‧
‧
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
(3) 計算相似性衡量
選定分群變數後下一步就是計算研究對象的相似性，相似性是集群分析中的 基本概念，它反映了研究對象間的親疏程度，而集群分析乃根據研究對象間的相 似性來進行分群。其中有很多種相似的衡量方法，都從不同的角度衡量了研究對 象的相似性，主分為以下兩類：距離衡量和關聯衡量。在距離衡量方面，主要用 於計量資料，常用的距離計算有歐基里德距離(Euclidean Distance)、曼哈頓距離 (Manhanttan Distance)、柴比雪夫距離(Chebychev Distance)等；而在關聯衡量方 面，主要用於計質資料，常用的衡量方式有卡方值測距(Chi-square Measure)、Phi 平方值測距(Phi-square Measure)等。
(4) 選定集群方法進行集群
選定了分群變數、計算出相似性矩陣之後，下一步就是要對研究對象進行分 群，此時主要課題是選定集群方法及確定形成的分群數。集群分析方法主要分為 層次集群法(Hierarchical Method)與非層次法(Non-Hierarchical Method)二類。
層次集群法又可分為凝聚法和分離法。凝聚法是將每個觀察值各自看成同一 群，先把距離最近的兩群合併，然後重新計算群與群之間的距離，再把距離最近 的兩群合併，每一步減少一群，一直持續同樣過程直到所有的觀察值歸為某一群 為止；而分離法與凝聚法的過程相反，一開始將所有觀察值分為一群，之後每一 步增加一群，直到每個觀察值都自成一群為止。層次集群法在集群過程中需要儲 存距離矩陣，並且在每一步的併群過程中都需要作很多計算，而非層次集群法克 服了層次集群法的這兩個缺點，適用於大樣本的集群分析，分為以下四步驟：（1）
指定要形成的集群數；（2）調整分群：計算每個觀察值到各群重心的距離，把 每個觀察值歸入距重心最近的那一群；（3）重新計算每一群的重心；（4）重複 步驟（2）～（3），直到沒有觀察值可以再調整為止，並重新形成新的集群。在 Clementine 12.0中集群分析方法有K-means、Kohonen Network 和Two Step等，由 於第四節實證分析時將使用K-means法及二階段集群分析(Two Step Cluster)兩中
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
方法分析之。
(5) 集群結果的解釋與驗證
得到集群結果後，最後還應對結果進行驗證和解釋，以保證集群分析解是可 信的。集群分析後，對集群結果進行解釋是希望對各個集群的特徵進行描述，並 根據集群特徵予以集群合適的名稱，若命名不恰當所造成的問題，正如同因素分 析命名一樣，將造成讀者閱讀的不易與誤解。通常集群分析只是研究的起點，透 過集群分析將分群結果儲存成分組變數，以進行後續的分析，同時亦可透過其他 變數，幫助描述各群的特徵，了解各變數中觀察值分布狀態，並解釋各群差異的 原因。