SPSS聚类分析过程
聚类的主要过程一般可分为如下四个步骤： 1.数据预处理（标准化）
2.构造关系矩阵（亲疏关系的描述） 3.聚类（根据不同方法进行分类） 4.确定最佳分类（类别数）
SPSS软件聚类步骤
1. 数据预处理（标准化）
→Analyze(分析) →Classify (分类，归类)→Hierachical Cluster Analysis（层序聚类分析） →Method（方法，条理，）然后从对话框中进行如下选择
从Transform Values框中点击向下箭头，此为标准化方法，将出现如下可选项，从中选一即可：
标准化方法解释：None：不进行标准化，这是系统默认值；Z Scores（Z-Scores, 英文名又叫
Standardized Population Data, 是以标准差单位来表现的一组观察值）：标准化变换；Range –1 to
1：极差标准化变换（作用：变换后的数据均值为0，极差为1，且|xij*|<1，消去了量纲的影响；在以后
的分析计算中可以减少误差的产生。）；Range 0 to 1（极差正规化变换 / 规格化变换）；
2. 构造关系矩阵
在SPSS中如何选择测度（相似性统计量）:
→Analyze →Classify →Hierachical Cluster Analysis →Method 然后从对话框中进行如下选择
常用测度（选项说明）：Euclidean distance：欧氏距离（二阶Minkowski距离），用途：聚类分析中用得最广泛的距离；Squared Eucidean distance：平方欧氏距离；Cosine：夹角余弦(相似性测度；Pearson correlation：皮尔逊相关系数； 3. 选择聚类方法
SPSS中如何选择系统聚类法 常用系统聚类方法
a）Between-groups linkage 组间平均距离连接法
方法简述：合并两类的结果使所有的两两项对之间的平均距离最小。（项对的两成员分属不同类）特点：非最大距离，也非最小距离 b）Within-groups linkage 组内平均连接法
方法简述：两类合并为一类后，合并后的类中所有项之间的平均距离最小
C）Nearest neighbor 最近邻法（最短距离法）
方法简述：用两类之间最远点的距离代表两类之间的距离，也称之为完全连接法 d）Furthest neighbor 最远邻法（最长距离法）
方法简述：用两类之间最远点的距离代表两类之间的距离，也称之为完全连接法 e）Centroid clustering 重心聚类法
方法简述：两类间的距离定义为两类重心之间的距离，对样品分类而言，每一类中心就是属于该类样品的均值
特点：该距离随聚类地进行不断缩小。该法的谱系树状图很难跟踪，且符号改变频繁，计算较烦。
f）Median clustering 中位数法
方法简述：两类间的距离既不采用两类间的最近距离，也不采用最远距离，而采用介于两者间的距离
特点：图形将出现递转，谱系树状图很难跟踪，因而这个方法几乎不被人们采用。 g）Ward’s method 离差平方和法
方法简述：基于方差分析思想，如果分类合理，则同类样品间离差平方和应当较小，类与类间离差平方和应当较大
特点：实际应用中分类效果较好，应用较广；要求样品间的距离必须是欧氏距离。
(完整版)01-SPSS软件聚类分析过程的图文解释及结果的全面分析
