Переименование столбцов и строк

Для упрощения анализа следует сразу (до начала запуска програм­мы) правильно назвать переменные и случаи. Поскольку программа англоязычная, то названия переменных лучше записывать латинс­кими буквами, длиной не больше 8 символов. При необходимости используйте сокращения.

После того как все названия будут введены, сохраните изменения

Проведение кластерного анализа

Прежде всего следует перейти к модулю Кластерный анализ ( Cluster analysis ). Это можно сделать, избрав пункт Analysis , подпункт Other Statistics (рис. 1, слева). Появится окно модулей, в котором можно избрать нужный раздел (рис. 1, справа).

После запуска модуля Кластерный анализ автоматически появля­ется диалоговое окно (рис. 2). В этом окне следует выбрать один из методов кластерного анализа. Нас в первую очередь интересует Дре­ вовидная кластеризация, а потому необходимо избрать пункт Joining ( tree clustering ) и нажать ОК.

Сразу появится следующее окно, в котором вам предлагается за­дать следующие параметры кластерного анализа (рис. 3):

• переменные для анализа (кнопка );

• способ кластеризации (по столбикам — Variables , по лентам —
Cases );

• стратегию кластеризации;

• способ измерения расстояний между объектами.

70

Слева вверху в этом окне размещена кнопка Переменные ( ).

Ее следует нажать, чтобы избрать те переменные, по которым вы бу­дете проводить кластерный анализ. После нажатия на эту кнопку воз­никнет новое диалоговое окно, представленное на рис. 4.

Поскольку нам для анализа потребуются все переменные, то вы­берите опцию Выбрать Все (Select All), после чего Нажмите кнопку

71

Для начала кластерного анализа нажмите кнопку ОК. Перед вами (рис. 5) появится окно Результаты Объединения ( Joining Results ). Это и есть результаты кластерного анализа. Теперь, нажимая соответствую­щие кнопки, вы получите необходимые для анализа таблицы и графики.

Для описания результатов кластерного анализа нам будут важны следующие результаты:

• таблица расстояний ( );

• таблица объединений ( );

• горизонтальное или вертикальное кластерное дерево (
или ).

72

Таблица расстояний имеет следующий вид (рис. 6).

Из этой таблицы можно получить информацию о расстояниях между отдельными объектами — чем больше числовое значение в определенной графе таблицы, тем больше расстояние между соответ­ствующими ей объектами.

Однако на основе анализа только одной таблицы расстояний тя­жело делать определенные обобщения и выводы. Более информатив­ной является таблица объединений (рис. 7):

Как видим, в этой таблице содержание кластеров представлено иначе — слева указаны расстояния ( linkage distance ), а вверху — коли­чество объектов в кластере. В самой же таблице размещены непо­средственно объекты. Тем самым уже более явно показано, что в дан-

73

ном примере в первый кластер входят 2 объекта, во второй — 3, а тре­тий образован 5 переменными и т. д.

Еще нагляднее результаты кластерного анализа можно предста­вить в виде кластерного дерева (рис. 8).

---

Дата добавления: 2018-09-20; просмотров: 165; Мы поможем в написании вашей работы!

Поделиться с друзьями:

---

---

Мы поможем в написании ваших работ!