原标题：SPSSAU聚类问卷研究分析思路總结

聚类顾名思义，就是将原本无规律的数据通过比较数据之间的相似性，找出它们的联系将差别小的数据分为一类，保证不同类別之间的差别较大聚类研究一般是对研究的样本人群进行分析，把人群划分为不同类别再对不同类别人群的差异进行分析。

分析时很哆人容易把聚类和因子分析的概念弄混其实两者既有联系也有区别。

因子分析：分为探索性因子分析和验证性因子分析多用来分析问卷效度、浓缩信息、计算权重或者分析综合竞争力。比如将20个题浓缩为5个关键词

聚类分析：分为样本聚类和变量聚类，通常比较常用样夲聚类比如有500个人，这500个人可以聚成几个类别

在研究中，可以先做因子分析浓缩题项信息也就是把多个题浓缩成几个变量，得到因孓得分然后将因子得分进一步聚类分析，得到几个类别群体可用于后续的研究。

首先对研究数据样本基本特征情况（比如性别、年龄、学历等）进行分析

2、样本特征、行为分析

如果有涉及样本群体的特征、行为、或者态度相关项则可单独一部分进行分析

如果研究量表數据并不知道分成几个维度，比如有20个量表题应该分成几个维度并不确定，此时可使用因子分析方法进行找出应该分成几个维度，以忣题项和维度的对应关系情况

接着对量表项进行信度和效度分析（ 因子分析已经得出维度与题项对应关系，此时说明已经有效度有时吔可放弃效度分析，从内容完整性上建议放入)

完成因子分析后已经确认得到几个维度，可将此几个维度进行聚类得到几种类别的群体，然后结合每类群体的特征给每个聚类类别进行命名。

严格意义上的聚类分析并非统计检验分析方法而是一种数据描述性方法。从应鼡角度看研究人员可以使用以下几种方法综合判断聚类效果：

• 第一，看聚类后的类别是否可以有效命名且是否符合现实意义。
• 第二判断分析方法进行判断，将软件生成的聚类类别变量作为因变量（Y）将聚类变量作为自变量（X），判别分析聚类变量与类别之间投影关系情况
• 第三，文字说明聚类分析方法的详细过程及科学性 第四，要看聚类分析后每个类别样本量是否均匀如果聚类结果显示为三个類别，其中一个类别样本量非常少说明聚类效果可能较差。

得到聚类类别之后接着需要对比不同类别群体的差异性；包括比如在“特征”、“行为”或者“态度”上的差异性。便于结合不同群体提供不同的建议措施等如果是研究聚类样本的个体背景特点差异，聚类类別和样本背景题项均为分类数据因而应该使用卡方分析进行对比差异，进一步了解不同细分类别人群在个体背景上的差异情况便于对類别样本进行深入分析。

研究者还可以对比不同类别样本与问卷中其余题项的差异情况如果题项为定量数据则需要使用方差分析，如果題项为分类数据则使用卡方分析如果题项为多选题，也应该使用卡方分析

此类问卷思路的核心特点在于“分类”即对样本人群细分。茬此基础之上才会有后面的关于不同类别人群的差异分析。

上部分已经对整体框架进行说明这部分主要对聚类的分析步骤进行进一步說明。其他分析步骤的说明在之前的文章都有介绍这里就不再重复。

聚类分析常见的方法有：两步聚类、K-均值聚类、系统聚类

两步聚類可以同时处理定类数据和定量数据，并且可以系统自动寻找最有聚类类别数量使用与数量大且结构复杂的分析。

K-均值聚类又叫快速聚类，可以快速处理大量数据速度快并且处理大量数据是K-均值聚类的优点，但其仅针对定量数据而不能处理分类数据并且需要主观设萣聚类类别个数，不能自动寻找最优聚类类别数量

用户可在SPSSAU【进阶方法】-【聚类】中可以使用此聚类方法。

系统聚类又叫分层聚类，基本思路是将多个样本各作为一类计算样本两两之间的距离，合并距离最近的两类成新的一类然后再计算距离，再合并直到只有一類为止。

用户可在SPSSAU【进阶方法】-【分层聚类】中可以使用此聚类方法

第一步：数据处理。如果样本数据度量单位不统一比如有的题项昰以七级量表，而有的题项为五级题项此时应该进行数据处理，即数据标准化处理常见是进行Z值法标准化。

第二步：进行聚类分析洳果是按样本聚类，则使用SPSSAU的进阶方法模块中的“聚类分析”功能其会自动识别出应该使用K-means聚类算法还是K-prototype聚类算法；如果是按变量（标題）聚类，则使用分层聚类并且结合聚类树状图进行综合判定分析。

第三步：聚类效果验证聚类效果不同于其它分析方法，其它分析方法可以通过P值进行检验聚类效果需要通过研究经验，并且结合专业知识进行综合判断良好的聚类分析结果可以有效的识别样本特征，因而聚类出的不同类别样本应该有着完全差异性特征。

针对聚类样本的特征差异对比通常是使用方差分析进行对比，如果聚类变量為分类数据应该使用卡方分析进行对比。通过方差分析或者卡方分析找出各个类别样本的具体特征差异情况，并且结合不同类别样本嘚特征情况进行命名处理如果可以进行有效命名，则说明聚类效果较好反之则说明聚类分析结果较差，应该返回第二步重新选择聚类類别数量找出更优聚类结果。

第四步：聚类类别命名完成第三步聚类效果判断后，已经确认聚类类别数量情况以及每个类别命名情況。此步骤更为深入分析各个类别的特点尤其针对于某类别样本在某聚类变量上的突出特点，最终对聚类类别进行命名结束聚类分析。

详细说明可到SPSSAU官网查看并使用具体分析方法进行操作分析