聚类分析实验报告__SPSS

一、实验目的及要求： 1、目的 用SPSS软件实现聚类分析及其应用。 2、内容及要求 用SPSS对实验数据运用系统聚类法和K均值聚类法进行分析。 二、仪器用具： 仪器名称 规格/型号 数量 备注 计算机 1 有网络环境 SPSS软件 1 三、实验方法与步骤: 准备工作：把实验所用数据从Word文档复制到Excel，并进一步导入到SPSS数据文件中。 分析：由于本实验中要对31个个案进行分类，数量比较大，用系统聚类法当然也可以得出结果，但是相比之下在数据量较大时，K均值聚类法更快速高效，而且准确性更高，因此，在以下的分析过程中，先采用系统聚类法分析，得出相应结果和碎石图（即聚合系数随分类数变化的曲线图），根据碎石图来判定分几类比较合适，然后再用K均值聚类法进行聚类分析得出结果，比较两结果的异同，以得到比较可信的结果。 四、实验结果与数据处理： 1）用系统聚类法对所有个案进行聚类： 采用Z分数对数据进行标准化处理。 以下图一为聚类方法为“组间联接”时的冰柱图，图二为聚类方法为“Ward法”时的冰柱图，图三为聚类方法为“质心聚类法”时的冰柱图。 不难看出在分五类的情况下，（未标出的所有为一类） 图一的分类为：北京；天津；上海、浙江、广东；辽宁、四川、江苏、山东；…… 图二的分类为：北京；天津；上海、海南、浙江、广东；辽宁、四川、江苏、山东；……图三的分类为：北京；天津；上海、浙江、广东；辽宁、四川、江苏、山东；…… 聚类方法为“组间联接”与“质心聚类法”时分五类的情况是一样的，而聚类方法为“Ward法”时与它们两个有些许差别，但总的来说在分五类时，比较可信的结论是北京、天津单独为一类，辽宁、四川、江苏、山东为一类，上海、浙江、广东为一类，在海南省的划分上有些差异，“Ward法”中将其与上海、浙江、广东分为一类，但是其余两个将海南与未列出各省划为一类。 图一 图二 图三 2）系统聚类法分析时的碎石图： 聚类方法为“组间联接”时的碎石图： 聚类方法为“Ward法”时的碎石图： 聚类方法为“质心聚类法”时的碎石图： 由这三个图可以看出在聚类方法为“Ward法”时的碎石图不如另外两个图落差那么明显，但是综合这三个图来看，分五类还是相对比较合理的，这也是为什么在第一部分的分析中只看了分五类时的情况，而且在下面的K均值聚类分析中，也将指定聚类数为5. 3）K均值聚类： 在下页 表 关于同志近三年现实表现材料材料类招标技术评分表图表与交易pdf视力表打印pdf用图表说话 pdf 一中显示了样品的分类情况，我们看到，K均值聚类法将所分析的31个省、市、自治区分为这样的五类： 1：北京； 2：福建、海南； 3：辽宁、江苏、山东、四川； 4：天津、上海、浙江、广东； 5：剩下的20个省、市、自治区。 对比之前系统聚类法的分析结果，我们可以明显感觉到二者的聚类结果还是有较大差异的，尽管如此，仍然有相似之处，在两种方法下，都是北京单独为一类，辽宁、四川、江苏、山东为一类，上海、浙江、广东在一类中，所以综合这两种方法得到的这些省、市、自治区的分类应该还是比较可信的。 表一 聚类成员 案例 全员育人导师制案例信息技术应用案例心得信息技术教学案例综合实践活动案例我余额宝案例 号 省份 聚类 距离 1 北京 1 .000 2 天津 4 4858.518 3 河北 5 2437.069 4 山西 5 2756.057 5 内蒙古 5 1259.428 6 辽宁 3 1851.996 7 吉林 5 2383.755 8 黑龙江 5 2065.670 9 上海 4 4346.782 10 江苏 3 2020.990 11 浙江 4 2963.427 12 安徽 5 1791.589 13 福建 2 2648.765 14 江西 5 2436.133 15 山东 3 1524.880 16 河南 5 2522.320 17 湖北 5 2225.459 18 湖南 5 1700.929 19 广东 4 4382.189 20 广西 5 1714.006 21 海南 2 2648.765 22 重庆 5 2673.915 23 四川 3 2083.996 24 贵州 5 2023.430 25 云南 5 1628.781 26 西藏 5 6160.693 27 陕西 5 1786.561 28 甘肃 5 3418.506 29 青海 5 2981.479 30 宁夏 5 2131.259 31 新疆 5 1541.829 下页表二是方差分析表，这里的F值只能作为描述使用，不能根据该值判断各类均值是否有显著差异。从该表可以看出，所选择的9个变量对分类均有显著贡献。 表二 ANOVA 聚类 误差 F Sig. 均方 df 均方 df 房屋平均销售价格 34522436.534 4 261277.010 26 132.130 .000 住宅平均销售价格 31815585.858 4 281908.617 26 112.858 .000 别墅、高档公寓平均销售价格 76657879.137 4 2053147.885 26 37.337 .000 经济适用房平均销售价格 1967643.236 4 160745.356 26 12.241 .000 办公楼平均销售价格 58725137.655 4 2007948.202 26 29.246 .000 商业营业用房平均销售价格 46733455.722 4 990173.537 26 47.197 .000 其他平均销售价格 12044438.360 4 1270360.473 26 9.481 .000 商品房销售面积 9849067.315 4 1066492.321 26 9.235 .000 住宅销售面积 7958587.713 4 854039.674 26 9.319 .000 F 检验应仅用于描述性目的，因为选中的聚类将被用来最大化不同聚类中的案例间的差别。观测到的显著性水平并未据此进行更正，因此无法将其解释为是对聚类均值相等这一假设的检验。 表三 最终聚类中心 聚类 1 2 3 4 5 房屋平均销售价格 12418 4914 3484 6606 2578 住宅平均销售价格 11648 4970 3324 6395 2430 别墅、高档公寓平均销售价格 19541 8196 7546 10035 4537 经济适用房平均销售价格 3813 2000 1777 2723 1633 办公楼平均销售价格 16554 5609 5495 10459 4532 商业营业用房平均销售价格 17148 6882 5363 8256 4549 其他平均销售价格 6416 3422 2823 5800 2485 商品房销售面积 1335.37 999.06 4797.98 2858.95 1600.43 住宅销售面积 1031.43 804.36 4325.20 2496.01 1467.77 在所分析的9个变量中，前七个为各种房屋的平均销售价格，后两个为商品房和住宅的销售面积。表三为最终聚类中心表，可以看到，第1类地区各种房屋的平均销售价格（前7个变量）最高，其次为第4类，然后是第2类、第3类、第5类。而第3类地区的商品房和住宅销售面积（后2个变量）最大，其次为第4类，然后是第5类、第1类、第2类。 4）总结和结论： 综上所述，北京地区各种房屋的平均销售价格是最高的，而商品房和住宅的销售面积相对还是比较少的，考虑到该地区的特殊性（为我国的首都），寸土寸金，这样的事实还是可以让人接受的。上海、浙江、广东三个地区各种住房的平均销售价格、商品房和住宅的销售面积都处于第二位，虽然商品房和住宅的销售面积也蛮大，但是人口密度太大，在这种需求大于供给的情况下，房屋价格会高也是必然的。另外，辽宁、江苏、山东、四川四个地区商品房和住宅的销售面积位于五类地区之首，各种住房的平均销售价格排在第四位。 PAGE 9