【文章內(nèi)容簡(jiǎn)介】 16 9 0 64 49 36 9 0 100 81 64 25 4 0易知 中最小元素是 于是將，聚為一類，記為計(jì)算距離陣 0 16 0 49 9 0 81 25 4 0 注：計(jì)算方法,其他以此類推。中最小元素是=4 于是將，聚為一類，記為計(jì)算樣本距離陣 0 16 0 64 16 0中最小元素是 于是將，聚為一類，記為因此， 下表是15個(gè)上市公司2001年的一些主要財(cái)務(wù)指標(biāo)，使用系統(tǒng)聚類法和K－均值法分別對(duì)這些公司進(jìn)行聚類，并對(duì)結(jié)果進(jìn)行比較分析。公司編號(hào)凈資產(chǎn)收益率每股凈利潤(rùn)總資產(chǎn)周轉(zhuǎn)率資產(chǎn)負(fù)債率流動(dòng)負(fù)債比率每股凈資產(chǎn)凈利潤(rùn)增長(zhǎng)率總資產(chǎn)增長(zhǎng)率12301004561086781009101001112100131415解:令凈資產(chǎn)收益率為X1，每股凈利潤(rùn)X2，總資產(chǎn)周轉(zhuǎn)率為X3，資產(chǎn)負(fù)債率為X4，流動(dòng)負(fù)債比率為X5，每股凈資產(chǎn)為X6，凈利潤(rùn)增長(zhǎng)率為X7，總資產(chǎn)增長(zhǎng)率為X8，用spss對(duì)公司聚類分析的步驟如下：a) 系統(tǒng)聚類法:1. 在SPSS窗口中選擇Analyze→Classify→Hierachical Cluster，調(diào)出系統(tǒng)聚類分析主界面，并將變量移入Variables框中。在Cluster欄中選擇Cases單選按鈕，即對(duì)樣品進(jìn)行聚類（若選擇Variables，則對(duì)變量進(jìn)行聚類）。在Display欄中選擇Statistics和Plots復(fù)選框，這樣在結(jié)果輸出窗口中可以同時(shí)得到聚類結(jié)果統(tǒng)計(jì)量和統(tǒng)計(jì)圖。 系統(tǒng)分析法主界面2. 點(diǎn)擊Statistics按鈕，設(shè)置在結(jié)果輸出窗口中給出的聚類分析統(tǒng)計(jì)量。我們選擇Agglomeration schedule與Cluster Membership中的Range of solution 24，點(diǎn)擊Continue按鈕，返回主界面。（其中，Agglomeration schedule表示在結(jié)果中給出聚類過程表，顯示系統(tǒng)聚類的詳細(xì)步驟；Proximity matrix 表示輸出各個(gè)體之間的距離矩陣；Cluster Membership 表示在結(jié)果中輸出一個(gè)表，表中顯示每個(gè)個(gè)體被分配到的類別，Range of solution 24即將所有個(gè)體分為2至4類。）3. 點(diǎn)擊Plots按鈕，設(shè)置結(jié)果輸出窗口中給出的聚類分析統(tǒng)計(jì)圖。選中Dendrogram復(fù)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。單擊Continue按鈕，返回主界面。 Statistics子對(duì)話框 　Plots子對(duì)話框4. 點(diǎn)擊Method按鈕，設(shè)置系統(tǒng)聚類的方法選項(xiàng)。Cluster Method下拉列表用于指定聚類的方法，這里選擇Betweengroup inkage（組間平均數(shù)連接距離）；Measure欄用于選擇對(duì)距離和相似性的測(cè)度方法，選擇Squared Euclidean distance（歐氏距離）；單擊Continue按鈕，返回主界面。 Method子對(duì)話框 Save子對(duì)話框5. 點(diǎn)擊Save按鈕，指定保存在數(shù)據(jù)文件中的用于表明聚類結(jié)果的新變量。None表示不保存任何新變量；Single solution表示生成一個(gè)分類變量，在其后的矩形框中輸入要分成的類數(shù)；Range of solutions表示生成多個(gè)分類變量。這里我們選擇Range of solutions，并在后面的兩個(gè)矩形框中分別輸入2和4，即生成三個(gè)新的分類變量，分別表明將樣品分為2類、3類和4類時(shí)的聚類結(jié)果,。點(diǎn)擊Continue，返回主界面。6. 點(diǎn)擊OK按鈕，運(yùn)行系統(tǒng)聚類過程。聚類結(jié)果分析:下面的群集成員表給出了把公司分為2類，3類，4類時(shí)各個(gè)樣本所屬類別的情況，另外，從右邊的樹形圖也可以直觀地看到，若將15個(gè)公司分為2類，則13獨(dú)自為一類，其余的為一類；若分為3類，則公司8分離出來，自成一類。以此類推。 各樣品所屬類別表 聚類樹形圖b) K均值法的步驟如下：1. 在SPSS窗口中選擇Analyze→Classify→KMeans Cluster，調(diào)出K均值聚類分析主界面，并將變量X1X8移入Variables框中。在Method框中選擇Iterate classify，即使用Kmeans算法不斷計(jì)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(jìn)行聚類，在聚類過程中不改變類中心）。在Number of Cluster后面的矩形框中輸入想要把樣品聚成的類數(shù)，這里我們輸入3，即將15個(gè)公司分為3類。（Centers按鈕，則用于設(shè)置迭代的初始類中心。如果不手工設(shè)置，則系統(tǒng)會(huì)自動(dòng)設(shè)置初始類中心，這里我們不作設(shè)置。） K均值聚類分析主界面2. 點(diǎn)擊Iterate按鈕，對(duì)迭代參數(shù)進(jìn)行設(shè)置。Maximum Iterations參數(shù)框用于設(shè)定Kmeans算法迭代的最大次數(shù)，輸入10，Convergence Criterion參數(shù)框用于設(shè)定算法的收斂判據(jù)，輸入0，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。單擊Continue，返回主界面。 Iterate子對(duì)話框3. 點(diǎn)擊Save按鈕，設(shè)置保存在數(shù)據(jù)文件中的表明聚類結(jié)果的新變量。我們將兩個(gè)復(fù)選框都選中，其中Cluster membership選項(xiàng)用于建立一個(gè)代表聚類結(jié)果的變量，默認(rèn)變量名為qcl_1；Distance from cluster center選項(xiàng)建立一個(gè)新變量，代表各觀測(cè)量與其所屬類中心的歐氏距離。單擊Continue按鈕返回。 Save子對(duì)話框4. 點(diǎn)擊Options按鈕，指定要計(jì)算的統(tǒng)計(jì)量。選中Initial cluster centers和Cluster information for each case復(fù)選框。這樣，在輸出窗口中將給出聚類的初始類中心和每個(gè)公司的分類信息，包括分配到哪一類和該公司距所屬類中心的距離。單擊Continue返回。 Options子對(duì)話框5. 點(diǎn)擊OK按鈕，運(yùn)行K均值聚類分析程序。聚類結(jié)果分析:以下三表給出了各公司所屬的類及其與所屬類中心的距離，聚類形成的類的中心的各變量值以及各類的公司數(shù)。由以上表格可得公司13與公司8各自成一類，其余的公司為一類。通過比較可知，兩種聚類方法得到的聚類結(jié)果完全一致。，每個(gè)地區(qū)調(diào)查了反映每人平均生活消費(fèi)支出情況的六個(gè)經(jīng)濟(jì)指標(biāo)。試通過統(tǒng)計(jì)分析軟件用不同的方法進(jìn)行系統(tǒng)聚類分析，并比較何種方法與人們觀察到的實(shí)際情況較接近。地區(qū)食品衣著燃料住房交通和通訊娛樂教育文化北京天津河北山西內(nèi)蒙遼寧吉林黑龍江上海江蘇浙江5安徽福建江西山東河南解:令食品支出為X1，衣著支出為X2，燃料支出為X3，住房支出為X4，交通和通訊支出為X5，娛樂教育文化支出為X6，不同的方法在第4個(gè)步驟的Method子對(duì)話框中選擇不同的Cluster method。1. Betweengroup inkage（組間平均數(shù)連接距離） 上表給出了把全國(guó)16個(gè)地區(qū)分為2類、3類和4類時(shí)，各地區(qū)所屬的類別，另外從右邊的樹形圖也可以直觀地觀察到，若用組間平均數(shù)連接距離將這些地區(qū)分為3類，則9（上海）獨(dú)自為一類，1（北京）和11（浙江）為一類，剩余地區(qū)為一類。2. Withingroup linkage（組內(nèi)平均連接距離） 若用組內(nèi)平均數(shù)連接距離將這些地區(qū)分為3類，則9（上海）獨(dú)自為一類，1（北京）獨(dú)自為一類，剩余地區(qū)為一類。3. Nearest neighbor（最短距離法） 若用最短距離法將這些地區(qū)分為3類，則9（上海）獨(dú)自為一類，1（北京）獨(dú)自為一類，剩余地區(qū)為一類。4. Furthest neighbor（最遠(yuǎn)距離法） 若用最遠(yuǎn)距離法將這些地區(qū)分為3類，則9（上海）獨(dú)自為一類，1（北京）和11（浙江）為一類，剩余地區(qū)為一類。5. Centroid cluster（重心法） 若用重心法將這些地區(qū)分為3類，則9（上海）獨(dú)自為一類，1（北京）和11（浙江）為一類，剩余地區(qū)為一類。6. Median cluster（中位數(shù)距離） 若用中位數(shù)距離法將這些地區(qū)分為3類，則9（上海）獨(dú)自為一類，1（北京）和11（浙江）為一類，剩余地區(qū)為一類。7. Ward method（離差平方和） 若用離差平方和法將這些地區(qū)分為3類，則9（上海），1（北京）和11（浙江）為一類，2（天津）、6（遼寧）、7（吉林）、10（江蘇）、12（安徽）、13（福建）和14（江西）為一類，剩余地區(qū)為一類。 根據(jù)上題數(shù)據(jù)通過SPSS統(tǒng)計(jì)分析軟件進(jìn)行快速聚類運(yùn)算，并與系統(tǒng)聚類分析結(jié)果進(jìn)行比較。解：快速聚類運(yùn)算即K均值法聚類，聚類結(jié)果如下： 聚類的結(jié)果為9（上海）獨(dú)自為一類，1（北京）、2（天津）、6（遼寧）、7（吉林）、10（江蘇）、11（浙江）、13（福建）和14（江西）為一類，剩余地區(qū)為一類。：人均GDP（元）、人均工業(yè)產(chǎn)值（元）、客運(yùn)總量（萬人）、貨運(yùn)總量（萬噸）、地方財(cái)政預(yù)算內(nèi)收入（億元）、固定資產(chǎn)投資總額（億元）、在崗職工占總?cè)丝诘谋壤ǎィ?、在崗職工人均工資額（元）、城鄉(xiāng)居民年底儲(chǔ)蓄余額（億元）。試通過統(tǒng)計(jì)分析軟件進(jìn)行系統(tǒng)聚類分析，并比較何種方法與人們觀察到的實(shí)際情況較接近。城市北京318863316830520306715932000253126441天津2643343732350734679205934186481825石家莊1513413159118431000849416123061044太原15752158312975152483319712679660呼和浩特1899111257350841552118214116255沈陽232681544666121463681557149611423大連29145276151100121081111407175601310長(zhǎng)春18630210456999108924629413870831哈爾濱1482575616458951876423124511154上海46586770837212638618992274273056055南京27547438531679014805136794221901134杭州32667498232134916815150717246671466寧波32543479042493813797139555236911060合肥1062111714603446413624513901359福州2228121310968082506737615053876廈門5359093126444130557023819024397南昌142219205572844543121013913483濟(jì)南23437226345810143547642916027758青島2470535506146663055312054815335908鄭州166741402310709784766373135381048武漢2127817083118821661080623137301286長(zhǎng)沙15446887310609106316043