SPSS K均值聚类（k-means）和可视化方法

1. 打开数据，依次选择 分析-> 分类 -> K-均值聚类…

 2. 将分类的关键变量选入，这里以PM2.5和O3的监测数据为例。

 3. 单击 迭代…，将 最大迭代次数设置成一个将大的数值，单机 继续

 4. 单击 保存…，勾选 聚类成员和与聚类中心的距离，单击 继续

 5. 单击 选项…，勾选 统计中的所有选项，缺失值中选择 成列排除个案，单击 继续

 6. 聚类数设置为5，单击确定

 7. 结果解读：迭代历史记录，反应了迭代过程中聚类中心的变动情况。第10次无变动，说明算法收敛。

 8. 结果解读：最终聚类中心，是个各类的均值，可用于之后的分类。

 9. 结果解读：最终聚类中心之间的距离，可用于分析聚类情况是否合适，是否有必要减少或增加类的数量

 10. 结果解读：ANOVA（单因素方差分析），可根据F值大小近似得到变量对聚类的贡献，如下表说所示，重要程度排序为 O3_OBS > PM25_OBS，同时 二者的显著性均低于0.05，均对聚类有显著的贡献。

11 .结果解读：每个聚类中的个案数目，统计各类别数目及缺失情况。

 12. 聚类结果，会保存在数据表中，QCL_1标注个案的类别，QCL_2表示个案与聚类中心的距离

 13. 可视化，依次选择 图形 -> 图表构建器…

 14. 选择 散点图/点图 中的分组散点图，将其拖入绘图展示区中

 15. 将O3_OBS和PM25_OBS分别拖入横轴和纵轴

 16. 将个案聚类编号拖入设置颜色方框中，单击确定

 17. 绘图效果如下所示，可以直观展示聚类效果。

 

 

 

参考资料：

https://www.sohu.com/a/208536450_109461

https://blog.csdn.net/weixin_44255182/article/details/108969852