IBM SPSS Statistics进行个案或变量间的欧氏距离分析

欧氏距离是距离分析中比较容易理解的、也是较为常用到的距离计算方法，其度量的是欧氏空间中两个点之间的距离。

在IBM SPSS Statistics的距离分析中，可运用欧氏距离分析个案或变量间的“距离”，以确定不同个案或变量间的相似性。

一、数据准备

我们以一组购买金额、购买数量与浏览页面数的数据为例，运用欧氏距离分析数据个案（不同编号个案）、变量间（购买金额、购买数量、浏览页面数）的相似性。

图1：购买数据

欧氏距离分析是SPSS距离相关分析的一种，因此，我们需先开启距离分析。

图2：距离分析

二、距离分析设置

如图3所示，距离分析包含变量、个案标注依据、计算距离与测量四个部分。

我们先做一个个案间的分析，将购买金额、购买数量、浏览页面数添加到变量。

图3：变量设置

将个案的编号添加为个案标注依据，但需注意的是，如果编号是数值变量的话，需先将其设置为字符串变量后，才可添加为个案标注依据。

图4：个案标注依据

设置字符串变量的操作方法如下：

1. 打开数据的变量视图

2. 单击编号变量的类型单元格

3. 在弹出的变量类型中选择“字符串”

图5：调整变量类型

完成编号的字符串变量设置后，即可将其添加到个案标注依据。

接着，进行计算距离与测量的设置。由于当前分析的是不同个案的相似性，因此，需在计算距离中选择“个案间”。而测量可根据需要选择相似或非相似性，本例选择“非相似性”。

图6：数据类型与测量方式

SPSS距离分析默认使用欧氏距离，如需更改，也可单击“测量”按钮更改距离的计算方式。

图7：测量模型

SPSS提供了区间、计数、二元的测量方式，针对不同的测量方式会有对应的距离计算方法。本例选择默认的区间欧氏距离计算方法，即在限定范围内进行欧氏距离计算。

图8：区间欧式距离

三、数据解读

分析结果如下，本分析包含了5个个案数，采用了非相似性矩阵的分析结果。

从非相似性矩阵得出，5个个案的非相似性矩阵数值高，相似性低；而个案1与个案4存在着稍微高一些的相似性。

图9：个案组非相似性测量结果

个案间的相似性低，那么，变量间的相似性如何？

如图10所示，我们将计算距离调整为“变量间”、将测量设为“相似性”。

图10：变量组相似性测量

其分析结果如图11所示，其相似性矩阵数值越接近于1，其相似性越高。可以看到，购买金额与购买数量之间的相似性较高，但浏览页面数与购买金额之间似乎存在着负相似性（相似性数值只有0.478），也就是说，浏览越多页面，购买金额越低。

图11：变量组相似性测量结果

四、小结

综上所述，SPSS欧氏距离分析是距离分析中的一种计算方法，可测量个案或变量间的相似性。在本例中，我们使用欧氏距离分析得出购买金额与购买数量间存在相似性，而购买金额与浏览页面间似乎存在着负相似性，但仍需深入分析。