[分享][原创]谈谈如何使用SPSS进行分类研究-经管之家官网！

1、分类研究的意义
分类是社会、经济和管理研究中采用众多的一种方法，本文重要探讨战略管理中如何进行分类研究。
在企业战略管理研究领域，众多研究者已经达成共识，认为可以根据一定的分类标准将众多企业在战略上的实践进行分类。战略分类可以揭示出战略、环境和组织之间的联系。分类研究结果的简约性和等效性使其成为学术研究和教学中广为采用的研究方式之一。分类研究可用于研究战略一致性和等效性。 国外学者有关分类研究的定义和解释，国外文献中可以代表分类含义的有三个单词：configuration, typology and taxonomy。本文主要指taxonomy。
Configuration—— Miller and Friesen (1984) define configurations as "commonly occurring clusters of attributes or relationships . . . That are internally cohesive"
——Meyer et al.(1993) describe them as "any multidimensional constellation of conceptually distinct characteristics that commonly occur together".
Configuration包括taxonomy和typology两种形式。
Typology（类型学）——Typologies describe ideal types, each of which represents a unique combination of organizational attributes.( Doty and Glick, 1994.)
—— Porter（1980）：成本领先战略、差异化战略和集中战略
Taxonomy（分类学）——Unlike typologies, taxonomies do not define ‘ideal’ types. Rather, they attempt to classify organizations into mutually exclusive and exhaustive groups (Doty and Glick, 1994; McKelvey, 1982.)
很多学者把typology和taxonomy的差异简单界定为是否可以进行实证研究，但是目前两者的差异逐渐缩小，也有学者提出不必过分进行区分。
Typology和taxonomy的比较
2、聚类分析方法简介（Cluster Analysis）
使用SPSS中的Cluster Analysis 来进行分类研究。
（1）分类方法的选择
先用层次分类法确定分类数和初始分类中心，然后把分类数和初始分类中心输入到快速聚类中，用快速聚类形成分类结果。选择Ward’s method和Squared Euclidean distance。
Ward’s partitioning and squared Euclidean distance were used for the hierarchical cluster analysis. Partitioning using Ward’s method was selected because of its established robustness, ability to maximize within-cluster homogeneity and between-cluster heterogeneity, and capability to recover known cluster structure (Aldenderfer and Blashfield, 1984). The squared Euclidean distance measure is recommended with Ward’s method because it leads to clusters with the smallest sum of squares error (Arabie and Huber, 1994).
当然，方法的选择还需要结合研究的特点进行相应的调整，同时应该找到理论依据和支持。
（2）分类标准的选择
把实行不同战略的企业进行分类的最佳方式依赖于研究者想要实现的研究目的。针对同一研究对象，采用不同的分类标准可能会得到不同的分类结果。这也是分类研究的一大特点之一。
（3）分类数的确定
分类数的确定可以说是分类研究中最难的一点。Miller和Roth (1994)和Kathuria(2000)均指出，在聚类分析时，最大的困难在于确定最恰当的聚类数。分类数确定的目标是希望可以在分类结果的简约性和精确性两方面达到平衡(Boyer, Ward, and Leong, 1996)。
采用以下几个标准来确定合适的分类数：
a. Lehmann (1979) 建议分类数应该介于n/30到n/60之间，其中n表示样本数量。
b. 对聚合系数（Agglomeration Coefficient）变化进行分析。比较小的聚合系数表示同质性较强的两个小类被合并到一起了，而比较大的聚合系数或者比较大的变化则表示两个差异较大的类别被合并到了一起(Ketchen and Shook, 1996)。Miller和Roth（1994）、Boyer等（1996）以及Frohlich和Dixon（2001）都在研究中采用了这种方法。
c. 观察树状图，但是当样本数较多的时候，这种方法不可行。因此，可随即抽取一定量的样本进行层次聚类，观察树状图。
d. 分类结果要能够符合理论上的解释。
（4）分类结果的检验
a. 观察各分类在分类标准上的差异的显著性是否达到标准。
b. 采用判别分析对分类结果进行验证。
c. 也有的研究采用split half方法，即将样本分为两部分，分别采用相同的方法进行分类，看分类结果是否一致。
3、操作实务（SPSS13.0 ）
a. 层次聚类--确定分类数和初始分类中心
Analyze——Classify——Hierarchal Cluster——选择分类标准进入variable
Statistics——选择agglomeration schedule（聚合系数）
Plots——选择Dendrogram（树状图）
Method——cluster method(Ward’s method)——measure(squared Euclidean distance)
b. 初始分类中心的确定（也可以跳过这步，在进行快速聚类的时候直接选用随即的初始分类中心）
确定分类数后，再次采用层次聚类方法，步骤同上，只是增加save操作，single solution（输入确定的分类数）；然后通过简单的分析得到每组的分类标准的平均值，形成一个新的a.sav文件待用，文件格式见下。
初始分类中心文件格式
c.快速聚类—形成最终聚类
Analyze——Classify——K-Means Cluster Analysis——选择分类标准进入variable——number of cluster（确定的分类数）——cluster center（read initial from a.sav）——其他选项此处略
d.方差分析、判别分析等后续操作此处略
4、结束语
其实聚类方法是非常简单的一种统计分析方法，很多研究都把它作为一个前期基础工作，但是对于部分初学者可能还是有一定的难度。由于聚类分析属于探测性分析，所以在分析前结果是未知的，只能通过理论和实践经验推断，这也正是分类研究的魅力之一。本人主要研究制造战略，因此上述的参考文献主要来自战略管理、运营战略和制造战略领域，有一定的局限性。
希望大家看过本文之后能够对分类研究有一个初略的了解。本文旨在抛砖引玉，希望更多的高手、大虾能把自己总结的心得共享。
见笑了！
升讲师了！

「经管之家」APP：经管人学习、答疑、交友，就上经管之家！
免流量费下载资料----在经管之家app可以下载论坛上的所有资源，并且不额外收取下载高峰期的论坛币。
涵盖所有经管领域的优秀内容----覆盖经济、管理、金融投资、计量统计、数据分析、国贸、财会等专业的学习宝库，各类资料应有尽有。
来自五湖四海的经管达人----已经有上千万的经管人来到这里，你可以找到任何学科方向、有共同话题的朋友。
经管之家（原人大经济论坛），跨越高校的围墙，带你走进经管知识的新世界。
扫描下方二维码下载并注册APP