SPSS 聚类分析核心就是按照多个指标的相似程度，把样本或者变量自动划分成若干类别，同类内部对象特征接近，不同类别之间差异明显，SPSS 里面最常用的是系统聚类也就是层次聚类，还有 K 均值快速聚类两大类，系统聚类适合样本量不大的数据，可以输出树状图也就是谱系图，K 均值聚类适合大样本，运算速度快，需要提前自己指定分成几类。很多初学者做 SPSS 聚类分析容易出错，根源是没有提前做数据标准化，不同指标单位不一样的时候，比如身高是厘米收入是元，数值量级差距巨大，数值大的指标会主导聚类结果，让聚类失真，另外聚类前要确认研究目标，是对个案也就是样本聚类，还是对变量聚类，两种方向操作选项不一样，聚类完成之后不能只看分类结果，还要结合业务或者研究含义对每一类做特征解读，不能单纯依靠软件输出数字就下结论。

聚类类型选择对照表

系统层次聚类操作步骤

第一步 录入数据，每一行代表一个个案样本，每一列是参与聚类的指标变量，检查缺失值，缺失个案可以在选项里面选择排除个案。

第二步 顶部菜单点击 分析 分类 系统聚类。

第三步 将所有参与聚类的指标选入变量框，把个案编号选入标注个案框，下方聚类选项选择个案就是 Q 型聚类，如果选变量就是 R 型变量聚类。

第四步 点击统计量，勾选近似矩阵，勾选聚类成员，选择单一解，填写你预期的分类数目。

第五步 点击绘图，勾选树状图，冰状图一般可以取消，树状图是判断分类数最关键的图形。

第六步 点击方法，聚类方法推荐瓦尔德法，度量标准如果是连续正态数据选择欧氏距离平方，这是社科医学研究最常用搭配，如果是等级数据可以换成其他距离度量。

第七步 点击保存，勾选聚类成员，这样数据视图会新增一列分类结果。

第八步 点击确定运行，输出树状图和聚类成员表格，根据树状图的合并距离，确定最合适的类别数量，不一定严格按照一开始预设的分类数。

K 均值快速聚类操作步骤

第一步 录入数据，确认参与聚类的全部指标，优先完成标准化处理。

第二步 点击 分析 分类 K 均值聚类。

第三步 把指标变量移入变量框，在类别数里面填写想要划分的类别数量。

第四步 点击选项，可以勾选初始聚类中心 最终聚类中心 每个案例的聚类信息。

第五步 点击保存，勾选聚类成员，运行之后数据视图生成分类变量。

第六步 运行完成之后查看最终聚类中心表，对比每一类在各个指标上的均值，总结每一类的特征，同时查看 ANOVA 表，这个表可以看各个指标对区分类别的贡献是否显著。

聚类前预处理要点

第一 数据标准化，点击 分析 描述统计 描述，勾选将标准化得分另存为变量，生成 Z 分数，后续聚类使用 Z 标准化之后的变量，消除量纲影响。

第二 剔除异常极端值，极端离群样本会严重拉动聚类中心，造成分类偏移。

第三 检查变量相关性，如果多个指标高度相关，信息重复，会放大这个维度权重，可以考虑降维或者剔除冗余变量。

第四 确定分类数参考依据，系统聚类看树状图断点，K 均值可以结合碎石思路，或者结合研究理论，不要盲目分成两类或者三类。

聚类结果解读深度要点

聚类得到的类别本身没有天然优劣，只是特征分组，解读的时候要计算每一类在各个指标的均值，给类别命名，比如高综合得分组中等综合得分组低综合得分组。K 均值的 ANOVA 表格，显著性 P 小于 0.05 代表这个指标对区分聚类类别有贡献，如果所有指标 P 都很大，说明聚类分组区分度很差，聚类效果不理想。系统聚类的距离矩阵，数值越小代表两个对象相似度越高，合并越早说明相似程度越高。聚类分析属于探索性统计方法，不是假设检验，不能直接证明分组有统计学显著性，这点和之前显著性差异分析有本质区别。

【常见问题】

问题 1 SPSS 聚类分析为什么一定要做标准化处理

回答 1 SPSS 聚类分析是依靠距离计算相似度，如果指标单位和数值量级差别很大，大数值变量会主导距离计算，掩盖小数值指标的差异，标准化之后所有变量统一尺度，SPSS 聚类分析结果才公平可靠。

问题 2 SPSS 聚类分析系统聚类和 K 均值聚类应该优先选哪一个

回答 2 SPSS 聚类分析里面，小样本并且需要观察合并全过程和树状图，优先系统聚类，大样本并且已经确定分类数量，优先 K 均值聚类，K 均值聚类运算更快，但是无法输出树状图。

问题 3 SPSS 聚类分析分类数目怎么确定最合适

回答 3 SPSS 聚类分析确定分类数，系统聚类主要看树状图上距离突然拉大的断点，K 均值聚类可以对比不同类别数下聚类中心区分度，同时结合研究理论和业务解释性，类别不能太多导致每一类样本太少，也不能太少丢失分组信息。

问题 4 SPSS 聚类分析做完之后可以直接做显著性差异检验吗

回答 4 SPSS 聚类分析得到分组之后，可以把聚类生成的分类变量作为分组依据，继续做显著性差异检验，用来验证不同聚类类别之间指标是否存在显著性差异，这个属于聚类之后的验证分析，不是聚类本身自带的检验。

【免责申明】

本文内容仅用于 SPSS 软件聚类分析教学参考，聚类属于探索性统计方法，分类结果受预处理方式距离算法分类数选择影响，正式科研论文使用前建议结合研究设计咨询统计学专业人员，聚类分组不等同于客观真实类别。