树状图显示每步通过聚类观测值形成的组及其相似性水平。相似性水平沿垂直轴测量（或者，可以显示距离水平），而不同的观测值沿水平轴列出。
解释
使用树状图可查看这些聚类在各步如何形成，并且评估所形成聚类的相似性（或距离）水平。
要查看相似性（或距离）水平，请将鼠标指针放在树状图中的水平线上。相似性或距离值随步骤变化的模式可以帮助您选择数据的最终分组。值发生突变的步骤可能是定义最终分组的合适点。
有关最终分组的决定又称为切割树状图。切割树状图类似于在树状图中画线以指定最终分组。还可以比较不同最终分组的树状图，确定对数据最有意义的最终分组。
此树状图使用 4 个聚类的最终分割而创建，最终分割发生在大约 40 相似性水平处。第一个聚类（最左侧）由 7 个观测值（工作表的行 1、3、6、9、10、11 和 15 中的观测值）组成。第二个聚类（正右方）由 3 个观测值（工作表的行 4、12、19 中的观测值）组成。第三个聚类由 7 个观测值（行 2、14、17、20、18、5 和 8 中的观测值）组成。第四个聚类（最右侧）由 3 个观测值（行 7、13 和 16 中的观测值）组成。如果您切割树状图的高度越高，最终聚类将越少，但相似性水平将降低。如果您切割树状图的高度越低，相似性水平将越高，但最终聚类将越多。
注意
对于一些数据集，平均法、质心法、中位数法和 Ward 法可能不会生成分层树状图。也就是说，合并距离并非总在每步增加。在树状图中，这一步产生的联结向下而不是向上。
