- Дипломы
- Курсовые
- Рефераты
- Отчеты по практике
- Диссертации
Интерпретация результатов кластера
Результаты кластерного анализа нагляднее всего представляются в виде дендограммы (рис. 6.11). Дендограмма является графическим изображением таблицы «График агломерации» (см. табл. 6.4). При построении дендограммы SPSS нормирует значения коэффициента, характеризующего степень гетерогенности формируемых кластеров, по шкале от нуля до 25. В рассматриваемом примере значению шкалы дендограммы 25 (см. рис. 6.11) соответствует значение коэффициента 4,196 в последней строке таблицы «График агломерации» (см. табл. 6.4). Дендограмма иллюстрирует увеличение разнородности кластеров по мере их укрупнения. Максимальное значение шкалы дендограммы 25 характеризует максимааьно возможную степень гетерогенности кластеров, когда все объекты исследования объеди- , нены в один кластер. Если объекты исследования разделить на два кластера: «17— 24 года» и «25—70 лет», то данные кластеры будут значительно более разнородны. Степень их разнородности по шкале дендограммы понизится примерно до 7. В качестве оптимального числа формируемых кластеров в рассматриваемом примере было определено число 3 (см. предыдущий раздел). Окончательным результатом кластерного анализа является разделение 11 возрастных групп туристов на три кластера: кластер 1: туристы 17—24 лет; кластер 2: туристы 25—44 лет; кластер 3: туристы 45—70 лет. Как видно из дендограммы, кластеры «2» и «3», т.е. возрастные группы туристов «25—44 года» и «45—70 лег», являются более однородными по структуре интересов (мотивов проведения времени на отдыхе) по сравнению с возрастной группой «17—24 года» (см. рис. 6.11). После кластерного анализа можно проводить дополнительные исследования, в ходе которых оцениваются особенности выделенных кластеров. В нашем примере можно выяснить, какие именно интересы туристов (мотивы проведения времени на отдыхе) являются наиболее важными для каждого сформированного кластера. Также для выявления отличительных особенностей сформированных кластеров можно провести впоследствии дискриминант- ный анализ. С помощью дискриминантного анализа, например, можно выяснить, отличаются ли друг от друга туристы, оказавшиеся в разных кластерах, по каким-либо социально-демографическим признакам (кроме возраста, поскольку эта переменная лежит в основе формирования кластеров). КОНТРОЛЬНЫЕ ВОПРОСЫ Какова цель проведения и возможности использования результатов кластерного анализа? Какие требования предъявляются к переменным, участвующим в проведении кластерного анализа, относительно типов шкал измерения переменных? Почему и в каких случаях при проведении кластерного анализа необходимо преобразование структуры исходного массива данных? Чем отличается иерархический кластерный анализ от других видов кластерного анализа? В чем состоит отличие между дивизионным и агломеративным алгоритмом иерархического кластерного анализа? Для чего при использовании метода формирования кластеров « Ward» служит показатель «Квадрат евклидова расстояния» и как следует интерпретировать его значения? 129 Что представляет собой таблица «График агломерации», выводимая в SPSS результатов иерархического кластерного анализа? Какие данные содержатся в столбцах «Stage», «Cluster Combined», «Coefficients» и «Мех/ Stage» этой таблицы? Какие ориентиры существуют для определения оптимального количества формируемых кластеров, что представляет собой критерий «EHbow»? Что представляет собой дендо1рамма, выводимая в SPSS на экран компьютера среди результатов кластерного анализа?
| Каталог работ |
