在《詳解SPSS兩步聚類之參數設置》一文中，我們已經了解了兩步聚類的優點、分析原理，以及參數設置的技巧。

在本節中，會對IBM SPSS Statistics聚類后的結果進行解讀，其中會涉及到最終聚類的結果、聚類的質量、變量重要性、聚類特征的解讀。

如圖1所示，我們先來回顧下本例數據在參數設置面板中的詳細設置。

圖1：二階聚類設置

一、數值結果

根據上述參數設置，得到如下的數值分析結果。

首先看到自動聚類結果，如圖2所示為聚類的透視表結果，展示了不同聚類數目下的BIC、BIC變化量、BIC變化比例與距離測量比率。SPSS會自動綜合以上指標的數值，得出最佳的聚類數目。

圖2：自動聚類

根據圖2的自動聚類透視表結果，SPSS得出了如圖3所示的一個3聚類的結果。其中聚類1包含69個個案，占總計34.8%；聚類2包含62個個案，占總計31.3%；聚類3包含67個個案，占總計33.3%。

圖3：聚類分布

二、圖表結果

接下來，我們再來看看二階聚類的圖表結果。

如圖4所示，在模型概要中，顯示該模型執行了兩步聚類，輸入了6個變量，得到3個聚類。另外，其聚類質量為良好。

圖4：模型概要

如圖5所示，右擊模型概要，選擇“編輯”選項，打開模型查看器，可進一步查看其它的輔助視圖。

圖5：編輯圖表

如圖6所示，在模型查看器的左側包含了模型概要視圖，右側包含了預測變量重要性視圖。而通過單擊右側視圖下方的查看選項，可切換聚類大小、聚類特征等視圖。

首先看到的是預測變量重要性視圖，可以看到，星級是最為重要的變量、其次是銷售額與銷售量。

圖6：預測變量重要性

而從聚類大小看到，3個聚類的占比相似，最大聚類與最小聚類的比值為1.11。

圖7：聚類大小

如果想了解不同聚類的特征，可從如圖8所示的聚類特征表中得到相關的信息。聚類特征表展示的是聚類與變量的交叉分析，其數值展示的是分類變量的分布或連續變量的中心點，由此可得出不同聚類的顯著特征。

比如，聚類2是五星級占比100%，銷售額、銷售量、客流量中心點最大、所處區域為3（占比38.7%）的店鋪類型。

圖8：聚類特征表

三、小結

綜上所述，SPSS的兩步聚類分析解讀，可先從BIC準則判斷最佳的聚類數目，然后，再從模型概要得到聚類質量。

在確認聚類質量可接受的前提下，可通過模型查看器進一步解讀聚類變量的重要性、聚類特征等。

總結

以上是生活随笔為你收集整理的SPSS新手教程—两步聚类之结果解读的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。