聚类分析负值

A. 聚类分析时如果各变量之间有权重关系该怎么处理

本来想给你截图的，可是传不上来，我就简单说一下哈。

首先你得进行一次预计算，选择菜单里分析——降维——因子分析，跳出主面板，把想分析的变量选到变量框里，然后点确定。这时候输出窗口里会只有一个或两个图表。其中有一个图表是主成分的方差贡献。这个图表里你要找到两个相邻的列（应该是第三列和第四列），其中前一个列指的是单个因子对方差的贡献率，后一个是因子累计贡献率。也就是说前一个列里边数值相加等于100，后一个列里边数值递增，最后一个等于100。假如前一个列里是60,30,10，那么后一列里就是60,90,100.两个列之间有一个和的关系。找到这两个列以后，你要找使得累计贡献率达到百分之八十的那个数。这个表的第一列是1,2,3，等等，它代表第几个因子，比如3指的那行就包括第三个因子的方差贡献率，累积到第三个因子的方差贡献率这两个数据。你要找到累计到达百分之八十的那个因子是第几个因子，然后就按提取几个因子进行计算。
通过预计算知道了提取几个因子之后，就开始正式计算。再次打开因子分析的主面板，在最右边一共有五个选项，分别是描述，抽取，旋转，得分，选项。这五个在预计算里边没有用，但是现在要用了。点继续。
点击描述，在对话框里选上初始变量分析，kmo统计量及bartlett球形检验这两个选项，（注意，kmo和bartlett是一个选项，选项名就是很长）这一步是用来判断变量是否适于进行因子分析的。
点击抽取，对话框里最上边的方法就选主成分，分析里选上相关性矩阵，输出选上未旋转的因子解和碎石图两个选项，抽取里选择因子的固定数目，在要提取的因子后边填上你预计算里算出的因子数目。点继续。
旋转里边选最大方差法，输出旋转解。继续。
得分里边选保存为变量，方法为回归，显示因子得分系数矩阵也要打上勾。继续。

确定。
然后就可以分析结果了。
先看kmo和bartlett的结果，kmo统计量越接近1，变量相关性越强，因子分析效果越好。通常0.7以上为一般，0.5以下不能接受，就是不适合做因子分析。bartlett检验从检验相关矩阵出发，如果p值，就是sig，比较小的话，一般认为小于0.05，当然越小越好，就适于因子分析。
如果这两个检验都合格的话，才可以去写因子模型。
为了便于描述，假设我们有两个因子f1，f2，
旋转变换后的因子载荷矩阵会告诉你每个变量用因子表示的系数。比如变量x1=系数1*f1+系数2*f2，变量2以此类推。
因子得分系数矩阵会告诉你每个因子里各变量占得权重，比如f1=系数1*x1+系数2*x2+。。。
根据这个我们就能算出因子得分了。
因为之前选择了将因子保存为新变量，所以spss会直接保存两个因子得分为两个新变量，
然后我们不是有一个公式吗
总得分=因子1的方差贡献率*因子1的得分+因子2的方差贡献率*因子2的得分+...
根据这个公式计算一下就可以了。
用spss或者Excel都可以。
希望能对你有帮助哦。
ppv课，大数据培训专家，最专业的大数据培训平台。为你提供最好的spss学习教程哦。
-

B. 用聚类分析将21个自变量因子聚为5类后，要考虑这5个因子对因变量的影响，怎样处理已经归为一类的数据

你用因子分析弄成几个指标再做回归多好~

C. 聚类分析聚类算法中包含哪些数据类型

聚类来分析聚类算法中包含哪些源数据类型
许多基于内存的聚类算法采用以下两种数据结构：
(1)数据矩阵(Data Matrix，或称对象一变盘结构)：用p个变量来表示n个对象，例如使用年龄、身高、性别、体重等属性变量来表示对象人，也叫二模矩阵，行与列代表不同实体：

(2)相异度矩阵(Dissimilarity Matrix，又称为对象一对象结构)：存储所有成对的n个对象两两之间的近似性(邻近度)，也叫单模矩阵，行和列代表相同的实体。其中d(ij)是对象i和对象j之间的测量差或相异度。d(i，f)是一个非负的数值，d(ij)越大，两个对象越不同；d (i，j)越接近于0，则两者之间越相似(相近)。

许多聚类算法都是以相异度矩阵为基础的，如果数据是用数据矩阵形式表示，则往往要将其先转化为相异度矩阵。
相异度d(i,j)的具体计算会因所使用的数据类型不同而不同，常用的数据类型包括：区间标度变量，二元变量，标称型、序数型和比例标度型变量，混合类型的变量。

D. 请问在聚类分析中，如何处理分类变量和数值变量同时存在的情况

各种算法要求不同，有些算法两种变量都可以接受。如果只接受分类变量，可以将数值变量划分成几个区域，这样就变成分类变量了。

E. SPSS 中两个变量相关性的数值是负数怎么办

两个变量相关性的数值是负数表示一个变量的增加可能引起另一个变量的减少，即负相关。可以取它的绝对值来看相关程度的大小。

在回归与相关分析中，因变量值随自变量值的增大（减小）而减小（增大），在这种情况下，因变量和自变量的相关系数为负值，即负相关。

函数是研究两个变量之间的依存关系的一种数量形式。对于两个变量，如果当一个变量的取值一定时，另一个变量的取值被惟一确定，则这两个变量之间的关系就是一个函数关系。对于一个变量，可以控制其数量大小的变量称为可控变量，否则称为随机变量。

(5)聚类分析负值扩展阅读：

相关系数有一个明显的缺点，即它接近于1的程度与数据组数n相关，这容易给人一种假象。因为，当n较小时，相关系数的波动较大，对有些样本相关系数的绝对值易接近于1；

当n较大时，相关系数的绝对值容易偏小。特别是当n=2时，相关系数的绝对值总为1。因此在样本容量n较小时，仅凭相关系数较大就判定变量x与y之间有密切的线性关系是不妥当的。

【例】如果有若干个样品，每个样品有n个特征，则相关系数可以表示两个样品间的相似程度。借此，可以对样品的亲疏远近进行距离聚类。例如9个小麦品种(分别用A1,A2,...,A9表示)的6个性状作相关系数计算并检验。

由相关系数计算公式可计算出6个性状间的相关系数，冬季分蘖与每穗粒数之间呈现负相关(ρ = − 0.8982)，即麦冬季分蘖越多，那么每穗的小麦粒数越少，其他性状之间的关系不显著。

F. 如何评价spss系统聚类分析结果

1、聚类分析是利用平均值和方差变化计算各变量的联系，只能说变量间有关系，但未必是因果关系，所以评价关系需要用到相应的检测方法，这个就是你提出问题的原因。
2、检验方法用Z分布、t分布、卡方、F分布，对各变量参数（如平均值、方差等）检验，如果检验结果成立，那么分析结果在统计学上有意义。
3、接下来，需要用业务常识理解分析结果，如果发现某些规律性的内容，可以进一步获取相应数据，再进行分析。这是后话。

G. 聚类分析中有数据缺失怎么处理

楼主去图书馆查阅《华北工学院学报》2003年05期 的一篇论文吧 名字叫 带有缺失数据的回聚类分析方法 希望对你答有帮助

传统的聚类分析方法需要完全数据集,但有些情况下数据是不完全的,即包含缺失数据,这给聚类分析带来了一定的困难.这里给出了一种迭代算法为缺失数据确定一个合理的替补值,构造出一个"完全"的数据集,逐步迭代进行聚类分析,并用实例详细阐述了该方法的步骤.

H. spss聚类分析结果怎么解释啊，我看有人把结果做成百分比了，我想知道怎么做的啊

你的意思是用八种元素做聚类吗？你有几个个案？能不能在详细描述一下你的问题？聚类结果可以保存为变量的。我想你可能需要往这个方面考虑。ppv课学习网站。

I. 聚类算法评价 adjusted rand index 为什么会得到是负值

聚类算法评

J. 一直搞不懂，什么情况下做聚类分析，求大神指点，最好有些简单的数据说明

聚类分析抄 是在你需要对所有样本进行分类时使用
比如市场调查了我的所有客户基本信息 消费行为特征等，然后根据这些数据 我要对我的客户进行一下分类，找出我的客户主要有哪几类 每类有什么共同特点 等
之后就可以根据每类的特殊性 做不同的活动