吴喜之教授详解SPSS聚类与判别分析：样品与变量分类

本资源是一份由吴喜之教授讲解的关于聚类分析与判别分析的讲义，主要使用SPSS软件进行教学。聚类分析是基于事物特性的个体分类方法，旨在将相似的个体归为一类，通过样品聚类（如运动员选拔和课外活动分组）和变量聚类（如衣物尺寸标准化）来实现。样品聚类关注于观测量，而变量聚类则关注代表性自变量的选择，以便于批量生产。 判别分析则有所不同，它依赖于已知的数值变量和分类信息，通过求解判别函数对未知类别进行预测。在自然科学和社会科学中，例如动物分类问题，就是判别分析的应用实例。判别分析过程通常在SPSS的Analyze菜单下的Classify子菜单中进行，包括K-MeansCluster（快速观测量聚类）、HierarchicalCluster（层次聚类，包括观测量和变量聚类）以及Discriminant（判别分析）。 快速样本聚类过程（QuickCluster）使用k-means算法对观测量进行聚类，允许用户选择类别数量、初始聚类中心设置以及数据存储选项。在提供的例子中，通过Analyze > Classify > K-MeansCluster，对运动员数据进行四类分类，结果显示了最终的聚类中心点和各类别的观测数量。 这些内容对于理解并运用SPSS软件进行分类分析具有重要意义，无论是数据科学家、市场研究员还是其他需要处理大量数据集的专业人士，都能从中受益，提升数据分析和决策支持的能力。