欧姓来源(1)以国为氏。据《通志氏族略以国为氏》所载，欧氏，亦作瓯氏，东瓯王之后也。东瓯在今浙江省温州市。越王勾践的后裔名摇，于汉孝惠帝三年被立为东瓯王。（2）出自姒姓。以地名为氏。据《路史》所载，战国时，越王无疆次子，封于乌程欧余山之阳，后有欧氏、欧阳氏。欧姓 。欧姓2007年4月24日统计为第161位。2008年统计134位，113多万人。《郡望百家姓》云：欧氏望出平阳郡，在今山西省临汾县一带。

家谱，又叫“宗谱”、“族谱”、“家乘”，是记载一个家族血亲延续的基本文献。家谱的产生，是东汉世家大族兴盛繁荣的产物。东汉长期稳定的社会环境，形成了许多既有雄厚的经济实力，又有相当的政治特权并且拥有很高文化的大姓望族。这些大族为标榜其久远的历史和高贵的门阀，往往编撰谱录，详细介绍家族的发展过程、出现的显赫人物及不凡的事迹。魏晋南北朝时期，门阀政治对社会产生了极大的影响，门第成为关系一个人前途命运的关键；另外，由于社会动乱，许多人颠沛流离，于是，撰写家谱成为非常流行的风气，从贵族之家一直到普通百姓，皆乐此不疲。风气相沿，历唐宋元明清而不衰。

因各家的实际情况不同，家谱的详略大小各异。大家族家世长，显赫人物多，其家谱自然是内容丰富，颇具规模，体例也多采用叙述式；普通家族，人物与事迹平平，内容较简，体例多采用图表式。叙述式家谱信息量大，通常要详记家族全体成员的名、字、号、婚配、生育、享年、葬地、世系以及族田、宗词与族规等，有的还附有族中名人的列传、画像、著作、墓志和各种题跋等。图表式家谱则只限于名字、辈分、世系等。

家谱按男性辈分高低来排列，妻子不得载名，只以某氏列于其丈夫名字之后，所生女儿也不载名，只以第几女列在父母和兄弟之后。由于家族的延续与人口的变化，家谱需要不断续修。续修的时间，间隔十年、二十年不等。续修家谱是家族的大事，按照一定的礼仪与规矩进行。整个工作要由族长主持，并通知迁居异乡的族人派人回来参加其事。续谱包含着祖先崇拜遗风，借此可以增加族人认祖归宗的意识，提高家族内部的凝聚力。但也应该看到，在阶级社会中，家庭内部的分化非常剧烈。同姓同宗之人，有的田产弥望，有的则地无一垄，经济地位及社会地位根本不同。因此，续谱实际上还包含着淡化身份差异，缓和族内冲突矛盾的意义。

在中国的家谱中，孔、孟、曾三姓的家谱最有特色。因孔子、孟子、曾子在历史上享有“万世师表”的特殊地位，他们的谱系情况较为清楚，已经做到了全国一姓同谱，而且在立谱之初，就确定了家族世系命名的辈分序列和用字。人们一听（或一看）某人的姓名，就能知道他的辈分情况。此外，历史上还有一些典范性的家谱。如欧阳修的“欧氏谱”与诞生过“三苏”（苏洵、苏轼、苏辙）的“苏氏谱”，因体式完善，被推为家谱的典范。

家范，又称为“家训”、“家诫”、“家规”、“家约”等，是家长为后辈子孙或族中成员规定的立身处世、居家治生的原则、教务。它是一种训诫活动，也是一种文献。作为文献，家范主要涉及的方面有：

第一，敬祖孝亲，主要讲如何敬祖宗、孝父母、友兄弟；第二，睦亲和宗，主要讲如何处理同宗之间关系；第三，亲里睦邻，主要讲如何处理乡里乡亲间关系和如何选择朋友；第四，忠君急公，主要讲如何处理家国关系；第五，劝学育材，主要讲怎样培养子弟读书学习、尊师重教；第六，教女训媳，主要讲女儿与媳妇如何严肃闺范、谨守妇道；第七，婚嫁延嗣，主要讲怎样选妇择婿、保持血统、正妻妾之位等；第八，居家治生，主要讲如何重本守业、勉力耕织、勤俭持家、保身健体等；第九，积德行善，主要讲如何恤穷困、矜孤寡、行义举等；第十，禁诫为非，主要讲禁讼、禁赌、禁*、禁偷等。

家范，可以说是家长制定的，是体现家长意志的产物，但具体分析，又有多种情况。一是由全族通议，由族众共同制定，这主要是为了体现家范的公正性与权威性。二是由族长和宗子制定，这种情况最为普遍。三是由家族内的尊者或贤达制定。四是由单个家庭的家范演变而来。由于中国古代家族制度的普遍存在，从魏晋以后，家范的制定和编撰日益兴盛，积累了数量庞大的家范文献。在加强同族同宗的认同感和维护家族秩序，促进家族共同体的存在与发展，以及维护地方治安，保证国家的赋税摇役方面，都发挥了一定的作用。其中，颜子推的《颜氏家训》、范仲淹的教子《尺牍》、司马光的《涑水书仪》、朱熹的《家礼》等，为后人艳称不已，影响甚大。

宁远欧氏，属于平阳郡，太晚公大河分系永椿支系

湖南省永州市南六县和郴州市西南部分县市的绝大部分欧氏子孙族人代表齐聚宁远县城北门欧家,集体修订了家谱,并编排了新800年的辈分表 据家谱记载,这些地区的欧氏族人均系太晚公的后人

1欧姓发源有关于欧氏的历来，有关的姓氏古籍都考证，远地追溯到4000多年前，据传自圣君夏禹；因为，先秦时期位于浙江的越国，正是由夏禹的五世孙，那位曾经中兴夏室的少康之子所传。

2《区渭泉祖家谱》提到区、欧、欧阳同一衍派，一概不通婚。

此处不需要“个案标注依据”

统计

主要关注“聚类成员”模块，此处可以选择设置类别数为一个范围，也可以支持设置具体的单个分类数量。

这个选项对于暂时无法确定类别数目，或者想进行多类别数的结果比较时，非常方便。

图

聚类分析支持生成聚类结果图，从而更加直观的查看聚类过程。

系统聚类分析支持两种图形：

1）谱系图：也叫树状图，以🌲状的形式展现个案被分类的过程。

2）冰柱图：以“X”的形式显示全部类别或指定类别数的分类过程。

实际应用中，两种图选择其一输出即可。相对而言，谱系图更加直观。

因此本例中我们选择谱系图，冰柱图选择“无”

方法

系统聚类分析提供了多种聚类方法和适用于不同数据类型的测量方法。

对于“聚类方法”：

比较常用的是“组间联接”和“瓦尔德法”

对于“测量”：

1）区间：适用于连续变量，通常用默认的“平方欧氏距离”即可。

2）计数：适用于连续或分类变量，通常使用“卡方测量”即可。计数就是计算个数。

3）二元：适用于0/1分类变量，通常使用“平方欧氏距离”即可。即是/否分类变量

对于“转换值”：

“转换值”就是用来进行数据标准化处理的。一般采用“Z得分”。

选择“按变量”对每个变量单独进行标准化。

保存

重新输入“解的范围”，生成新变量

CLU3-1、CLU4-1

CLU是系统聚类分析方法的分类结果变量的前缀

后面的数字3或4表示分的类别数

下划线后面的数字表示系统聚类分析结果保存的次数。

了解即可

了解即可

接下来我们看一下每个分类包含的个案数，可通过描述统计--频率

一定要勾选“显示频率表”，因为我们主要就是为了看各个分类下的个案数目

从频率表知：

CLU3和CLU4的类别1人数一致，类别4页人数一致，CLU4的类别2和3合起来就是CLU3的类别2

接下来，绘制交叉表，查看各分类下各个变量的平均值，便于比较。

交叉表结合频率表可知：

1）CLU3和CLU4的类别1是同一批员工，业务能力很强，但是另外两个能力很弱。

2）CLU3的类别3和CLU4的类别4是同一批员工，分值都比较低，可以认为是该类员工整体能力较差。

3）CLU3的类别2分值整体较高，属于表现良好的员工，而CLU4将其细分为能力优秀的类别2和能力一般的类别3

问题一：SPSS19做Q型聚类分析谱系图时为什么39组只显示了部分组，见附图 50分 双击图标在最下面有一个下箭头，点击就会出现了。

问题二：spss系统聚类分析谱系图 5分 是不是合理要从你专业知识来判断

聚类分析结果spss显示不太好的，正常

问题三：matlab中聚类分析谱系图分析方法 result = resultreplaceAll(>\\s|^\\])\\>, );

String json = result;

Matcher matcher = Patternpile(|^/])>)matcher(result);

while(matcherfind()){

for (int i = 0; i , \+s+\:\$1\,);

}

}

问题四：如何使用聚类分析对一个图中的点进行识别分群呐，还是用别的办法 直接题目进行聚类，在理论上不好解释，但的确要更合理些，现在仍流行用因子进行聚类

问题五：最短距离聚类法聚类谱系图怎么画 最远距离即最长距离，是定义的类中Gp和Gq中最远的两个样品之间的距离为这两个类的距离，计算公式为 D（Gp，Gq）=max{dijOi∈Gp，j∈Gq，p≠q}当Gp和Gq合并为新类Gr后，按最长距离法计算Gr与其他类Gk（k≠p、q）之间的距离公式为 D（Gr，Gk）=max{ dijOi∈Gr，j∈Gk } =max{max{dijOi∈Gp，j∈Gk }，max{ dijOi∈Gq，j∈Gk }} =max{D（Gp，Gk），D（Gq，Gk）}

问题六：用SPSS19进行聚类分析时，怎么生成R型聚类分析谱系图，和Q型聚类分析谱系图， 你是在看教程学习还是实际应用

一般在实际应用中 已经没有R型和Q型的说法了, 不过教材中还会提到 分别是对个案进行聚类和 对变量进行聚类 由于对变量进行聚类一般是采用因子分析或者主成分分析了,所以很少会用聚类分析对变量进行聚类了

至于对个案聚类, 你只需要按照你的变量数据类型选择不同的度量标准就好,一般选择默认推荐的就可以了 另外系统聚类处理的数据必须是一个类型的 要么是全部分类的,要是是全部连续型的 ,不能是混合类型的

要出来树状图谱 你只要在绘制图形那个菜单进去 选择上面的树状图就好了

问题七：谱系聚类应采用哪种距离方式定义样品间的距离？为什么 聚类分析有两种主要计算方法，分别是凝聚层次聚类（Agglomerative hierarchical method）和K均值聚类（K-Means）。 一、层次聚类 层次聚类又称为系统聚类，首先要定义样本之间的距离关系，距离较近的归为一类，较远的则属于不同的类。可用于定义“距离”的统计量包括了欧氏距离 (euclidean)、马氏距离(manhattan)、 两项距离(binary)、明氏距离(minkowski)。还包括相关系数和夹角余弦。 层次聚类首先将每个样本单独作为一类，然后将不同类之间距离最近的进行合并，合并后重新计算类间距离。这个过程一直持续到将所有样本归为一类为止。在计算类间距离时则有六种不同的方法，分别是最短距离法、最长距离法、类平均法、重心法、中间距离法、离差平方和法。 下面我们用iris数据集来进行聚类分析，在R语言中所用到的函数为hclust。首先提取iris数据中的4个数值变量，然后计算其欧氏距离矩阵。然后将矩阵绘制热图，从图中可以看到颜色越深表示样本间距离越近，大致上可以区分出三到四个区块，其样本之间比较接近。 data=iris[,-5] diste=dist(data,method='euclidean') heatmap(asmatrix(diste),labRow = F, labCol = F) X 然后使用hclust函数建立聚类模型，结果存在model1变量中，其中ward参数是将类间距离计算方法设置为离差平方和法。使用plot(model1)可以绘制出聚类树图。如果我们希望将类别设为3类，可以使用cutree函数提取每个样本所属的类别。 model1=hclust(diste,method='ward') result=cutree(model1,k=3) 为了显示聚类的效果，我们可以结合多维标度和聚类的结果。先将数据用MDS进行降维，然后以不同的的形状表示原本的分类，用不同的颜色来表示聚类的结果。可以看到setose品种聚类很成功，但有一些virginica品种的花被错误和virginica品种聚类到一起。

家谱就是用来记录这个家族的迁徙情况，还有这个家族的人的。

所谓迁徙，指的是你们这个家族是在哪里起源，后来迁移到另一个地方生活，留在当地的家族旁支，迁到其他地方的旁支。

老祖宗是谁，随之往下的儿女，孙子等各叫什么名字，各是什么关系。