根据飞行距离对美国城市分类

lkamxmk

例：已知美国10所城市之间的飞行距离数据，如表所示。请根据城市间的距离对它们进行分类。

变量C1至C10分别代表城市：Atlanta，Chicago，Denver，Houston，Los Angeles，Miami，New York，San Francisco，Seattle，Washington D.C。
编写如下程序

1. ods graphics on;
   
2. proc cluster data=chap12.mileages    /*调用cluster过程*/
   
3.                                  outtree=tree          /*输出数据集tree以绘制树状图*/
   
4.                                  method=average   /*应用类平均法进行聚类分析*/
   
5.                                  pseudo;                 /*要求输出伪t2和伪F统计量*/
   
6. id City;                                             /*定义标识变量为city*/
   
7. run;
   
8. proc tree data=tree HOR ; /*调用tree过程绘制树状图，且指定树根在左侧*/
   
9. id City;
   
10. run;
    
11. ods graphics off;

复制代码

选择Run｜Submit命令提交程序，以下分析平均距离法进行样品聚类分析的主要输出结果。


NCL列为聚类数；Clusters Joined列为每次聚成一个新类的两个样品（即为城市名，如Los Angeles）或旧类（如CL8）；FREQ列为新类中含有的样品数，如NCL值为5时，将旧类CL8（包括Los Angeles和San Francisco）和新样品“Seattle”聚成新类，则其对应的FREQ值为3；PSF和PST2分别为伪F 统计量和伪t 2 统计量。当PST2出现峰值的前一类所对应的分类数较合适。



横轴为聚类个数，纵轴为对应的PSF和PST2的值，观察可得当聚合为5类时，伪t 2 统计量取最大值，则聚为4类比较合适。

Norm RMS Dist列为两样品或两类间的平均距离。Tie列为结的个数，在本例中未出现打结的情况。

打结：在系统聚类的每一层，CLUSTER必须按最小距离把两类合并，对于离散距离而言，偶尔会出现几个相等的最小距离，此时便出现了打结的情况。类是采用内观测最小的序号来识别的，这两类有一个较大序号和一个较小序号，若出现结，则取其中较大序号中的最小者合并，在输出的Tie列中，以T指出最小距离的一个结，空白表明没有结。




纵轴为城市名，横轴代表类间的平均距离。根据笔者在图上添加的直线，将城市聚成4类，Atlanta、Chicago、New York、Washington D.C为一类，Miami为一类，Denver和Houston为一类，Los Angeles、San Francisco和Seattle为一类。即同类的城市之间飞行距离较近，而不同类的城市之间飞行距离较远。