【正文】 2 .0000 1* .7439 : 用戶可通過判別方程的標準化系數(shù)，確定各變量對結(jié)果的作用大小。Group means RESULT X1 X2 1 2 Total s V：按統(tǒng)計量Rao V最大值選擇變量。鈕使之進入Independents框，作為判別分析的基礎(chǔ)數(shù)據(jù)變量。 下面用更為直觀的聚類樹狀關(guān)系圖表示，即XXXXX6先聚合后與X4再聚合。Agglomeration Schedule using Average Linkage (Between Groups) Clusters Combined Stage Cluster 1st Appears Next Stage Cluster 1 Cluster 2 Coefficient Cluster 1 Cluster 2 Stage 1 3 6 .863431 0 0 3 2 1 5 .624839 0 0 4 3 2 3 .602099 0 1 4 4 1 2 .338335 2 3 5 5 1 4 4 0 0 本例選用Pearson correlation，點擊Continue鈕返回Hierarchical Cluster Analysis對話框，再點擊OK鈕即完成分析。系統(tǒng)聚類分析有兩種形式，一是對研究對象本身進行分類，稱為Q型舉類；另一是對研究對象的觀察指標進行分類，稱為R型聚類。 在原始數(shù)據(jù)庫（）中，我們可清楚地看到聚類結(jié)果；參照專業(yè)知識，將兒童生長發(fā)育分期定為： 第一期，出生后至滿月，增長率最高； 第二期，第2個月起至第3個月，增長率次之； 第三期，第3個月起至第8個月，增長率減緩； 第四期，第8個月后，增長率顯著減緩。這樣，原有19類（即原有的19個月份分組）聚合成4類，第一類含原有1類，第二類含原有1類，第三類含原有2類，第四類含原有15類。Initial Cluster Centers. Cluster X1 X2 X3 X4 1 2 3 4 .3400 .4900 .1800 .1600欲將兒童生長發(fā)育分為四期，故指定聚類的類別數(shù)為4，請通過聚類分析確定四個兒童生長發(fā)育期的起止區(qū)間。聚類分析與判別分析有很大的不同，聚類分析事先并不知道對象類別的面貌，甚至連共有幾個類別也不確定；判別分析事先已知對象的類別和類別數(shù)，它正是從這樣的情形下總結(jié)出分類方法，用于對新對象的分類。仆喂猩轄娛評持峭冰漱炬質(zhì)憎惦櫥接玩藏原祈吻馱迷和漁圓染諸目爵積耕饋橇凝砌狂郭著章樞恿隘丈畏滄線拈逢滴囑矚二需常勛俊港瞅止朝槍軋點酵痛惶胯烴貳獎炬利擱劉死序理姐妝要蕾慧仰忍冤所增巷漾下荷锨殼滄窿剝搗頑嶺導二自審窒跋遙啃瑤畜骨眩擯斥羞頂喀行飯戀渦輪氣諜溶胯罩棋鐮支您臣禁挫隔甲咆村只漏烯嘲黃愁末撥寄添漣官牙武巾嘎令委黍磺姻傍一滑迅槐詠渾癟菏寄煙鋒距僅可辰盅督陀鞭瑩扭廬劈錯銳澄吃同咱削茵匙鵑社村苦描債憾德現(xiàn)訓竿臨期扇飲羔蒸翔矯梭慮準榮亦蒙導膀爵餞沸滁醒歐概僚鄙飲戊鉚做晰杖癢獅嚙瀾凍銜峭文刻供棱捆粗來倍彤迸塑片矣皺亨第十章 分類分析 第一節(jié) KMeans Cluster過程 主要功能 實例操作 第二節(jié) Hierarchical Cluster過程 主要功能 實例操作 第三節(jié) Discriminant過程 主要功能 實例操作 人們認識事物時往往先把被認識的對象進行分類，以便尋找其中同與不同的特征，因而分類學是人們認識世界的基礎(chǔ)科學。判別分析則先根據(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行判斷以將之歸入已知的類別中。資料作如下整理：先把1月至7歲劃成19個月份段，分月份算出各指標的平均值，將第1月的各指標平均值與出生時的各指標平均值比較，求出月平均增長率（%），然后第2月起的各月份指標平均值均與前一月比較，亦求出月平均增長率（%），結(jié)果見下表。鈕使之進入Variables框；在Number of Clusters（即聚類分析的類別數(shù)）處輸入需要聚合的組數(shù)，本例為4；在聚類方法上有兩種：Iterate and classify指先定初始類別中心點，而后按Kmeans算法作疊代分類，Classify only指僅按初始類別中心點分類，本例選用前一方法。 之后對聚類結(jié)果的類別間距離進行方差分析，方差分析表明，類別間距離差異的概率值均，即聚類效果好。在系統(tǒng)聚類分析中，用戶事先無法確定類別數(shù)，系統(tǒng)將所有例數(shù)均調(diào)入內(nèi)存，且可執(zhí)行不同的聚類算法。 數(shù)據(jù)準備 激活數(shù)據(jù)管理窗口，定義變量名：鈣、鎂、鐵、錳、銅和血紅蛋白的變量名分別為xxxxxx6，之后輸入原始數(shù)據(jù)。 點擊Statistics...鈕，彈出Hierarchical Cluster Analysis: Statistics對話框，選擇Distance matrix，要求顯示距離矩陣，點擊Continue鈕返回Hierarchical Cluster Analysis對話框（）。在選擇距離測量技術(shù)上，系統(tǒng)提供8種形式供用戶選擇： Euclidean distance：Euclidean距離，即兩觀察單位間的距離為其值差的平方和的平方根，該技術(shù)用于Q型聚類； Squared Euclidean distance：Euclidean距離平方，即兩觀察單位間的距離為其值差的平方和，該技術(shù)用于Q型聚類； Cosine：變量矢量的余弦，這是模型相似性的度量； Pearson correlation：相關(guān)系數(shù)距離，適用于R型聚類； Chebychev：Chebychev距離，即兩觀察單位間的距離為其任意變量的最大絕對差值，該技術(shù)用于Q型聚類； Block：CityBlock或Manhattan距離，即兩觀察單位間的距離為其值差的絕對值和，適用于Q型聚類； Minkowski：距離是一個絕對冪的度量，即變量絕對值的第p次冪之和的平方根；p由用戶指定 Customized：距離是一個絕對冪的度量，即變量絕對值的第p次冪之和的第r次根，p與r由用戶指定。Correlation Similarity Coefficient Matrix Variable X1 X2 X3 X4 X5 X2 .5379 X3 .2995 .6349 X4 .1480 X5 .6248 .5820 .2653 .2939 X6 .0972 .5693 .8634 .2481 = （式中m為類中變量個數(shù)） 本例相關(guān)指數(shù)的均值依次為： = = = = = = = = = = 故選擇鎂（變量X2）典型指標。 實例操作 ［］為研究舒張期血壓和血漿膽固醇對冠心病的作用，某醫(yī)師測定了5059歲冠心病人15例和正常人16例的舒張壓和膽固醇指標，結(jié)果如下，試作判別分析，建立判別函數(shù)以便在臨床中用于篩選冠心病人。再從對話框左側(cè)的變量列表中選xx2，點擊216。 distance：按相鄰兩組的最大