Klaszterelemzés az SPSS-ben

Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet

Klaszterelemzés az SPSS-ben

Petrovics Petra Doktorandusz


Klaszteranalízis • Olyan dimenziócsökkentő eljárás, amellyel adattömböket – megfigyelési egységeket – tudunk viszonylag homogén csoportokba sorolni, klasszifikálni. • Cél: megmutatni, hogy léteznek olyan csoportok, amelyek jobban hasonlítanak egymáshoz, mint más csoportok tagjai.


Gyakorlati alkalmazási területei • Piacszegmentálás 1. 2. 3. 4.

Releváns piac meghatározása Szegmentáció alapjául szolgáló ismérvek meghatározása Szegmentálás (Faktor-, klaszteranalízis) 1 csoportba került fogyasztók jellemzése

• Piacszerkezet-elemzés (versenytárs márkáival való helyettesíthetőség)

• Új termék lehetőségeinek feltárása • Tesztpiacok kiválasztása • Adatcsökkentés


Klaszteranalízis folyamata


Feladat TK/286. oldal (Sajtos-Mitev) • Levesport gyártó vállalat kérdezték meg • • • • •

fogyasztóit

Név: String Főzős: 1-7-ig terjedő skálán mennyit főz Házias: 1-7-ig terjedő skálán mennyire házias Nem: 1: férfi, 2: nő Lakhely: 1:Budapest, 2:megyeszékhely, 3: egyéb


1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

Név

Főzős

Házias

Nem

Lakhely

Kereset

Béla Jenő Bea Marci Ubul Zsuzsa Rita Zoli Dávid Robi Kriszti Zsófi Géza Éva Dóra Vera

1 2 5 2 4 2 2 3 2 6 3 6 7 6 5 1

3 3 5 4 4 7 6 4 2 5 3 6 1 7 7 6

1 1 2 1 1 2 2 1 1 1 2 2 1 2 2 2

3 1 2 3 1 1 2 3 1 3 3 2 2 1 1 2

3000 1500 2000 1000 7000 8000 7000 1500 5000 1000 2000 4000 8000 1000 3000 6000

Nem: 1-férfi, 2-nő Lakhely: 1- Budapest, 2- megyeszékhely, 3-egyéb


SPSS


1.

• A probléma megfogalmazása

• A klaszterelemzés célja: A levesporfogyasztókat bizonyos ismérvek alapján csoportokba rendezni.

• Vizsgálandó elemek kiválasztása: Sokaság nagysága: Pl. Magyarország levespor-fogyasztói Mintanagyság meghatározása Mintavétel módjának meghatározása Most itt: n=16 fő (nem reprezentatív)


2.

• A klaszteranalízis feltételeinek vizsgálata I.

• Reprezentatív-e a minta? Itt NEM nem vonhatunk le következtetéseket a sokaságra vonatkozóan

• Kiugró adatok (outliers) – Olyan abnormális megfigyelések, amelyek nem jellemzők a sokaságra; – Alulprezentálják az alapsokaságban levő csoport nagyságát.

Analyze / Classify / Hierarchical Cluster / Method: Nearest neighbour


• A klaszteranalízis feltételeinek vizsgálata II.

2.

• Skálák – –

Hasonló skálázási adatok az összehasonlíthatók Célszerű: azonos mértékegység (ok: nagyobb szórás nagyobb hatást mutat) Pl. a főzést és a házias jelleget nem ugyanazon az intervallumon mérnénk; A jövedelmet hasonlítanánk össze a főzéssel, stb. Ha eltér: standardizálni! Ha: - a válaszok egymáshoz képesti relatív fontossága a lényeges, - hasonló profilokat keresünk, - nem érdekel a „válaszadó stílusa hatás”. zi =

xi − x sx

Átlaga 0, szórása 1

Összehasonlítható adatok


Analyze / Classify / Hierarchical Cluster / Method…


2.

• A klaszteranalízis feltételeinek vizsgálata III.

• Erősen korrelálnak az elemzésbe bevont Multikollinearitás változók egymással? Analyze / Regression/ Linear …


• Hasonlósági és távolságmérték meghatározása

3.

Bináris változók esetén Távolságmérték Euklidészi távolság

Metrikus változók esetén

Hasonlóságmérték Távolságmérték Russel and Rao Euklidészi távolság

Négyzetes Egyszerű illesztés euklidészi távolság

Négyzetes euklidészi távolság

Variancia

Jaccard

City block

Yule

Csebisev

Analyze / Classify / Hierarchical Cluster / Method

Hasonlóságmérték Pearson korreláció


• Klasztermódszer kiválasztása

4.

Hierarchikus Agglomeratív (Összevonó) Lánc módszer A legközelebbi 2 elem távolsága

Egyszerű Teljes

Nem hierarchikus Divízív (Felosztó)

Variancia módszer Ward-féle eljárás

Centroid módszer

Forgy: kezdőpont magpont

Pl: Belson: kettéosztás A centroidok (kp.) közötti távolság

A klasztereken belüli szórásnégyzet növekedése a legkisebb

A legtávolabbi 2 elem távolsága

Átlagos Az elemek közötti távolság átlaga Forrás: Malhotra [2001]


Hierarchikus módszer

Nem hierarchikus módszer

Előnyös a használata, ha: • nem tudjuk előre, hány • a mintavételi egységek száma magas klasztert szeretnénk létrehozni • kevésbé függ kiugró értékektől • kevésbé függ távolságmértékektől • kevésbé függ attól, hogy került-e az elemzésbe irreleváns változó

Hátránya • Érzékeny a kiugró értékekre

• A klaszterek számát előre kell meghatározni • Klaszterközéppont kiválasztása • Függ a megfigyelések sorrendjétől

Kombinált használat: 1. 2. 3.

Hierarchikus: klaszterek ideális száma Kiugró elemek kiszűrése Nem hierarchikus csoportosítás


Analyze / Classify / Hierarchical Cluster

Az összevonás lépései

A szerintünk releváns változók Ne használd, lefagy a gép!

Megfigyelési egységeket / változókat szeretnénk összevonni

Távolságmátrix Ha az egyes egységeket el szeretnénk nevezni Jégcsapdiagram meghatározott klasztertartományra


Outlierek kiszűrése miatt! Távolságmérték


Output Rita

Vera

Az új közös klaszter melyik lépésben jelenik meg legközelebb (az alacsonyabb szám a nyilvántartási szám)

Az összevonás lépései

Milyen távolságok alapján vonták össze a klasztert

Az összevonásra került klaszter melyik lépésben jelenik meg először

Túl nagy ugrás


Vertical Icecle – Jégcsap diagram

Nagy elemszám esetében nehezen kezelhető.

3

Géza ~ kiugró érték Alulról kezdjük értelmezni: Hol a legnagyobb a nevek közötti vonal? – Vera és Rita – 1. klaszterképzés


Dendogram Legkisebb távolság alapján von össze

Kiugró értékek kezelése

Géza ~ kiugró érték

Abnormális? Ki kell zárni?


Kiugró elemek törlése Data / Select Cases / If condition is satisfied… Ez marad benn.


Analyze / Classify / Hierarchical Cluster / Method: Ward

• Metrikus változók • Nincs kiugró érték • Nincs korreláció a változók között


• Klaszterek számának meghatározása

5.

a. b. c. d.

Kutatói tapasztalat Távolságok Könyökkritérium Klaszterek relatív mértéke


b) Távolság ( Dendogram) Ahol a koefficiens értéke hirtelen megnő De: törekedjünk 5 körüli értéknél meghatározni a klaszterek számát

⇒ 2 v. 3 klaszter


c) Könyökkritérium

Ábraszerkesztés Line


⇒ 12. lépés után n - stagetöréspont 3 klaszter

(n-1) elem


Analyze / Classify / Hierarchical Cluster / Save… Konkrét klaszterszám


Graphs / Scatter/Dot…



6.

• Klaszterek értelmezése, jellemzése

• Klasztercentroidok és szórások Mennyiségi (főzés, háziasság) +minőségi (cluster) ismérvek ⇒ vegyes kapcsolat Analyze / Compare Means / Means


• Demográfiai vizsgálat (nem, lakhely) Minőségi-minőségi ismérv ⇒ asszociáció Analyze / Descriptive Statistics / Crosstabs




• Mennyiségi (kereset) +minőségi (cluster) ismérvek ⇒ vegyes kapcsolat (ANOVA) Analyze / Compare Means / Means


• Klaszterek jellemzése, elnevezése

6.

Klasztereljá- Sokat főz rásba bevont Házias változók Csak a jellemzésbe bevont változók

Elnevezés

Nem Lakhely Kereset

1. klaszter

2. klaszter

3. klaszter

Nem

Igen

Nem

Nem

Igen

Igen

Túlnyomórészt Túlnyomórészt férfiak nők ?

Nagy város

Alacsony (3000€) Nemtörődömök

Alacsony (2200€)

Nők Megyeszékhely

Magas (7667€) Rohanó Házi tündérek üzletasszonyok


Graphs / Pie…


7.

• • • • • •

• Klaszterelemzés érvényességének ellenőrzése

Más távolságmérték Más klasztereljárások Változók elhagyása A minta 2 részre bontása Az esetek sorrendjének megváltoztatása Nem hierarchikus klaszterelemzés… Folyt. köv. órán


Köszönöm a figyelmet!

Klaszterelemzés az SPSS-ben

Recommend Documents