基礎準備
前面我們對原始數據的處理方法進行了歸納介紹，請點擊下方藍字進行回顧：
數據分析技術：數據的歸納分析；
在上面的文章中，我們總結了針對個案聚類以及針對變量降維的不同方法，其中分層聚類法既可以對個案進行聚類，也可以對變量進行降維，回顧請點擊藍色文章名稱：SPSS分析技術：分層聚類分析。
下面，我們介紹個案聚類的另外一種方法：K-Mean聚類分析。
K-Mean聚類
分層聚類解決了自行確定類別中心並依據最短距離逐層歸類的問題，但在樣本規模非常大（例如幾萬個個案）的情況下，分層聚類存在著效率不足的問題。
K-Mean聚類也叫做快速聚類，是在明確類別中心點和類別數量情形下的歸類技術，具有高效，便捷的特點。K-Mean聚類事先預設類別中心點和指定類別數，讓大批量個案快速地依附到各個類別中心點，從而實現快速歸類。快速聚類必須滿足兩個條件：
由於類別中心和類別數都已經確定，所以對個案的歸類就變得非常簡單、快捷，只需判斷當前個案距離哪一個類別中心最近，就讓該個案直接歸結到最近的類別中。
隨著快速聚類技術的發展，為了糾正類別中心不準確或者缺乏初始類別中心等問題，快速聚類也允許數據分析者事先不指定類別中心，而是由系統藉助小規模樣本自動以迭代的方式生成各個類別中心點，SPSS系統藉助這些中心點快速聚類。基於快速聚類模型，可以快速地實現大規模樣本的歸類，快速結束聚類過程。
快速聚類方式
快速聚類共有兩種基本方式：
迭代與分類是指在開始對個案實施歸類前，事先基於個案數據執行迭代操作，確定類中心，然後再執行歸類操作。迭代與分類方式既可以施加於已有類中心的歸類操作，也可以施加於尚沒有類中心的歸類操作。如果施加於已有類中心的歸類操作，系統會先以給定的類中心為基礎，進行迭代，確立更加優質的類中心。僅分類是指僅僅做分類操作，不做確立類中心的工作，因此這種方式通常施加於類中心已經確定且不允許修改的情況下。
輸入與輸出
根據快速聚類的定義，在執行快速聚類時應該提供待分析的原始數據、聚類數目值和初始的類中心。類中心信息可由指定的數據集或數據文件提供。如果沒有提供初始類中心，則需要選擇迭代與分類模式由系統自動產生類中心。在完成了快速聚類後，系統應該完成對所有個案的分類，同時產生新的類中心點。
K-Mean聚類流程
對大規模個案進行聚類時，通常不是直接對全部個案實施迭代與分類方式的聚類，而是依據以下流程操作：首先，抽取部分有代表性的樣本，實施小規模樣本的迭代與分類，生成合適的類中心，並把類中心信息存儲在指定的數據集中；然後，啟動針對大規模樣本的快速聚類命令，讀取已經存儲在指定數據集中的類中心信息，藉助已有的類中心，使用僅分類方式快速地對大規模樣本歸類。
範例分析
我國的不同省份因為環境，經濟發展水平和發展方向不同，能源的消耗量和利用效率也是有很大不同。現在有一份《XXX年各省能源消耗數據》，請根據數據將所有的省份分為三類。數據如下圖：
（所有例題的數據文件都已經上傳到QQ群中，需要的朋友可以前往下載）
分析步驟
1、觀察數據，發現數據中，三個變量的數量級相差太大，所以要先對數據進行標準化處理。選擇菜單【分析】-【描述性統計】-【描述】，在對話框中，將【標準化得分另存為變量】選中，在原數據表中，新增三項Z得分變量，如下圖：
2、進行K-Mean聚類分析；選擇菜單【分析】-【分類】-【K平均值聚類】。按照下面圖片在跳出的對話框中選擇相應的項目。另外，在【保存】中選中「聚類成員」和「與聚類中心距離」項目；在【選項】中選中「初始聚類中心」、「ANOVA表」和「每個個案的聚類信息」。點擊【確定】。
結果解讀
1、每個個案的分類信息表；
表格中輸出了每個個案被分配的類以及與類中心的距離。
2、最終聚類中心、類別之間距離及每個類別中的個案數表格。
從結果可以知道這樣幾個結果：1、三個聚類中心的坐標值的大小是1<2<3；2、被分到第一類的有24個省；第二類的有5個省；第三類的有1個省。
如果想知道每類省份的具體能源消耗情況，可以對三類省份的能源消耗平均值進行比較。這時，我們可以再做一次按照單因素方差分析，因素就是類別。選擇菜單【分析】-【比較平均值】-【單因素ANOVA】，將三個能耗變量的實際數據選為變量，將新產生的變量QCL（類變量）選為因子。如下圖所示：
結果解讀
從結果可以知道，分配到第一類的24個省份的能耗情況都是比較低的，第二類的5個省份能夠較高，是第一類的2倍左右，第三類的省份只有一個，寧夏，它的能耗最高，是第一類的4倍。
所有例題的數據文件都已經上傳到QQ群中，需要的朋友可以前往下載。
溫馨提示：
SPSS教學視頻，請點擊：《SPSS入門基礎》視頻教程；
生活統計學QQ群：134373751，用於分享文章提到的各種案例資料、軟體、數據文件等。支持各種資料的直接下載和百度雲盤下載。
生活統計學微信交流群，用於各自行業的數據研究項目及其成果交流分享；由於人數大於100人，請添加微信possitive2，拉您入群。
數據分析諮詢，請點擊首頁下方「互動諮詢」板塊，獲取諮詢流程！