本文共 1558 字，大约阅读时间需要 5 分钟。

R型聚类分析是聚类分析的一种，一般对指标进行分类。

在实际工作中，为了避免漏掉某些重要因素，往往在一开始选取指标的时候尽可能考虑所有的相关因素，而这样做的结果，则是变量过多，变量间的相关度较高，给统计分析与建模带来极大不便，因此人们希望能够研究变量间的相似关系，按照变量的相似关系把他们聚合成若干类，进而找出影响系统的主要因素，引入了R型聚类方法。

举例：

服装标准制定中的变量聚类法：

以下表格是女子14个部位的测量资料，各部位的相关系数表，其中，x1为上身长，x2位手臂长，x3为胸围，x4为颈围，x5为总肩宽，x6为总胸宽，x7为后背宽，x8为前腰节高，x9为后腰节高，x10为全身长，x11为身高，x12为下身长，x13为腰围，x14为臀围。

clc,cleara = [        1 0 0 0 0 0 0 0 0 0 0 0 0 0        0.366 1 0 0 0 0 0 0 0 0 0 0 0 0        0.242 0.233 1 0 0 0 0 0 0 0 0 0 0 0        0.28 0.194 0.59 1 0 0 0 0 0 0 0 0 0 0        0.36 0.324 0.476 0.435 1 0 0 0 0 0 0 0 0 0         0.282 0.262 0.483 0.47 0.452 1 0 0 0 0 0 0 0 0        0.245 0.265 0.54 0.478 0.535 0.663 1 0 0 0 0 0 0 0        0.448 0.345 0.452 0.404 0.431 0.322 0.266 1 0 0 0 0 0 0        0.486 0.367 0.365 0.357 0.429 0.283 0.287 0.82 1 0 0 0 0 0        0.648 0.662 0.216 0.032  0.429 0.283 0.263 0.527 0.547 1 0 0 0 0        0.689 0.671 0.243 0.313 0.43 0.302 0.294 0.52  0.558 0.957 1 0 0 0        0.486 0.636 0.174 0.243 0.375 0.296 0.255 0.403 0.417  0.857 0.852 1 0 0        0.133 0.153 0.732 0.477 0.339 0.392 0.446  0.266 0.241 0.054 0.099 0.055 1 0        0.376 0.252 0.676 0.581 0.441 0.447 0.44 0.424 0.372 0.363 0.376 0.321 0.672 1        ]d=1-abs(a);  %进行数据变换，把相关系数转化为距离 系数越大 代表距离越近d=tril(d);   %提出d矩阵的下三角部分b=nonzeros(d); %去掉d中的0元素b=b';  %化成行向量z=linkage(b,'complete');  %按最长距离法聚类y=cluster(z,'maxclust',2);%把变量划分成两类，注:也可3类，底下记得修改ind1=find(y==1);  %显示第一类对应的变量编号ind2=find(y==2);  %显示第二类对应的变量编号ind1=ind1';ind2=ind2';h=dendrogram(z);  %画聚类图ind1,ind2set(h,'Color','k','LineWidth',2.0);%把聚类图线的颜色修改成黑色，线宽加粗