作為廣受數據分析師青睞的一款數據統計和分析軟件，IBM SPSS Statistics中有全面的數據分析方法，今天我們要介紹的是它的聚類分析中的快速聚類分析。

一、方法概述

聚類分析是將研究對象按照一定的標準進行分類的方法，分類結果是每一組的對象都具有較高的相似度，組間的對象具有較大的差異。

這類分析方法多用于對于數據樣本沒有特定的分類依據的情況，IBM SPSS Statistics會通過對數據的觀察為用戶做出較為完善的分類。

圖1：功能位置

快速聚類是聚類分析的一種，使用到的功能在“分析”——“分類”中的“K-均值聚類”。

二、案例分享

1.樣本數據

圖2：功能位置

我們這里選擇的數據樣本是一部分學生的各科期末成績，使用快速聚類方法可以分析各個學生成績分布的差異和共性。

2.變量設置

圖3：功能位置

我們將學生的所有單科成績作為分析變量，移入到“變量”窗口中，將學生的編號變量移入到下側的“個案標記依據”窗口。

聚類數設置的是分類的數目，這個需要根據數據樣本的特點來設置，我們這里設置為4類。

聚類方法有兩類，即迭代和分類，前者較為復雜，會在分析過程中不斷移動凝聚點，后者則始終使用初始凝聚點，我們選擇兩類都有的第一種分析方法。

3.聚類中心

圖4：聚類中心

用戶可以選擇從外部文件或數據文件中寫入或讀取聚類中心，本案例中我們不使用這個功能。

4.迭代設置

圖5：迭代設置

我們可以設置迭代的終止條件，即到達設定的最大值后將停止迭代分析，輸出聚類分析結果。

收斂性標準設置的是凝聚點改變的最大距離小于初始凝聚點的比例，小于設定值時，也會停止迭代，輸出結果。

使用運行均值表示每次觀測后都重新計算凝聚點，這些設置保持默認即可。

5.保存

圖6：保存新變量

這是用來設置保存形式的，勾選“聚類成員”將保存SPSS的分類結果，勾選“與聚類中心的距離”將保存觀測值和所屬類別的歐氏距離，我們不做設置。

6.選項

圖7：選項設置

這個對話框設置的是輸出的統計量和個案缺失處理方法，勾選“初始聚類中心”和“每個個案的聚類信息”。

7.結果輸出

圖8：聚類結果

在輸出日志中可以看到，這些學生根據他們的單科成績被分成了四類，SPSS輸出了多個表格，包括初始聚類中心、迭代歷史記錄、聚類成員、最終聚類中心、最終聚類中心之間的距離和每個聚類中的個案數目，完整詳細，可信度較高。

三、小結

使用IBM SPSS Statistics進行快速聚類的方法和案例分享就是這么多啦，這是一個較為常用的分類分析法，適用程度很高，希望可以對大家有所幫助！