在上一篇文章中，我们探讨了SPSS中的系统聚类分析，其中包括Q型和R型聚类。这些方法主要用于探索数据中可能存在的类别数量，而不是预设具体的类别数。这种方式允许我们从数据中发现潜在的分类模式。回顾之前的内容可以帮助大家更好地理解接下来的分析：
今天，我们将深入了解K-均值聚类，它与系统聚类的不同之处在于，我们对最终的类别数有明确的要求或依据。K-均值聚类适用于我们已经知道要将数据分为固定类别的情况。接下来我们将展示如何应用K-均值聚类方法。
需要注意的是，K-均值聚类方法专门针对样本进行分类。以我们的示例数据为例（见图1），我们的目标是将样本明确地分为三类。
图1
操作步骤：
①点击“分析”--“分类”--“K-均值聚类”（见图2）
图2
②接着，将变量γ1-5移动到右侧变量框，并设置聚类数为“3”（见图3）
图3
③点击“保存”按钮，勾选“聚类成员”选项（见图4）
图4
④然后，点击“选项”，勾选“统计”栏目下的“初始聚类中心”和“每个个案的聚类信息”（见图5），最后点击确定
图5
⑤结果分析
图6
从结果图中可以看到，我们在变量视图中新增了一列，显示了31个样本的新分类。
图7
结果显示，1类包含9个样本，2类包含18个样本，3类包含4个样本。尽管分类已经完成，但这些类别之间的关系是什么呢？我们可以通过查看最终聚类中心来了解（见图8）。
图8
通过最终的聚类中心表，我们可以发现：第3类的γ指标值最高，第1类的指标值中等，而第2类的指标值最低。由此，我们能够快速而准确地将31个样本分为高中低三个类别。
总结一下，K-均值聚类是一种有明确分类目标的方法，与之前讨论的系统聚类的探索性质不同，K-均值聚类要求我们事先确定类别数。希望今天的讲解对大家有所帮助，未来的文章中还将继续更新SPSS的其他课程内容，敬请期待！
本期课程结束，谢谢大家的耐心观看！每日更新，敬请关注！
【杏花开生物医药统计】微信公众号（xhkdata）
【杏花开生物医药统计】相关文章：
·
·
·
·
·
·
·
·
·
·
·
·
·
·
·
·
·
·
·
·
·
·
·
·
·
·
·
·
·
·