3. Иерархический кластерный анализ с числом переменных более двух

В файле Internet.sav, кроме информации о цене и наведенной известности присутствуют еще несколько переменных, Они описаны в табл. П.5. Переменные, выделенные курсивом, вычисляются по значениям других переменных этой же таблицы.

Цель анализа состоит в том, чтобы обнаружить группы организаций, близких по своим качествам.

1. Проведите иерархический кластерный анализ аналогично предыдущему случаю, задав следующие измененные параметры:

• переменные для кластеризации – начиная cPriceи заканчиваяSeychas;

• вывод только таблицы хода кластеризации (Agglomeration table);

• вывод диаграмм (флажок Plots) снимается.

Не забудьте провести стандартизацию переменных.

2. Определите, после какого шага происходит значительное (более чем на 3единицы) увеличение коэффициента, определите количество кластеров для этого шага. Убедитесь в том, что и в этом случае целесообразно выделить три кластера.

3. Выведите таблицу принадлежности элементов к кластерам. Для этого:

• вновь начните иерархический кластерный анализ;

• в окне Hierarchical cluster analysis щёлкните по кнопке Statistics... В рамкеCluster Membership(принадлежность к кластеру) активируйте радиокнопкуSingle solution(одно решение) и укажите в расположенном рядом полеСlustersжелаемое количество кластеров:3;

• задайте режим сохранения информации о принадлежности к кластерам в таблице исходных данных, для чего, щелкнув по кнопке Save…(сохранить), в рамкеCluster membershipпоявившегося окна установите радиокнопкуSingle solutionи значение3 clusters;

• запустите кластерный анализ кнопкой OK.

4. Изучите информацию о принадлежности организации к кластерам по таблице Cluster Membershipи по значениям новой переменнойclu3_1в таблице данных. Перечислите организации, относящиеся к каждому из трех кластеров.

5. Определите профили найденных кластеров, для чего требуется рассчитать средние значения переменных, использованных в анализе, по кластерной принадлежности. Для этого:

• выберите Analyze  Compare MeansMeans(АнализСравнить средние значения  Средние значения).

• переменные 1-7переместите в окноDependent List:(список зависимых переменных), а переменнуюclu3_1– в окноIndependent List:(список независимых переменных)¹⁹;

• щелкнув по кнопке Options…оставьте в полеCell Statistics(статистики для ячеек) только опциюMeans(средние значения);

• выполните расчёт. В качестве результатов расчёта выводятся средние значения итогов опроса для трех кластеров (рис.10).

Рис. 10. Результаты расчета средних значений переменных для полученных кластеров

В первом столбце результирующей таблицы даны номера кластеров, а в остальных – средние значения переменных для каждого из кластеров.

6. Дайте словесное описание полученных данных:

• по каким переменным можно различать кластеры;

• какие переменные не различаются в разных кластерах или различаются незначительно (и как определить понятие «незначительно»);

• можно ли различить все кластеры по значению одной переменной (переменных) или одна пара отличается значениями одной переменной, а другая – другой;

• какое название можно дать каждому из кластеров (например, дорогой и известный).

7. Проведите аналогичный анализ с использованием оставшихся, вычисляемых переменных.