1、聚类分析的描述
2、【分析】-【分类】-【k-平均值聚类】，进行相关参数的设置
3、结果显示：spss从中挑选了几个个例5个聚类中心选择了5个原始案例
4、针对存在的问题，进行相关参数的设置，增加迭代次数。。足够的迭代后，已经收敛，但还存在一个问题是：各聚类的效果不明显
5、主要是原始数据中差别有点大
6、所以要对数据进行标准化，得到标准化后的结果。
7、利用标准化后的数据进行聚类分析
8、结果看起来比较别扭
9、接着进行【分析】，【比较平均值】3395个样本中有443个1,2,3,4,5类各具有特点
10、结果
11、对变量做聚类分析
12、结果：第二张图中的横轴“25”对应“凝聚塥骈橄摆计划”表系数（距离）中的最大值233.297依次换算即可这个聚类结果不太合理----------------------换方法
13、换方法结果合理!
14、个案聚类，这个过程会自动处理缺失值，使得整体数据更加服从适用条件，也就是【两步聚类】
15、结果被 聚为两类
16、需要注意的事项：数据预处理:许多变量有强的共线性可以提取公因子，个别变量有共线性可以删除其中一个次要的变量，或者把它俩相加或平均组合成一个次要的。两步聚类可以自动处理异常值，把异常值单独归为一类。
17、其他方面
