原始数据
在线版SPSS SPSSAU
聚类分析的分类方法有很多，按照功能划分可以分为两类——样本聚类（Q型聚类）和变量聚类（R型聚类）。问卷研究中，样本聚类使用频率远高于变量聚类。
按照SPSS软件的功能进行划分，聚类分析分为三类，分别是两步聚类、K-均值聚类和系统聚类(分层聚类)。三种聚类方法各有特点，具体情况如下：END
Step1：如果样本数据度量单位不统一，比如有的题项是以七级量表，而有的题项为五级题项。此时应该进行数据处理，即数据标准化处理。
Step2：由于K-均值聚类法的优点在于速度非常快，因此可以提前进行快速分析，计算不同类别样本数量进行简单判断聚类效果。
Step3：对比另外两种分析方法时的聚类类别数量情况，综合判断找出最优聚类结果。
Step4：分析聚类结果结合不同类别样本特征情况，对聚类类别进行有效命名。
Step5：聚类类别命名。具体针对聚类分析，上述步骤可能并不完全适用，如果聚类变量中有分类数据，则不能使用K-均值聚类分析。END
SPSSAU默认聚类分析使用K-均值聚类方法进行，以下说明均为Kmeans聚类分析方法
此表主要用于描述聚类分析的基本情况，描述聚类得出类别情况，每个类别人群数量和比例情况等。例如从上表可以看出：聚类得到3类群体，此3类群体的占比分别是35.0%, 29.7%, 35.3%。整体来看， 3类人群分布较为均匀，整体说明聚类效果较好。
此表主要通过方差分析对比每个类别下各题项的特征，探索各个类别的差异，最终可结合各个类别特征进行类别命名。例如从上表可知：聚类类别群体对于所有研究项均呈现出显著性(P<0.05),意味着聚类分析得到的3类群体，在研究项上的特征具有明显的差异性。
各指标解读：其中主要关注P值大小，小于0.05即说明，聚类类别群体对于所有研究项均呈现出显著性END