1、统计分析与SPSS的应用第五版课后练习答案第10章统计分析与SPSS的应用（第五版）（薛薇）课后练习答案第10章SPSS的聚类分析1、根据“高校科研研究.sav”数据，利用层次聚类分析对各省市的高校科研情况进行层次聚类分析。要求：1） 根据凝聚状态表利用碎石图对聚类类数进行研究。2） 绘制聚类树形图，说明哪些省市聚在一起。3） 绘制各类的科研指标的均值对比图。4） 利用方差分析方法分析各类在哪些科研指标上存在显著差异。采用欧氏距离，组间平均链锁法利用凝聚状态表中的组间距离和对应的组数，回归散点图，得到碎石图。大约聚成4类。步骤：分析分类系统聚类按如下方式设置 结果：凝聚计划阶段组合的集群系数首
2、次出现阶段集群下一个阶段集群 1集群 2集群 1集群 212630328.18900222629638.2951073宽宽的门 大大的窗 红红的苹果20（14）自己学会（生活）的本领，才能成为（真正）的狮子。251053.4231、音节补充声母、韵母、声调。00又细又长 又白又胖 又唱又跳 又紫又亮54非和飞 气和汽 以和已 请和情 玩和完 很和得 跳和桃4九、语气词及标点符号的使用12一（ 幅 ）画 一（束）鲜花 一（ 座）天安门 一（艘）军舰1209.922一把尺 一双手 一个人 一群人 一堆土001558例：我已经长大了。 小树已经发芽了。20鲜艳的花朵 甜甜的笑容 高高的灯笼1505.
3、03503668161760.170509724261831.926021087111929.89100119582302.02406221024312487.209702211272709.88708161222282897.1060019136232916.55100171410193280.7520025154213491.585402116234229.37511021176134612.42313020189185377.25300251914225622.41501224206155933.5181702321246827.276161526225247930.7659102423
4、6279475.498200262451414959.7042219282591019623.050181427262624042.6692123282791732829.46625029282548360.854262429292991313.5302827303012293834.5030290将系数复制下来后，在EXCEL中建立工作表。选中数据列，点击“插入”菜单拆线图 碎石图：由图可知，北京自成一类，江苏、广东、上海、湖南、湖北聚成一类。其他略。接下来，添加一个变量CLU4_1，其值为类别值。（1、2、3、4），再数据汇总设置确定。均值对比，依据聚类解，利用分类汇总，计算各个聚类变量的
5、均值方差分析结果：分析比较均值单因素ANOVA设置确定ANOVA平方和df均方F显著性投入人年数组之间59778341.196319926113.73226.428.000组内20357294.15927753973.858总计80135635.35530投入高级职称的人年数组之间16485966.82035495322.27334.553.000组内4294074.14727159039.783总计20780040.96830投入科研事业费（百元）组之间132451401880.884344150467293.628324.318.000组内3675602946.79427136133442
6、.474总计136127004827.67730课题总数组之间16470536.56435490178.85532.181.000组内4606273.43627170602.720总计21076810.00030专著数组之间7203690.38532401230.12861.327.000组内1057167.8092739154.363总计8260858.19430论文数组之间219675698.219373225232.74017.693.000组内111743385.717274138643.915总计331419083.93530获奖数组之间169882.049356627.3503.6
7、19.026组内422436.7902715645.807总计592318.83930不同组在各个聚类变量上的均值均存在显著差异。2、试说明当变量存在数量级上的差异，进行层次聚类分析时为什么要对数据进行标准化处理？因为数量级将对距离产生较大影响，并影响最终聚类结果。3、试说明变量之间的高度相关性是否会对层次聚类分析结果造成影响？为什么？会。如果所选变量之间存在较强的线性关系，能够相互替代，在计算距离时同类变量将重复“贡献”，占有较高权重，而使最终的聚类结果偏向该类变量。4、试说明K-Mean聚类分析的基本步骤。K-Means聚类分析步骤：确定聚类数目K-确定K个初始类中心点-根据距离最近原则进
8、行分类-重新确定K个类中心点-判断是否已经满足终止条件。是一个反复迭代的分类过程。在聚类过程中，样本所属的类会不断调整，直至达到最终稳定为止。5、收集到我国2007年各地区城镇居民家庭平均每人全年消费支出数据，数据文件名为：“消费结构.sav”， 变量包括：地区、消费性支出总额、食品、衣着、居住、家庭设备用品及服务、医疗保健、交通和通信、教育文化娱乐服务、医疗保健、杂项商品和服务支出。若采用层次聚类法（个体间距离定义为平方欧氏距离，类间距离定义为组间平均链锁距离），绘制的碎石图如下：（1）依据上图，数据聚成几类较为恰当？（2）试采用K-MEANS聚类方法，从类内相似性和类间差异性角度分析将数据
9、聚成几类较为恰当。（1）聚成3类较为恰当。注：碎石图可按第9章第1题方式绘制，也可按如下方式绘制。步骤：分析降维因子分析导入全部变量到变量框中（地区变量除外）抽取：选中碎石图继续确定。得到：（可以看出，分成3类恰当）（2）用K-MEANS聚类方法进行分类，比较分类数为2、3、4时的差别。步骤：分析分类K-平均聚类地区变量导入到标注个案，其他变量全部导入到变量框中聚类数填2选项：选中初始聚类中心和ANOVA继续确定。得到：ANOVA聚类错误F显著性均方df均方df食品13927902.9671246753.7792956.445.000衣着278718.565137555.425297.422.
10、011居住667583.436131940.7642920.901.000家庭设备用品及服务411657.258114558.0412928.277.000医疗保健325304.302134400.296299.456.005交通和通信10285607.457157486.40029178.922.000教育文化娱乐服务5226361.465169080.9332975.656.000杂项商品和服务248312.93116496.5502938.222.000仅当出于描述目的时才应该使用 F 检验，因为已选择聚类用于将不同聚类中的个案的差异最大化。 受观察的显著性级别并未因此得到更正，所以无法
11、将这些级别解释为“聚类方法是等同的”假设的检验。每个聚类中的个案数量聚类14.000227.000有效31.000缺失.000将上图中的聚类数修改为3，则得到：ANOVA聚类错误F显著性均方df均方df食品8311754.5092159294.7702852.178.000衣着100878.509241645.317282.422.107居住565811.147216508.6902834.274.000家庭设备用品及服务237257.836212833.0272818.488.000医疗保健198689.996233054.746286.011.007交通和通信4709934.0642904
12、58.7482852.067.000教育文化娱乐服务2676015.304267059.9262839.905.000杂项商品和服务150742.66624829.5552831.213.000仅当出于描述目的时才应该使用 F 检验，因为已选择聚类用于将不同聚类中的个案的差异最大化。 受观察的显著性级别并未因此得到更正，所以无法将这些级别解释为“聚类方法是等同的”假设的检验。每个聚类中的个案数量聚类11.000225.00035.000有效31.000缺失.000将上图中的聚类数修改为4，则得到：ANOVA聚类错误F显著性均方df均方df食品6461251.597362963.25127102
13、.619.000衣着135334.013335623.106273.799.022居住237725.271332618.140277.288.001家庭设备用品及服务142250.914315077.322279.435.000医疗保健111992.289336553.186273.064.045交通和通信3596731.324343056.2632783.536.000教育文化娱乐服务1812882.568366335.5862727.329.000杂项商品和服务97486.29135342.7412718.246.000仅当出于描述目的时才应该使用 F 检验，因为已选择聚类用于将不同聚类中
14、的个案的差异最大化。 受观察的显著性级别并未因此得到更正，所以无法将这些级别解释为“聚类方法是等同的”假设的检验。每个聚类中的个案数量聚类11.00023.000315.000412.000有效31.000缺失.000从3个ANOVA表可以看出，分为2类时，P-值均小于0.05，表明有显著差异；分为3类时，出现了“衣着”的P-值为0.107，大于0.05；分为4类时，P-值均小于0.05，表明有显著差异。表明仅从ANOVA表看，分为3类，不合适。再看F值，F值大表明组间差大，组内差小，即类内相似性大，类间差异性大，经比较可以看出，分类2类时，组间方差和组内方差均较大，而分为4类时，组间方差和组内方差相对来说，组内方差缩小得明显一些。故分为4类较为恰当。
