階層的クラスター分析ダイアログボックス

• 観測値

クラスターの観測値です。入力データの行はグループごとに分けられています。

• 変数

クラスターの変数です。入力データの列はグループごとに分けられています。

オブジェクトの種類が違う場合、使用できる距離の種類も変わってきます。

• 最短距離

基準のクラスターからの距離が最も短い2つのクラスターが統合されて新しいクラスターになります。または単連結法とも呼ばれています。

• 最長距離

基準のクラスターからの距離が最も長い2つのクラスターが統合されて新しいクラスターになります。または完全連結法とも呼ばれています。

• 群平均

2つの距離の平均で2つのクラスターが統合されて新しいクラスターになります。

• 重心

重心はクラスター中心間の距離が最大になるように生成されます。

• 中央値

1つのクラスター内にある物ともう1つのクラスター内にある物の中央値になります。

• Ward

クラスター内分散が最小になるようにクラスターが統合されます。

結合法の詳細については結合法のアルゴリズムをご覧ください。

観測値をクラスターにする場合、3つの手法を選ぶことができます。

• ユークリッド距離

２つの観測値間の差の二乗和の平方根を取った値です。

• 平方ユークリッド距離

２つの観測値間の差の二乗和を取った値です。

• 都市ブロック距離

２つの観測値間の絶対差を取った値です。またはマンハッタン距離とも呼ばれています。

• Cosine

1とコサイン係数の2つの観測値の違いです。コサイン係数は、2つのベクトル間の距離の余弦です。

• ピアソン相関

1と相関した2つの観測値の違いです。

• Jaccard

1とJaccard係数の2つの観測値の違いです。バイナリデータに関しては、Jaccard係数は2つの観測値の交点と統合したサイズの比と等しくなります。

変数をクラスターにする場合、２つの手法を選ぶことができます。欠損値はペアワイズ方式で取り除かれ、相関が計算されます。

• 相関

1と相関した2つの変数の違いをもとにしています。

• 絶対相関

1と絶対相関した2つの変数の違いをもとにしています。

距離の計算に関する詳細は距離のアルゴリズムをご覧ください。

• なし

変数は標準化されません。

• Zスコア(N(0, 1)で正規化)

変数は平均0で標準偏差１の状態に標準化されます。

• [0,1]に正規化

変数は0から1の間で標準化されます。

• 距離の和

クラスター内の全ての観測値/変数から測った距離の和を使用して、クラストロイドを検索します。クラスターでは、最大代表変数/観測は最小の距離を持ち、最小代表変数/観測は、最大の距離の和をもちます。

• 最大距離

クラスター内の全ての観測値/変数から測った距離の中で最大のものを使用してクラストロイドを検索します。クラスターでは、最大代表変数/観測は最も小さい最大距離を持ち、最小代表変数/観測は、最も大きい最大距離を持ちます。

• 距離の二乗和

クラスター内の全ての観測値/変数から測った距離の二乗和を使用して、クラストロイドを検索します。クラスターでは、最大代表変数/観測は最小の距離の二乗和を持ち、最小代表変数/観測は、最大の距離の二乗和をもちます。

• 距離

距離は、距離のタイプで計算されます。

• 類似性

類似性は100*(1-d/dmax),として計算されます。ここで、dは距離、dmaxはすべての観測値の最大距離、つまりクラスターステージ表の最後の距離の計算です。各クラスターを個別にプロットする設定（プロットタブ > 樹形図を表示）の場合、dmaxは全グラフにおける最大値です。

• 1つのグラフ内

樹形図を１つのグラフ内に表示します。別々のクラスターは色分けされています。

• クラスターの別々のグラフ内

クラスターの樹形図を別々のグラフとして表示します。各クラスターは個別のグラフに出力されます。

• 垂直

樹形図を垂直にプロットします。

• 水平

樹形図を水平にプロットします。

• 円

円形の樹形図をプロットします。