- •Вводные замечания
- •1. Начало работы
- •2. Описательные статистики
- •2.1. Проверка наличия «выбросов»
- •2.2. Проверка нормальности распределения
- •2.2.1. Критерии нормальности
- •2.2.2. Визуальная проверка нормальности распределения
- •3.2. Сравнение двух зависимых групп
- •3. Сравнение двух выборок
- •3.1. Сравнение двух независимых групп
- •4. Корреляционный анализ
- •5. Многомерные методы
- •5.1. Анализ главных компонент и эксплораторный факторный анализ
- •5.2. Кластерный анализ
- •5.2.1. Иерархический кластерный анализ
- •5.2.2. Кластерный анализ методом К-средних
- •Список рекомендуемой литературы и интернет-источников
5.2.2. Кластерный анализ методом К-средних
Проведем кластерный анализ методом К-средних Маккуина на примере ситуативной и личностной тревожности по Ч. Спилбергеру.
# Запускаем кластеризацию методом К-средних
cl <- kmeans(x = epi.bfi[, 12:13], # Указываем данные
centers = 3, |
# Указываем количество кластеров |
|
iter.max = 10, |
# Указываем максимальное количество итераций |
|
nstart = 10) |
# Количество запусков алгоритма кластеризации |
|
для уточнения положения центров кластеров |
||
# Визуализация кластерного анализа |
|
|
library(factoextra) |
|
|
fviz_cluster(data = epi.bfi[, 12:13], |
# Указываем данные |
|
object = cl, |
|
# Указываем объект класса "partition" |
|
|
47 |
show.clust.cent = TRUE, |
# Центры кластеров будут отмечены на |
диаграмме |
|
labelsize = 7, |
# Размер меток |
main = "Кластеризация методом К-средних")
#Присвоим соответствующие номера кластеров каждому наблюдению kclust <- cl$cluster
#Далее можно сравнить средние, чтобы понять специфику кластеров library(psych)
describeBy(epi.bfi[, 12:13], group = kclust)
##
##Descriptive statistics by group
##group: 1
## |
vars |
n |
mean |
sd |
median |
trimmed |
mad |
min |
max |
range |
skew |
## traitanx |
1 |
93 |
41.3 |
6.13 |
41 |
41.1 |
4.45 |
23 |
61 |
38 |
0.30 |
48
## stateanx |
2 |
93 |
39.1 |
5.22 |
39 |
39.1 |
5.93 |
27 |
54 |
27 |
-0.04 |
|
## |
kurtosis |
se |
|
|
|
|
|
|
|
|
|
|
## traitanx |
|
1.03 0.64 |
|
|
|
|
|
|
|
|
||
## stateanx |
-0.12 0.54 |
|
|
|
|
|
|
|
|
|||
--------------------------------------------------------## |
|
|
|
|
|
|
|
|
|
|
|
|
## group: 2 |
|
|
|
|
|
|
|
|
|
|
|
|
## |
vars |
n mean |
sd median trimmed |
mad min max range skew kurtosis |
||||||||
## traitanx |
1 |
54 |
48.3 |
9.34 |
46 |
47.9 |
9.64 |
31 |
71 |
40 |
0.47 |
-0.20 |
## stateanx |
2 |
54 |
56.6 |
6.82 |
55 |
56.0 |
5.93 |
45 |
79 |
34 |
0.89 |
0.73 |
## |
se |
|
|
|
|
|
|
|
|
|
|
|
## traitanx 1.27 |
|
|
|
|
|
|
|
|
|
|
|
|
## stateanx 0.93 |
|
|
|
|
|
|
|
|
|
|
|
|
--------------------------------------------------------## |
|
|
|
|
|
|
|
|
|
|
|
|
## group: 3 |
|
|
|
|
|
|
|
|
|
|
|
|
## |
vars |
n mean |
sd median trimmed |
mad min max range |
skew |
|
||||||
## traitanx |
1 |
84 |
30.5 |
4.22 |
30 |
30.5 |
4.45 |
22 |
40 |
18 |
-0.02 |
|
## stateanx |
2 |
84 |
29.9 |
4.70 |
29 |
29.8 |
5.19 |
21 |
41 |
20 |
0.26 |
|
## |
kurtosis |
se |
|
|
|
|
|
|
|
|
|
|
## traitanx |
-0.77 0.46 |
|
|
|
|
|
|
|
|
|||
## stateanx |
-0.64 0.51 |
|
|
|
|
|
|
|
|
|||
49
