在学习聚类分析之前，有几个核心概念需要先理清。这不仅是技术操作的准备，更是理解整个方法逻辑的根基。

层次聚类法（系统聚类）

层次聚类法最直观的输出是树状图（Dendrogram）。解读时记得自右向左看。在图上沿垂直方向画一条截线，线条左侧每一条横连线就对应一个独立类别，你一眼就能读出分类方案。

接下来，可以计算每个簇在各个变量上的均值、标准差、极值等描述性统计量，初步判断分组是否合理。更严谨的做法是，用单因素方差分析（ANOVA）检验不同簇在各变量上是否存在统计学上的显著差异——这一步能大大增强聚类结果的可信度和解释力。

操作统计软件时，务必严格按照界面提示和安全规范来，避免误操作导致数据丢失或分析偏差，这一点怎么强调都不过分。

明确聚类对象

如果你的目标是对观测样本（个案）进行归类，那么在分群依据里就要选择“个案”。要是想依据变量间的相似性对变量本身归类，那就选“变量”。方向错了，结果自然也就偏离了初衷。

Ward法标准化处理

当采用Ward最小方差法做层次聚类时，量纲和数量级差异会严重干扰距离计算，所以必须对原始数据做标准化预处理。推荐使用Z-score标准化——也就是把数据变成均值为0、标准差为1的形态。

完成聚类后，记得点击“保存”，系统会自动生成一个新的分类变量，作为标签列添加到原始数据视图中，后续做交叉分析或可视化就方便多了。

层次聚类 vs K均值聚类

层次聚类通过逐级合并（凝聚式）或分裂（分裂式）实现，天然具备层级结构表达能力，非常适合探索性分析和小规模数据集。不过它的时间复杂度较高，遇到海量数据时效率会明显受限。

相比之下，K均值聚类迭代速度快、可扩展性强，更适配大规模数据场景。但短板也很明显：它不能生成树状图，也无法枚举所有潜在的划分路径，必须由研究者事先指定目标类别数k。

K均值聚类算法流程

• 随机或策略性地选取k个初始中心点。
• 计算每个样本到各中心的欧氏距离，把样本分配到最近中心所属的簇。
• 用各簇内样本的均值更新中心位置，再重新计算距离、调整归属。
• 如此反复迭代，直到满足终止条件：要么达到预设的最大迭代次数（SPSS默认是10次），要么所有聚类中心在本轮更新中的最大位移量低于设定阈值。

整个过程中，初始化敏感性会影响最终结果，但最终输出的往往是紧凑、稳定的球形簇结构。

标准化关键提醒

这里需要特别提醒：当变量间的数量级或量纲差异较大时，必须先执行标准化，再基于标准化后的数据运行K均值聚类，否则距离计算会严重偏向高量级变量，导致聚类结果失真。

实现Z-score标准化的具体操作路径是：依次点击【分析】→【描述统计】→【描述】，在弹出窗口中选中待处理变量，勾选“将标准化得分另存为变量”，系统就会自动创建以“Z_”为前缀的新变量列。

解读聚类中心表

聚类中心表（Centroids Table）是理解各类别典型特征的关键——它展示了每一类在所有参与聚类的变量上的均值。这张表常常被用来命名簇、提炼用户画像或者支撑业务决策，重要性不言而喻。

方差分析的作用

方差分析在这里扮演着双重角色：一方面检验聚类划分在统计上是否有效（即各类别在关键变量上确实存在显著差异），另一方面辅助识别最具区分力的变量，为结果解读和模型精简提供实证支撑。

《夸克》非常好用的免费AI浏览器

下载APP查看