现在把胡良平教授的教材《面向问题的统计学3》中的范例奉上，仅供参考。
本例一个分类指标，多个分类指标也是可以的。

Data mxwttjxt10_1;
  input x@@;
  cards;
  9.3 1.8 1.9 1.7 1.5 1.3 1.4 2.0 1.9 2.3 2.1
  ;
run;
proc iml;
  use mxwttjxt10_1;
  read all into matrix_a;
  close mxwttjxt10_1;
  n=nrow(matrix_a);
  call symputx("n",nrow(matrix_a));
  call  symputx("m",ncol(matrix_a));

/*一、产生直径矩阵*/
  D=j(n,n,0);            /*建立n行n列的矩阵，元素初值均为0，以用来存储类的直径*/
  do i=1 to n;
   do j=1 to n;
    if i<j then D[i,j]=.;   /*用以得到下三角矩阵形式的直径矩阵*/
    else do;        
     temsum=matrix_a[i:j,];             /*选取第i行到第j行作为子矩阵*/
         temsum2=temsum-shape(temsum[:,],i-j+1,&m);          /*用子矩阵中各元素减去本列元素的均值，得到离均差*/
     D[i,j]=round(ssq(temsum2),0.001);          /*计算矩阵中所有元素的平方和，并保留3位小数*/
    end;
   end;
  end;
  create D var("obs1":"obs&n");     *此处&n为实际样本数;
  append from D;
/*产生直径矩阵结束*/

/*二、产生最小损失矩阵*/
  Lb=j(n,n,0);         /*建立n行n列的矩阵，元素均为0，以用来存储最小损失函数值*/
  lastN=j(n,n,0);     /*建立n行n列的矩阵，元素均为0，以用来存储最后一个分类的样品起始号*/
  do j=1 to n;
    do i=1 to n;        
          if i<j | j=1 then do;   *排除无意义的点，以建立下三角矩阵;
           Lb[i,j]=.;
           lastN[i,j]=.;
          end;
          else do;
           temp=j(i-j+1,1)-1;
            do k=j to i;     *设最后一段的起始点为k,由于有j段，所以k至少为j;
             if j=2 then temp[k-j+1]=D[k-1,1]+D[i,k];
             else temp[k-j+1]=Lb[k-1,j-1]+D[i,k];   *当j>2时，即分段数大于3时，用递归公式;
            end;                                
           Lb[i,j]=temp[><];        /*找出最小损失函数值*/
           lastN[i,j]=temp[>:<]+j-1;   /*由当前位置m=k-j+1推出最后一段的起始点k=m+j-1*/
          end;
    end;
  end;
  Lb_lastN=char(Lb,15,3)+"("+char(lastN,2,0)+")";    *将数值矩阵转化为字符矩阵，然后合并两矩阵的对应位置元素的内容，char函数的第三个参数为小数点的位数*;
  create Lb from Lb;
  append from Lb;
  create Lb_lastN from Lb_lastN;
  append from Lb_lastN;
/*产生最小损失矩阵结束*/

/*三、分别找出k分段点*/
  blockNum=j(n,n,.);    *初始化一个元素个数为n*n的矩阵;
  do k=n to 2 by -1;    *至少分2段，最多分n段;
    do j=k to 1 by -1;
     if j=k then blockNum[k,j]=lastN[n,j];    *首先得到最后一分段点，由矩阵lastN中获得，lastN[n,j]即表示n个样品分为j类时最后一类的起始点;
         else if j>1 then blockNum[k,j]=lastN[blockNum[k,j+1]-1,j];   /*欲求中间某段的起始点，也可由lastN中获得，相当于剩余的样品（其个数可用后一类起始点-1计算得到）分为j类时最后一类的起始点*/
         else blockNum[k,j]=1;                        
    end;
  end;
/*分别找出k分段点结束*/
  create blockNum from blockNum;
  append from blockNum;
quit;
ods html;
proc print data=D;             /*输出直径表*/
  title "&n.个有序样品的直径D表";
run;
proc print data=Lb_lastN;     /*输出最小损失表*/
  title "&n.个有序样品的最小损失表";
run;
proc print data=blockNum;    /*输出分类结果*/
  title "&n.个有序样品的聚类结果";
run;
title " ";
ods html close;
data a;                     
  set Lb;
  where col&n^=.;
  drop col1;
run;
proc transpose data=a out=b;
run;
data c;
  set b;
  cluster=_n_+1;
  drop _NAME_;
  rename col1=Lp;
run;
proc gplot data=c;     /*绘制最小损失函数值随分类数变化的趋势图*/
  plot Lp*cluster;
  symbol interpol=join;
run;

不明白什么是有序聚类。。。sas 里聚类分析相关的内容在proc cluster

sas 里聚类分析相关的内容在proc cluster

其它软件可以做有序聚类，但是我也不知SAS如何做有序聚类。

有序数据的聚类，就是数据的前后顺序不能破坏，还要进行聚类分析。如：按照人一生各项的不同生理指标，把人的一生分成几段，就是一个聚类分析。比如：即使婴儿期和老年期免疫指标都很低很接近，普通聚类他们很容易聚到一类，而有序聚类，婴儿期和老年期是不可能聚在一起的，中间隔着幼儿期、少年期、青年期、壮年期等。