📘 SPSS 군집분석 실행 3편

계층적 군집분석으로 군집 수를 탐색했다면,
이제 그 정보를 활용해 K-평균 군집분석(K-means) 으로 좀 더 정교하게 군집을 확정할 수 있습니다.

많은 연구와 실무에서
가장 폭넓게 쓰이는 군집 방법이 바로 이 K-평균 군집입니다.

---

📌 K-평균 군집분석이란?

• 사전에 군집 수(K)를 지정
• 각 군집의 중심(centroid)을 기준으로
• 가장 가까운 관측값을 반복적으로 재배치

📍 즉, 데이터를 K개의 집단으로 분명하게 나누는 것이 목적입니다.

특히 샘플 수가 많을수록 K-평균이 더 효율적입니다.

※ 변수는 연속형 변수 위주가 적합합니다
(명목형 변수만 있다면 이단계 군집분석이 더 적절)

---

⚙ SPSS 실행 경로

분석 → 분류 → K-평균 군집분석

① 변수 지정

군집에 사용할 변수를 선택하여 오른쪽 칸에 넣습니다.
(가능하면 Z-점수 표준화된 변수 사용 권장)

② 군집 수 설정

“군집 수(K)” 입력 → 예: 3개, 4개 등
선행연구 또는 2편의 계층적 군집분석 결과 참고

③ 옵션 설정

• 케이스의 군집 소속 저장(필수)
  → 분석 후 데이터에 “군집번호 변수” 생성
• 초기군집중심 표시
• 분산분석표(ANOVA) 체크

모두 설정 후 확인

---

📊 결과 해석하는 법

(1) 최종 군집 중심(Cluster Centers)

군집별로 각 변수의 평균이 어떻게 다른지 비교합니다.

예시 해석 방식:

• 군집 1: 만족도↑ / 가격민감도↓ → 프리미엄 선호형
• 군집 2: 만족도↓ / 재구매의향↓ → 무관심형
• 군집 3: 만족도↑ / 충성도↑ → 충성 고객형

즉, 각 군집을 대표하는 특성을 한 줄로 요약하여 이름을 붙이는 것이 핵심입니다.

---

(2) 분산분석표(ANOVA)

각 변수가 군집을 구분하는 데 의미 있었는지 확인합니다.

• p < .05 → 군집 간 차이가 유의함
• p ≥ .05 → 해당 변수는 군집 분류 기여도 낮음

군집화 변수 중 일부 변수의 유의성이 낮다면?
→ 변수 재선정 또는 군집 수 조정 고려

---

(3) 군집별 사례 수 확인

군집에 1~2명만 포함된다면
결과 신뢰도가 떨어질 수 있습니다.

실무 기준 팁:

• 군집별 사례 수 균형 확인
• 너무 작은 군집은 통합·제외 검토 가능

---

🔍 결과를 활용하는 추가 분석 팁

군집 소속 변수가 저장되었기 때문에
아래 분석들이 후속 프로파일링에 유용합니다.

• 군집 × 성별 / 연령 → 교차분석
• 군집별 평균 비교 → 마케팅 세분화 인사이트
• 군집별 이탈율 / 구매 의향 분석

군집별 특성 이해와 명명 작업이 모델 활용의 본질입니다.

---

✦ 정리 ✦

강점	유의점
계산 빠르고 안정적	군집 수를 미리 지정해야 함
해석이 간단	이상치에 민감
대규모 데이터 적합	변수 스케일 차이 크면 왜곡

---

📌 다음 예고
→ 이단계 군집분석: 범주형 & 연속형 변수 혼합 분석 / 군집 수 자동 제안

설문 데이터에서 가장 실용적인 군집 방법이니
마지막 편도 기대해주세요! 😄