SPSS聚类分析：二阶聚类分析

一、概念（分析-分类-两步聚类）。

是一个探索工具，用来揭示数据集中的自然分组（或聚类），如果不揭示，这些分组是不明显的。此过程使用的算法有多个不错的特征使其区分于传统聚类技术：◎分类变量和连续变量的处理。通过假设变量是独立的，可以假设分类变量和连续变量服从联合多项正态分布。◎聚类数的自动选择。通过跨不同的聚类解比较模型选择准则的值，该过程可以自动确定最优的聚类数。◎可缩放性。通过构造摘要记录的聚类特征(CF)树，二阶算法允许您分析大型数据文件。

二、说明（分析-分类-两步聚类）

   1、距离测量。此选项确定如何计算两个聚类之间的相似性。◎对数相似性。该似然度量假设变量服从某种概率分布。假设连续变量是正态分布，而假设分类变量是多项分布。假设所有变量均是独立的。◎欧几里德距离。欧几里德距离测量是两个聚类之间的“直线”距离。它只能用于所有变量连续的情况。

2、聚类数。此选项允许您指定如何确定聚类数。◎自动确定。该过程将使用在“聚类准则”组中指定的准则，自动确定“最好”的聚类数。或者，还可以输入一个正整数指定过程应考虑的最大聚类数。◎指定固定值。允许您固定解中的聚类数。最小值不能大于最大值。

3、连续变量计数。此组提供了在“选项”对话框中指定的连续变量标准化的摘要。

4、聚类准则。此选项确定自动聚类算法如何确定聚类数。可以指定Bayesian信息准则(BIC)或Akaike信息准则(AIC)。

5、假设。似然距离测量假设聚类模型中的变量是独立的。而且，假设每个连续变量具有正态（高斯）分布，假设每个分类变量具有多项分布。经验内部检验表明，该过程对于违反独立性假设和分布假设均相当稳健，但您应尝试了解这些假设符合的程度。使用双变量相关过程可检验两个连续变量的独立性。使用交叉表过程可检验两个分类变量的独立性。使用均值过程可检验连续变量和分类变量之间的独立性。使用探索过程可检验连续变量的正态性。使用卡方检验过程可检验分类变量是否具有指定的多项分布。

三、选项（分析-分类-两步聚类-选项）

1、离群值处理。该组允许您在聚类特征(CF)树填满的情况下，在聚类过程中特别地处理离群值。如果CF树的叶节点中不能接受更多的个案，且所有叶节点均不能分割，则

说明CF树已满。

2、内存分配。此组允许您以兆字节(MB)为单位，指定聚类算法应使用的最大的内存量。如果该过程超过了此最大值，则将使用磁盘存储内存中放不下的信息。请指定大于等于4的数。

3、变量标准化。聚类算法处理标准化连续变量。任何未标准化的连续变量都应保留为“要标准化的变量”列表中的变量。为了节省部分时间和计算工作，您可以选择任何已标准化的连续变量作为“假定已标准化的变量”列表中的变量。

4、CF树调节准则。以下聚类算法设置特别地应用到聚类特征(CF)树，且应谨慎地更改：◎初始距离更改阈值。这是用来使CF树生长的初始阈值。如果将给定的个案插入到CF树的叶子中将生成小于阈值的紧度，则不会分割叶子。如果紧度超过阈值，则会分割叶子。◎最大分支（每个叶节点）。叶节点可以具有的最大子节点数。◎最大树深度。CF树可以具有的最大级别数。◎可能的最大节点数。这指示过程可能生成的最大CF树节点数，基于函数(bd+1–1)/ (b–1)，其中b是最大分支，d是最大树深度。请注意，非常大的CF树可能会耗尽系统资源，从而对过程的性能产生不利影响。每个节点最少需要16个字节。

5、聚类模型更新。此组允许您导入和更新在先前分析中生成的聚类模型。输入文件以XML格式包含CF树。然后将使用活动文件中的数据更新模型。必须在主对话框中以与先前分析中指定的顺序相同的顺序选择变量名。除非您专门将新的模型信息写到相同的文件名中，否则该XML文件保持不变。