系统聚类

学习聚类分析，一上来就是样本间的距离：Minkowski距离、兰氏距离、马氏距离、斜交空间距离，还有相似系数，接着一大堆分析方法：最短距离法（SIN）,最长距离法（COM）、中间距离法（MED）、重心法（CEN）、类平均法（AVE）、可变类平均法（FLE）、利差平方和法（WARD）、密度估计法（DEN）等等。

 

搞清楚这些概念太不容易了，接着照葫芦画瓢：作数据转换（非必须），计算距离得距离矩阵，按需要合并两类成新的一类，计算新类与其它距离得新的距离矩阵然后继续合并直至只有一类，画谱系聚类图，决定分类的个数及类成员。

 

在SPSS软件中，菜单Analyze-Classify-Hierarchical Cluster下面的选项包括了上面全部内容，依据需作相应的设置。SAS中PROC CLUSTER语句也可以作相应的操作。下面例子更形象说明上述操作：

数据"小康指数"为SPSS数据,数据来源：《多元统计方法与应用》

下面试图用SAS完成类似的工作。

proc cluster data=sample method=ward pseudo outtree=tree;/*作ward法系统聚类*/
   id dq;
   var X1-X6;
RUN;
proc tree horizontal;/*画相应的树状图*/
run;

需要注意的是次序序列和分层数据不适合聚类；而且对于不同单位数据的需要作相应处理；另外变异性大的数据对聚类影响会更大，通常需要标准化处理。 PROC ACECLUS语句可以解决这类问题。假设对上面的数据作相应的处理，可以写作：

proc aceclus data=sample out=sample2 p=.05 outstat=score;

     var X1-X6;

run;