klaszterelemzés az spss-bennemzetkozi-gazdalkodas.hu/files/950/7_mm_klaszter.pdfnem: 1-férfi,...

Miskolci Egyetem Gazdaságtudományi KarMiskolci Egyetem Gazdaságtudományi KarMiskolci Egyetem Gazdaságtudományi KarMiskolci Egyetem Gazdaságtudományi Kar

Üzleti Információgazdálkodási és Módszertani Intézet

Klaszterelemzés az SPSS-ben

Petrovics PetraDoktorandusz

Klaszteranalízis

• Olyan dimenziócsökkentő eljárás, amellyeladattömböket – megfigyelési egységeket –tudunk viszonylag homogén csoportokbatudunk viszonylag homogén csoportokbasorolni, klasszifikálni.

• Cél: megmutatni, hogy léteznek olyancsoportok, amelyek jobban hasonlítanakegymáshoz, mint más csoportok tagjai.

Gyakorlati alkalmazási területei

• Piacszegmentálás1. Releváns piac meghatározása

2. Szegmentáció alapjául szolgáló ismérvek meghatározása

3. Szegmentálás (Faktor-, klaszteranalízis)3. Szegmentálás (Faktor-, klaszteranalízis)

4. 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 fogyasztóitkérdezték megkérdezték meg• 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

Név Főzős Házias Nem Lakhely Kereset

1 Béla 1 3 1 3 30002 Jenő 2 3 1 1 15003 Bea 5 5 2 2 20004 Marci 2 4 1 3 10005 Ubul 4 4 1 1 70006 Zsuzsa 2 7 2 1 80007 Rita 2 6 2 2 70008 Zoli 3 4 1 3 15009 Dávid 2 2 1 1 50009 Dávid 2 2 1 1 5000

10 Robi 6 5 1 3 100011 Kriszti 3 3 2 3 200012 Zsófi 6 6 2 2 400013 Géza 7 1 1 2 800014 Éva 6 7 2 1 100015 Dóra 5 7 2 1 300016 Vera 1 6 2 2 6000

Nem: 1-férfi, 2-nőLakhely: 1- Budapest, 2- megyeszékhely, 3-egyéb

• A klaszterelemzés célja:

A levesporfogyasztókat bizonyos ismérvek alapján csoportokba

rendezni.

1. • A probléma megfogalmazása

• Vizsgálandó elemek kiválasztása:

Sokaság nagysága: Pl. Magyarország levespor-fogyasztói

Mintanagyság meghatározása

Mintavétel módjának meghatározása

Most itt: n=16 fő (nem reprezentatív)

• Reprezentatív-e a minta?

Itt NEM nem vonhatunk le következtetéseket a

sokaságra vonatkozóan

2. • A klaszteranalízis feltételeinek vizsgálata I.

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

• Skálák– Hasonló skálázási adatok az összehasonlíthatók

– Célszerű: azonos mértékegység

(ok: nagyobb szórás nagyobb hatást mutat)

2. • A klaszteranalízis feltételeinek vizsgálata II.

(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”.

Átlaga 0, szórása 1

Összehasonlítható adatok

Cluster / Method…

2. • A klaszteranalízis feltételeinek vizsgálata III.

• Erősen korrelálnak az elemzésbe bevontváltozók egymással?

Analyze / Regression/ Linear …

Multikollinearitás

Analyze / Regression/ Linear …

Bináris változók esetén Metrikus változók esetén

Távolságmérték Hasonlóságmérték Távolságmérték Hasonlóságmérték

Euklidészitávolság

Russel and Rao Euklidészi távolság Pearson korreláció

Négyzetes Egyszerű illesztés Négyzetes

3. • Hasonlósági és távolságmérték meghatározása

Négyzetes euklidészi távolság

Egyszerű illesztés Négyzetes euklidészi távolság

Variancia Jaccard City block

Yule Csebisev

Cluster / Method

Forgy:

kezdőpont�magpont

4. • Klasztermódszer kiválasztása

Hierarchikus

Agglomeratív

(Összevonó)Divízív (Felosztó)

Nem hierarchikus

�magpont(Összevonó)

Lánc módszer

Egyszerű

Teljes

Átlagos

Variancia módszer

Ward-féleeljárás

Centroidmódszer

Az elemek közötti távolság átlaga

A legtávolabbi 2 elem távolsága

A legközelebbi 2 elem távolsága

A centroidok (kp.) közötti távolság

Forrás: Malhotra [2001]

Pl: Belson: kettéosztás

A klasztereken belüli szórásnégyzet növekedése a legkisebb

Hierarchikus módszer Nem hierarchikus módszer

Előnyös a használata, ha:

• nem tudjuk előre, hányklasztert szeretnénk létrehozni

• a mintavételi egységek száma magas

• 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. Hierarchikus: klaszterek ideális száma2. Kiugró elemek kiszűrése3. Nem hierarchikus csoportosítás

Analyze / Classify / Hierarchical Cluster

A szerintünk releváns

Az összevonás lépései

releváns változók

Ha az egyes egységeket el szeretnénk nevezni

Megfigyelési egységeket / változókat szeretnénk összevonni

Távolságmátrix

Jégcsapdiagram meghatározott klasztertartományra

Ne használd,

lefagy a gép!

Outlierek kiszűrése miatt!

Távolságmérték

Output

Rita Vera

Az új közös klasztermelyik lépésben jelenik

Az összevonás lépései

melyik lépésben jelenikmeg legközelebb(az alacsonyabb szám a

nyilvántartási szám)

Az összevonásra kerültklaszter melyik lépésbenjelenik meg előszörMilyen távolságok

alapján vonták össze a klasztert

Túl nagy ugrás

Vertical Icecle – Jégcsap diagram

Nagy elemszám esetében nehezen kezelhető.

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

Géza ~

kiugró érték

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•Metrikus változók

• Nincs kiugró érték

• Nincs korreláció a változók között

a. Kutatói tapasztalat

b. Távolságok

5. • Klaszterek számának meghatározása

b. Távolságok

c. Könyökkritérium

d. Klaszterek relatív mértéke

b) Távolság ( Dendogram)

Ahol a koefficiens értéke hirtelen megnő

De: törekedjünk 5 körüli értéknél körüli értéknél meghatározni a klaszterek számát

⇒ 2 v. 3 klaszter

c) Könyökkritérium

ÁbraszerkesztésLine

⇒ 12. lépés után

n - stagetöréspont

3 klaszter

(n-1) elem

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 / MeansAnalyze / 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

6.• Klaszterek jellemzése, elnevezése

1. klaszter 2. klaszter 3. klaszter

Klasztereljá-rásba bevont változók

Sokat főz Nem Igen Nem

Házias Nem Igen Igenváltozók Házias Nem Igen Igen

Csak a jellemzésbe bevont változók

NemTúlnyomórészt

férfiakTúlnyomórészt

nőkNők

Lakhely ? Nagy város Megyeszékhely

KeresetAlacsony(3000€)

Alacsony(2200€)

Magas(7667€)

ElnevezésNemtörődö-

mökHázi tündérek

Rohanó

üzletasszonyok

Graphs / Pie…

• Más távolságmérték

• Más klasztereljárások

• Változók elhagyása

7.• Klaszterelemzés érvényességének ellenőrzése

• Változók elhagyása

• A minta 2 részre bontása

• Az esetek sorrendjének megváltoztatása

• Nem hierarchikus klaszterelemzés…

Folyt. köv. órán

Köszönöm a figyelmet!Köszönöm a figyelmet!

klaszterelemzés az spss-bennemzetkozi-gazdalkodas.hu/files/950/7_mm_klaszter.pdfnem: 1-férfi,...

Documents

budapest ostroma civil vesztesegek...

a klaszterelemzés alkalmazási lehetôségei a ...lógia,...

pelle jános · 2020-06-08 · 2020. ájus 39 pelle jános...

ma is a lakhely, a legtöbb igazi otthon szíve, lelke a...

nem hierarchikus klaszterelemzés az spss-ben

a kaposvári urbanizálódó térség city-logisztika...

xxv. hosszútávú triatlon ob kategóriánkénti egyéni...

vasÁr szekszÁrdinap · a fecskeház mellett kiépülő...

tantÁrgyleÍrÁs · főkomponens-, faktorelemzés,...

lucca, tÖrtÉnelmi presztÍzs lakhely eladÓ - lionard...

klaszterelemzés az spss-ben

a megyeszékhely fejlesztési elképzelései · programja...

a megyeszékhely megyei jogú város és a megyei...

Önéletrajz - unideb.hu · Önéletrajz név: dr. sándor...