在《详解SPSS两步聚类之参数设置》一文中，我们已经了解了两步聚类的优点、分析原理，以及参数设置的技巧。
在本节中，会对IBM SPSS Statistics聚类后的结果进行解读，其中会涉及到最终聚类的结果、聚类的质量、变量重要性、聚类特征的解读。
如图1所示，我们先来回顾下本例数据在参数设置面板中的详细设置。
图1：二阶聚类设置
一、数值结果
根据上述参数设置，得到如下的数值分析结果。
首先看到自动聚类结果，如图2所示为聚类的透视表结果，展示了不同聚类数目下的BIC、BIC变化量、BIC变化比例与距离测量比率。SPSS会自动综合以上指标的数值，得出最佳的聚类数目。
图2：自动聚类
根据图2的自动聚类透视表结果，SPSS得出了如图3所示的一个3聚类的结果。其中聚类1包含69个个案，占总计34.8%；聚类2包含62个个案，占总计31.3%；聚类3包含67个个案，占总计33.3%。
图3：聚类分布
二、图表结果
接下来，我们再来看看二阶聚类的图表结果。
如图4所示，在模型概要中，显示该模型执行了两步聚类，输入了6个变量，得到3个聚类。另外，其聚类质量为良好。
图4：模型概要
如图5所示，右击模型概要，选择“编辑”选项，打开模型查看器，可进一步查看其它的辅助视图。
图5：编辑图表
如图6所示，在模型查看器的左侧包含了模型概要视图，右侧包含了预测变量重要性视图。而通过单击右侧视图下方的查看选项，可切换聚类大小、聚类特征等视图。
首先看到的是预测变量重要性视图，可以看到，星级是最为重要的变量、其次是销售额与销售量。
图6：预测变量重要性
而从聚类大小看到，3个聚类的占比相似，最大聚类与最小聚类的比值为1.11。
图7：聚类大小
如果想了解不同聚类的特征，可从如图8所示的聚类特征表中得到相关的信息。聚类特征表展示的是聚类与变量的交叉分析，其数值展示的是分类变量的分布或连续变量的中心点，由此可得出不同聚类的显著特征。
比如，聚类2是五星级占比100%，销售额、销售量、客流量中心点最大、所处区域为3（占比38.7%）的店铺类型。
图8：聚类特征表
三、小结
综上所述，SPSS的两步聚类分析解读，可先从BIC准则判断最佳的聚类数目，然后，再从模型概要得到聚类质量。
在确认聚类质量可接受的前提下，可通过模型查看器进一步解读聚类变量的重要性、聚类特征等。