì)話框 ? 將需要標(biāo)準(zhǔn)化的變量選入 【 Variable(s)】 ? 【 Save standardized values as variables】 ? 【 OK】 K均值聚類的應(yīng)用 (實(shí)例分析 ) 31個(gè)地區(qū)的 6項(xiàng)經(jīng)濟(jì)指標(biāo)的標(biāo)準(zhǔn)化 12 51 統(tǒng)計(jì)學(xué)STATISTICS (第三版 ) 2022年 8月 K均值聚類的應(yīng)用 (實(shí)例分析 ) 分成 4類的初始聚類中心 ? 該表列出每一類別的初始聚類中心 ， 本例的這些中心是由 SPSS自動(dòng)生成的 ， 它實(shí)際上就是數(shù)據(jù)集中的某一條記錄 。 第 7列給出了在每一步中合并形成的新類別下一次將在第幾步中與其他類別合并 。 第 1步是把距離最近的兩個(gè)地區(qū) 21(海南 )和地區(qū) 30(寧夏 )合并成一類 。 這時(shí) ， 如果類別的個(gè)數(shù)仍然大于 1， 則繼續(xù)重復(fù)這一步 ， 直到所有的類別都合并成一類為止 ? 總是先把離得最近的兩個(gè)類進(jìn)行合并 ? 合并越晚的類 ， 距離越遠(yuǎn) ? 事先并不會(huì)指定最后要分成多少類 ， 而是把所有可能的分類都列出 ， 再視具體情況選擇一個(gè)合適的分類結(jié)果 層次聚類 (合并法 ) 12 23 統(tǒng)計(jì)學(xué)STATISTICS (第三版 ) 2022年 8月 ? 分解方法原理與合并法相反 ? 先把所有的對(duì)象 (樣本或變量 )作為一大類 ， 然后度量對(duì)象之間的距離或相似程度 ， 并將距離或相似程度最遠(yuǎn)的對(duì)象分離出去 ， 形成兩大類 (其中的一類只有一個(gè)對(duì)象 ) ? 再度量類別中剩余對(duì)象之間的距離或相似程度 ， 并將最遠(yuǎn)的分離出去 ， 不斷重復(fù)這一過(guò)程 ， 直到所有的對(duì)象都自成一類為止 ? SPSS中只提供了合并法 層次聚類 (分解法 ) 類間距離的計(jì)算方法 層次聚類 12 25 統(tǒng)計(jì)學(xué)STATISTICS (第三版 ) 2022年 8月 ? 在層次聚類法中 ， 當(dāng)類別多于 1個(gè)時(shí) ， 就涉及到如何定義兩個(gè)類別之間的距離問題 ? 計(jì)算類間距離 (與上面介紹的點(diǎn)間距離不同 )的方法有很多 ， 不同方法會(huì)得到不同的聚類結(jié)果 ? 實(shí)際中較常用的是離差平方和法 (Ward’s method)， 又稱 Ward法 類間距離的計(jì)算方法 12 26 統(tǒng)計(jì)學(xué)STATISTICS (第三版 ) 2022年 8月 類間距離的計(jì)算方法 最短距離法 (Nearest neighbor) 最長(zhǎng)距離法 (Furthest neighbor) 重心法 (Centroid clustering) 組間平均距離 (Betweengroups linkage) 離差平方和法 (Ward’s method) ijGxGxkl dDljki ???,m inijGxGxkl dDljki ???,m a x)()(2 lklkkl xxxxD ????? ?? ??ki liGx Gxijlkkl dnnD1lkmkl WWWD ???212 27 統(tǒng)計(jì)學(xué)STATISTICS (第三版 ) 2022年 8月 ? Nearest neighbor(最短距離法 )— 用兩個(gè)類別中各個(gè)數(shù)據(jù)點(diǎn)之間最短的那個(gè)距離來(lái)表示兩個(gè)類別之間的距離 ? Furthest neighbor(最長(zhǎng)距離法 )— 用兩個(gè)類別中各個(gè)數(shù)據(jù)點(diǎn)之間最長(zhǎng)的那個(gè)距離來(lái)表示兩個(gè)類別之間的距離 ? Centroid clustering(重心法 )— 用兩個(gè)類別的重心之間的距離來(lái)表示兩個(gè)類別之間的距離 ? betweengroups linkage(組間平均距離法 )— SPSS的默認(rèn)方法 。 這類消費(fèi)者在年齡上比較分散 ， 從 15歲到 54歲之間的各年齡段均有相當(dāng)比例 ， 平均教育程度一般 ， 家庭月平均收入在 1900元左右 。 這類消費(fèi)者是受教育程度最高的 ， 他們的平均家庭收入?yún)s是最高的 ， 月平均收入在 2300元左右 ? 迷茫 (缺乏生活目標(biāo) )型 ： 約占 15%， 他們既不注重經(jīng)濟(jì)保障 ， 也不參加培訓(xùn) ， 生活節(jié)奏較緩慢 。 男性比例占 55%， 高于女性 12 7 統(tǒng)計(jì)學(xué)STATISTICS (第三版 ) 2022年 8月 怎樣把消費(fèi)者分類？ ? 上進(jìn)型 ： 占消費(fèi)者總?cè)藬?shù)的不到 13%。 教育程度處于社會(huì)平均水平 ， 主要為中年人 ， 有較多的生活閱歷 ， 年齡多在 4554歲之間 。 根據(jù)因子分析的結(jié)果對(duì)樣本的回答按照新的類型進(jìn)行重新評(píng)估打分 ， 然后根據(jù)這些評(píng)價(jià)進(jìn)行聚類分析 ? 根據(jù)每一類消費(fèi)者的因子的特征，最終將消費(fèi)者的生活方式分為 6個(gè)類別，即：時(shí)尚型、自保型、領(lǐng)袖型、上進(jìn)型、迷茫型(缺乏生活目標(biāo)型 )和平庸型 12 6 統(tǒng)計(jì)學(xué)STATISTICS (第三版 ) 2022年 8月 怎樣把消費(fèi)者分類？ ? 時(shí)尚型 ： 這類消費(fèi)者約占樣本量的約 21%， 主要特征為：年齡相對(duì)較輕 ， 平均年齡在 35歲左右 ， 教育程度相對(duì)較高 ， 一般具有高中以上文化程度 ， 雖然平均家庭月收入較好 ， 平均在 2200元左右 ， 同時(shí)也是分散程度最高的 ， 表明喜愛時(shí)尚并不是高收入者的專利 。作者 賈俊平 統(tǒng) 計(jì) 學(xué) (第三版 ) 2022 12 2 統(tǒng)計(jì)學(xué)STATISTICS (第三版 ) 2022年 8月 現(xiàn)實(shí)是復(fù)雜的，是絕對(duì)不可能由一 個(gè)有組織的科學(xué)模型完全描述出來(lái) 的。 評(píng)價(jià)結(jié)果采用 7分評(píng)價(jià)法 ， 1分表示 “ 非常同意 ” ， 7分表示 “ 非常不同意 ” ? 對(duì)調(diào)查結(jié)果先通過(guò)因子分析將一系列的測(cè)試語(yǔ)句進(jìn)行綜合 ， 根據(jù)消費(fèi)者的回答情況 ， 將這些語(yǔ)句分為幾大類 ， 最后得到 5個(gè)主要因子 ， 它們的含義分別是：對(duì)時(shí)尚的觀點(diǎn) 、 個(gè)人的事業(yè)性與進(jìn)取性 、 對(duì)經(jīng)濟(jì)利益的看法 、 社交能力與影響力 、 生活的計(jì)劃性 。 女性的比例高于男性 ? 領(lǐng)袖型 ： 這類消費(fèi)者占 13%。 已婚比例是各類消費(fèi)者中最高的 ， 這似乎表明有穩(wěn)定的家庭也是成為領(lǐng)袖的一個(gè)條件 。 男性的比例高于女性 。在性別分布上 ， 女性的比例遠(yuǎn)遠(yuǎn)高于男性 ， 占 62% ? 平庸型 ： 這類消費(fèi)者約占 23%， 最大的特點(diǎn)是生活沒有計(jì)劃 ， 日常生活沒有規(guī)律 ， 而其他指標(biāo)則均處于中間狀態(tài) 。 如果再考慮財(cái)政收入 ， 那么人均 GDP和財(cái)政收入就是二維平面上的一個(gè)點(diǎn) ， 31個(gè)地區(qū)就是平面中的 31個(gè)點(diǎn) ? 多個(gè)變量就是高維空間中的一個(gè)點(diǎn) ， 31個(gè)地區(qū)就是