此处不需要“个案标注依据”
【统计】
主要关注“聚类成员”模块，此处可以选择设置类别数为一个范围，也可以支持设置具体的单个分类数量。
这个选项对于暂时无法确定类别数目，或者想进行多类别数的结果比较时，非常方便。
【图】
聚类分析支持生成聚类结果图，从而更加直观的查看聚类过程。
系统聚类分析支持两种图形：
1）谱系图：也叫树状图，以🌲状的形式展现个案被分类的过程。
2）冰柱图：以“X”的形式显示全部类别或指定类别数的分类过程。
实际应用中，两种图选择其一输出即可。相对而言，谱系图更加直观。
因此本例中我们选择谱系图，冰柱图选择“无”
【方法】
系统聚类分析提供了多种聚类方法和适用于不同数据类型的测量方法。
对于“聚类方法”：
比较常用的是“组间联接”和“瓦尔德法”
对于“测量”：
1）区间：适用于连续变量，通常用默认的“平方欧氏距离”即可。
2）计数：适用于连续或分类变量，通常使用“卡方测量”即可。计数就是计算个数。
3）二元：适用于0/1分类变量，通常使用“平方欧氏距离”即可。即是/否分类变量
对于“转换值”：
“转换值”就是用来进行数据标准化处理的。一般采用“Z得分”。
选择“按变量”对每个变量单独进行标准化。
【保存】
重新输入“解的范围”，生成新变量
CLU3-1、CLU4-1
CLU是系统聚类分析方法的分类结果变量的前缀
后面的数字3或4表示分的类别数
下划线后面的数字表示系统聚类分析结果保存的次数。
了解即可
了解即可
接下来我们看一下每个分类包含的个案数，可通过【描述统计】--【频率】
一定要勾选“显示频率表”，因为我们主要就是为了看各个分类下的个案数目
从频率表知：
CLU3和CLU4的类别1人数一致，类别4页人数一致，CLU4的类别2和3合起来就是CLU3的类别2.
接下来，绘制交叉表，查看各分类下各个变量的平均值，便于比较。
交叉表结合频率表可知：
1）CLU3和CLU4的类别1是同一批员工，业务能力很强，但是另外两个能力很弱。
2）CLU3的类别3和CLU4的类别4是同一批员工，分值都比较低，可以认为是该类员工整体能力较差。
3）CLU3的类别2分值整体较高，属于表现良好的员工，而CLU4将其细分为能力优秀的类别2和能力一般的类别3
