文/勺海（北京）市场研究公司 助理研究员 王轶君 编写

将定量调查或者其他消费者数据进行聚类分析，再通过交叉分析描述细分市场轮廓是我们常用的方法。 聚类分析可以作为其他多元统计分析的预备过程，先聚类，然后再利用判别分析进一步研究各个群体之间的差异。先通过聚类分析达到简化数据的目的，将众多的个体先聚集成比较好处理的几个类别或子集，然后再进行后续的多元分析。它也可以用于抽样设计中的分层抽样。

对一个数据，既可以对变量（指标）进行分类，也可以对观测值来分类。分类的时候，不一定要事先假定有多少类，也可以完全根据数据自身的规律来分类。一般将变量的聚类分析称为R型聚类，而对观测值聚类称为Q型聚类。

聚类分析中，比较重要的概念涉及到对两个距离概念的认识。搞清楚这两个距离概念对于聚类分析本身具有很大的帮助。按照远近程度来聚类是聚类分析法的要义，那么这个远近究竟指什么呢？一指点与点之间的距离，二是类和类之间的距离。点间距离本身有多个定义方式也即多种运算方法。因此，你只要选择一种算法即可。由一个点组成的类是最基本的类；如果每一类都由一个点组成，那么点间距离就是类间距离。但是如果一个类包含不止一个点，那么就需要确定类间距离。类间距离是基于点间距离定义的。如两类之间最近点之间的距离可以作为两类间距离，也可以选用最远点的距离，还可以选择各类之间的中心距离。

从实际操作来讲，聚类分析法有多种方法。Two Step Cluster Analysis、K-means cluster analysis、Hierarchical Cluster Analysis三种聚类方法在SPSS里都有提供，但其应用范围和优劣势各有不同。

K-means cluster analysis（KCA）也叫快速聚类，是我们现在做人群细分时最常使用的方法。该方法是单纯应用统计技术根据若干指定变量（应限制为尺度变量）将众多案例分到固定的类别中去。此种方法用于大量（数千）case的类别划分时非常有效。但该方法可以选择的内容较少，最重要的是选择聚类的数量，迭代的次数，和聚类的中心位置；人为经验和判断无形中会起很大作用。KCA方法本身是要求事先确定分类的。它不仅要求确定分类的类数，而且你还需要事先确定点，也就是聚类种子，当然，SPSS可以为你自动选种子。然后，根据其他点离这些种子的远近把所有点进行分类。再然后呢，就是将这几类的中心（均值）作为新的基石，再分类。如此迭代。因此，前面聚类基石或者说种子的选择不必过于认真。

TwoStep Cluster Analysis是揭示自然类别的探索性工具。该方法的算法与传统聚类技术相比有一些显著的特点：它可以基于类别变量和连续变量来进行聚类；自动选择聚类结果的最佳类别数；具备有效分析大量数据的能力。

如果我们只拥有少量的Case（少于数百个），并且想尝试多种聚类方法，测量不同类别之间的差异，我们就应该尝试使用Hierarchical Cluster Analysis（HCA）。当然该方法不仅可以对样本聚类，也可以对变量聚类。此种方法的分类结果取决于对聚类方法、距离测量方法、标准化变量的设置。这种方法不事先确定类数，有多少点就是多少类，它沿着最近的先聚为一类的思想进行合并，直至最后只有一大类为止。

聚类分析需要注意的几点：

聚类结果深受变量选择的影响，因此一开始就需要你目标明确，确定自己的变量。

用KCA做聚类时，对孤立点的处理建议如下：

首先，你可以用箱形图分析一下各变量，如果某一case在多个变量上都是奇异点，那么你可以考虑将这样的case去掉后，再做一遍聚类；此时，要特别注意一下Distances between Final Cluster Centers的变动，因为你删除的点也可能数量不多，但影响很大；

第二，在做聚类的同时，你也可以保存各样本距其所在类中心的距离，这一指标给你后期分析提供了一些灵活性，你可以以此为依据，选择各类中比较有代表性的数据做进一步的分析，以突出类别之间的差异；

第三，正如之前提到的，KCA在聚类时类别数是人为主观确定的，所以建议一定多做一些尝试，在基本方案定下来之后，尝试一些边际分析，至少要加一类、减一类再各做一次，做一下交叉表，看看你现在选择的类别方案是否相对稳定；

最后，再提醒一句，如果你在聚类的同时，选择了迭代，一定要注意迭代次数的设置，以保证算法的收敛，这样你得到的聚类结果才是稳定的。