Hur man tolkar resultat från SPSS K‑medel

Introduktion

Klusteranalys är en statistisk metod som grupperar observationer i kategorier (kluster) där observationerna i samma kluster liknar varandra och skiljer sig från de i andra kluster. SPSS (Statistical Package for the Social Sciences) är ett populärt verktyg för att genomföra klusteranalyser. I K‑medel‑klustring anger forskaren i förväg hur många kluster han eller hon vill ha – K. Metoden fungerar även med stora dataset.

Analysera data

Steg 1 – Initiera analysen

Gå till Analyze högst upp i SPSS, välj Classify och därefter K‑Means Cluster.

Steg 2 – Definiera förhandskluster

Välj ett stickprov av fall. I dialogrutan klickar du på Variables och markerar de variabler du vill använda. Flytta dem med vänsterpilen till vänsterfönstret. Ange antal kluster (ofta 5 för medelstor data) i rutan Number of Clusters. Klicka på Iterate and classify för att beräkna klustercentra och sedan Write final.

När du vill göra en fullständig analys, inkludera hela datamängden. Gå återigen till Analyze → Classify → K‑Means Cluster. Välj variabler, sätt antal kluster till 5 och klicka på Classify. Välj Read Initial för att använda de centrala värdena från steg 2. Klicka på Save och sedan Cluster membership följt av Continue.

Läs utdata

Steg 1 – Final Cluster Centers

I den första tabellen, Final Cluster Centers, visas klustercentrat. Kolumnrubrikerna 1‑5 motsvarar kluster. Den vänstra kolumnen visar REGR factor score (regressionsfaktorscore) för varje variabel. Följ raden till höger för att se värdet för varje kluster.

Steg 2 – Antal fall per kluster

Nästa tabell, Number of Cases in each Cluster, visar hur många observationer som tillhör varje kluster. Klusternumren 1‑5 listas i den vänstra kolumnen; motsvarande antal finns till höger.

Den sista tabellen, Cluster membership, anger vilken fall som hör till vilket kluster. Faller listas i vänster kolumn och klusternumret i den högra.

Tips

• Ta bort uteliggare innan analysen för att undvika skeva resultat.