SPSS篩選聚類變量

聚類分析是常見的數據分析方法之一，主要用于市場細分、用戶細分等領域。利用SPSS進行聚類分析時，用于參與聚類的變量決定了聚類的結果，無關變量有時會引起嚴重的錯分，因此，篩選有效的聚類變量至關重要。

案例數據源：

在SPSS自帶數據文件plastic.sav中記錄了20中塑料的三個特征，分別是tear_res（抗拉力）、gloss（光滑度）、opacity（透明度），相關經驗表面這20中塑料可以分為3個種類，如果用這三個變量進行聚類，請判斷和篩選有效聚類變量。

一套篩選聚類變量的方法

一、盲選

將根據經驗得到的、現有的備選聚類變量全部納入模型，暫時不考慮某些變量是否不合適。本案例采用SPSS系統聚類方法。對話框如下:

統計量選項卡：聚類成員選擇單一方案，聚類數輸入數字3；

繪制選項卡：勾選樹狀圖；

方法選項卡：默認選項，不進行標準化；

保存選項卡：聚類成員選擇單一方案，聚類數輸入數字3；

二、初步聚類

這是盲選得到的初步聚類結果，并且在數據視圖我們可以看到已經自動生成了一個聚類結果變量，這個變量非常有用。

三、方差分析

是不是每一個納入模型的聚類變量都對聚類過程有貢獻？利用已經生成的初步聚類結果，我們可以用一個單因素方差分析來判斷分類結果在三個變量上的差異是否顯著，進而判斷哪些變量對聚類是沒有貢獻的。

分析——比較均值——單因素方差分析：

選項選項卡：勾選均值圖

由方差分析我們很明確的得知，納入模型的三個聚類變量，其中只有“透明度”指標在各個分類上有顯著的差異，也就是說分類有效果，讓每個分類的差異很大，而兩外兩個變量則在三個分類上沒有顯著差異，沒有很好的類別區分度，所以，我們可以認為，這兩個變量對聚類無作用或者無貢獻，可考慮踢出模型。

我們還想從可視化的角度來查看和判斷，單因素方差分析為我們提供了均值圖，可惜，這三個圖卻最容易誤導我們的判斷，因為spss在自動生產均值圖時為每一個變量單獨制圖，而且分配不同的縱軸坐標，導致每個圖看起來都有非常大的差異，從視覺上迷惑我們做出錯誤的判斷。

這里需要改進！

四、均值描述

為改進以上SPSS默認選項的不足之處，我們需要自己生成三個變量在不同類別上的均值，means過程可以幫助到我們。

從數字上來看，抗拉力（6.8、6.7、7.1）、光滑度（9.3、9.4、9.2）兩個指標在三個類別上并沒有多大的差異，而對聚類有貢獻的透明度指標在不同類別上區分度非常明顯。

五、多線均值圖

克服縱軸刻度的方法是將這三個指標放在同一個坐標軸上進行對比，也就是制作一個多線均值圖。

此時，結果已經一目了然了。

綜上，我們可以將抗拉力、光滑度兩個指標從模型中剔除，只留下透明度一個指標再進行聚類。

我們發現，前后兩次聚類的結果一模一樣，用一個指標可以代替以前三個指標的進行聚類。

我們這樣做的意義何在？如果能將這些整理成為規則，形成經驗，那我們就可以不用測量抗拉力和光滑度這兩個指標了，你不覺得多測量兩個指標成本會增加嗎？數據分析師培訓