聚類分析的分類方法有很多,按照功能劃分可以分為兩類——樣本聚類(Q型聚類)和變數聚類(R型聚類)。問卷研究中,樣本聚類使用頻率遠高於變數聚類。
按照SPSS軟體的功能進行劃分,聚類分析分為三類,分別是兩步聚類、K-均值聚類和系統聚類(分層聚類)。三種聚類方法各有特點,具體情況如下:
Step1:如果樣本資料度量單位不統一,比如有的題項是以七級量表,而有的題項為五級題項。此時應該進行資料處理,即資料標準化處理。
Step2:由於K-均值聚類法的優點在於速度非常快,因此可以提前進行快速分析,計算不同類別樣本數量進行簡單判斷聚類效果。
Step3:對比另外兩種分析方法時的聚類類別數量情況,綜合判斷找出最優聚類結果。
Step4:分析聚類結果結合不同類別樣本特徵情況,對聚類類別進行有效命名。
Step5:聚類類別命名。
具體針對聚類分析,上述步驟可能並不完全適用,如果聚類變數中有分類資料,則不能使用K-均值聚類分析。
聚類分析的分類方法有很多,按照功能劃分可以分為兩類——樣本聚類(Q型聚類)和變數聚類(R型聚類)。問卷研究中,樣本聚類使用頻率遠高於變數聚類。
按照SPSS軟體的功能進行劃分,聚類分析分為三類,分別是兩步聚類、K-均值聚類和系統聚類(分層聚類)。三種聚類方法各有特點,具體情況如下:
Step1:如果樣本資料度量單位不統一,比如有的題項是以七級量表,而有的題項為五級題項。此時應該進行資料處理,即資料標準化處理。
Step2:由於K-均值聚類法的優點在於速度非常快,因此可以提前進行快速分析,計算不同類別樣本數量進行簡單判斷聚類效果。
Step3:對比另外兩種分析方法時的聚類類別數量情況,綜合判斷找出最優聚類結果。
Step4:分析聚類結果結合不同類別樣本特徵情況,對聚類類別進行有效命名。
Step5:聚類類別命名。
具體針對聚類分析,上述步驟可能並不完全適用,如果聚類變數中有分類資料,則不能使用K-均值聚類分析。