【正文】 spXmU iRfNcK9H5E2B+ x(u$rZoWkThQeMbJ8G4D1z w*t!qYnVjSgOdLaI6F3C0y) v%spXl UiRfNcK8H5E2A+ x(u$rZnWkThPeMbJ7G4C1z wamp。spXmUiRfOcK9H6E2B+ x(u%rZoWlThQeMbJ8G4D1A w*t!qYnVjSgPdLaI6F3C0y) vamp。spXmUi RfNcK9H5E2B+ x(u%rZoWkThQeMbJ8G4D1zw*t!qYnRfOcK9H6E2B+y(u%rZoWlThQeNbJ8G4D1A w*t$qYnVjSgPdLaI7F3C0y) vamp。s!pXmUiRfOcK9H6E2B+ x(u%rZoWlThQeMbJ8G4D1A w*t!qYnVjSL9H6E2B+ y(u%roWl ThQeN bJ8G5D1A w*t$qYnVkSgPdMaI7F3C0z) vamp。t!qYmVjSgOdL9I6F3B0y)v%soXlU iQfNcK8H5D 2A+ x*u$rZnWkShPeMaJ7G4C1z) wamp。s!pXmUiRfOcK9H6E2B+ x( u%rZoWlThQeMbJ8G4D1A w*t!qYnVjSgP9H6E3B+ y(u%roWlTiQeNbJ8G5D1A x*t$qYnVkSgPdMaI7F3C0z) vamp。s!pYmUjRgOcL9H 6E3B+ y( v%roWlTiQeNbK8G5D1Ax*t$qZnVkSgPdMaI7F4C0z)wamp。t!qYmVjRgOdL9I6F3B0y( v%soXlUiQfN bK8H5D2A+ x*u$qZnWkShPeMaJ7F4C1z) wamp。至少這從表面上看更漂亮一些 聚類分析的注意事項 12 63 統(tǒng)計學(xué)STATISTICS (第三版 ) 2022年 8月 本章小節(jié) ? 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 ? 用 SPSS進行聚類分析 結(jié) 束 12 65 統(tǒng)計學(xué)STATISTICS (第三版 ) 2022年 8月 $rZnWkThPeMaJ7G4C 1z wamp。 相同的數(shù)據(jù)采用不同的分類方法 ， 也會的得到不同的分類結(jié)果 。 根據(jù)新的中心位置 ， 重新計算每個樣本到新中心的距離 ， 并重新進行分類 K均值聚類 (步驟 ) 12 46 統(tǒng)計學(xué)STATISTICS (第三版 ) 2022年 8月 ? 第 5步： 重復(fù)第 4步 ， 直到滿足終止聚類條件為止 ? 迭代次數(shù)達到研究者事先指定的最大迭代次數(shù)(SPSS隱含的迭代次數(shù)是 10次 ) ? 新確定的聚類中心點與上一次迭代形成的中心點的最大偏移量小于指定的量 (SPSS隱含的是 ) ? K均值聚類法是根據(jù)事先確定的 K個類別反復(fù)迭代直到把每個樣本分到指定的里類別中 。 第 2列和第 3列給出了每一步被合并的對象 (這里是地區(qū) ) ? 首先把 31個地區(qū)各自作為一類 (共有 31類 )。在性別分布上 ， 女性的比例遠遠高于男性 ， 占 62% ? 平庸型 ： 這類消費者約占 23%， 最大的特點是生活沒有計劃 ， 日常生活沒有規(guī)律 ， 而其他指標(biāo)則均處于中間狀態(tài) 。 已婚比例是各類消費者中最高的 ， 這似乎表明有穩(wěn)定的家庭也是成為領(lǐng)袖的一個條件 。 評價結(jié)果采用 7分評價法 ， 1分表示 “ 非常同意 ” ， 7分表示 “ 非常不同意 ” ? 對調(diào)查結(jié)果先通過因子分析將一系列的測試語句進行綜合 ， 根據(jù)消費者的回答情況 ， 將這些語句分為幾大類 ， 最后得到 5個主要因子 ， 它們的含義分別是：對時尚的觀點 、 個人的事業(yè)性與進取性 、 對經(jīng)濟利益的看法 、 社交能力與影響力 、 生活的計劃性 。 根據(jù)因子分析的結(jié)果對樣本的回答按照新的類型進行重新評估打分 ， 然后根據(jù)這些評價進行聚類分析 ? 根據(jù)每一類消費者的因子的特征，最終將消費者的生活方式分為 6個類別，即：時尚型、自保型、領(lǐng)袖型、上進型、迷茫型(缺乏生活目標(biāo)型 )和平庸型 12 6 統(tǒng)計學(xué)STATISTICS (第三版 ) 2022年 8月 怎樣把消費者分類？ ? 時尚型 ： 這類消費者約占樣本量的約 21%， 主要特征為：年齡相對較輕 ， 平均年齡在 35歲左右 ， 教育程度相對較高 ， 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 ， 同時也是分散程度最高的 ， 表明喜愛時尚并不是高收入者的專利 。 男性比例占 55%， 高于女性 12 7 統(tǒng)計學(xué)STATISTICS (第三版 ) 2022年 8月 怎樣把消費者分類？ ? 上進型 ： 占消費者總?cè)藬?shù)的不到 13%。 這類消費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 。 第 1步是把距離最近的兩個地區(qū) 21(海南 )和地區(qū) 30(寧夏 )合并成一類 。 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 ， 需要研究者對研究問題的了解程度 、 相關(guān)知識和經(jīng)驗 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)計學(xué)STATISTICS (第三版 ) 2022年 8月 【 例 】 根據(jù)我國 31個省市自治區(qū) 2022年的 6項主要經(jīng)濟指標(biāo)數(shù)據(jù) ， 采用層次聚類法進行分類 ，并對結(jié)果進行分析 K均值聚類的應(yīng)用 (實例分析 ) 31個地區(qū)的 6項經(jīng)濟指標(biāo) 12 49 統(tǒng)計學(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)進行標(biāo)準(zhǔn)化 ，避免變量值差異過大對分類結(jié)果的影響 ? 可以先觀察 6項經(jīng)濟指標(biāo)的有關(guān)描述統(tǒng)計量 K均值聚類的應(yīng)用 (實例分析 ) 12 50 統(tǒng)計學(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 (實例分析 ) 31個地區(qū)的 6項經(jīng)濟指標(biāo)的標(biāo)準(zhǔn)化 12 51 統(tǒng)計學(xué)STATISTICS (第三版 ) 2022年 8月 K均值聚類的應(yīng)用 (實例分析 ) 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自動生成的 ， 它實際上就是數(shù)據(jù)集中的某一條記錄 。 分類的結(jié)果沒有對錯之分 ， 只是分類標(biāo)準(zhǔn)不同而已 ? 使用聚類方法時 ， 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 。t!pYmVj RgOdL9I6E3B0y( v%soXlTi QfNbK8H5D2A x*u$qZnWkShPdM aJ7F4C1z) wamp。t!pYmUjRgOcL9I6E3B+ y( v%roXlTiQfNbK8G5D2A x*u$qZnVkShPdMaJ7F4C0z) wamp。s!pXmUjRfOcL9H6E2B+ y(u%roWlThQeNbJ8G5D1A w*t$qYnVkSgPdLaI7F3C0z) vamp。s!pXmUiRfOcK9H6E2B+ x( u%rZoWlThQeMbJ8G4D1A w*t$qYnVjSgPdLaI7F3C0y) vamp。t!pYmVjRgOcL9I6E3B0y( v%roXl TiQfN bK8H5D2A x*u$qZnWkShPdMaJ7F4C1z) wamp。s!pXmUiRfOcK9H6E2B+ x( u%rZoWlThQeMbJ8G4D1A w*t!qYnVjSgPdLaI6F3C0y) vamp。spXmUi RfOcK9H5E2B+ x(u%rZoWkThQeMbJ8G4D1z w*t!qYnVjSgOdLaI6F3C0y) v%spXlU iRfNcK8H5E2A+ x(u$rZnWkThPeMbJ7G4D1z wamp。spXl UiRfNcK9H5E2A+ x( u$rZoW kThPeMbJ7G4D1z w*t!qYmVjSgOdLaI6F3B0y) v%spXlUiQfN cK8H5E2A+ x*u$rZnW kThPeMaJ7G4C1vamp。t!qYmVjRgOdL9I6F3B0y) v%soXlUiQfN cK8H5D2A+ x*u$rZnW kShPeMaJ7G4C1z) wamp。spXmUiRfN cK9H5E2B+ x( u$rZoW kThQeMbJ7G4D1z w*t!qYnVjSgOdLaI6F3(u%rZoWlT