Az előadás letöltése folymat van. Kérjük, várjon

Az előadás letöltése folymat van. Kérjük, várjon

Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Nem hierarchikus klaszterelemzés az SPSS-ben Petrovics Petra.

Hasonló előadás


Az előadások a következő témára: "Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Nem hierarchikus klaszterelemzés az SPSS-ben Petrovics Petra."— Előadás másolata:

1 Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Nem hierarchikus klaszterelemzés az SPSS-ben Petrovics Petra Doktorandusz

2 Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Klaszteranalízis folyamata 1. •A probléma megfogalmazása •(Kutatási probléma, hipotézis, vizsgálandó elemek nagysága, stb.) 2. •Feltételek vizsgálata •Pl: kiugró értékek, reprezentatív minta, skálázás 3. •Hasonlósági és távolságmérték meghatározása •(Ahol kisebb a távolság, azok a megfigyelési értékek hasonlóbbak) 4. •Klasztermódszer kiválasztása •Hierarchikus vs. nem hierarchikus 5. •Klaszterek száma •Hány csoport? Mi alapján? 6. •Klaszterek értelmezése, jellemzése •Elnevezés, értékelés 7. •Klaszterelemzés érvényességének ellenőrzése

3 Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Hierarchikus módszer az SPSS-ben Nem hierarchikus módszer K-MeansTwo Steps Előnye • Segít a klaszterszám meghatározásában • Ha változtatjuk a klaszterszámot, a korábban létrehozott klaszterek összetétele nem változik • Számtalan távolságmérték • Standardizálható változók • Dendogram • A mintavételi egységek száma magas • Kevésbé függ kiugró értékektől • Kevésbé függ távolságmértékektől • Kevésbé függ attól, hogy került-e az elemzésbe irreleváns változó • Leggyorsabb • Nominális és metrikus ismérvek kombinálhatósága • Ideális klaszterszámot „javasol” • Kiszűri az outliereket • Alapértelmezés szerint standardizál Hátránya • Érzékeny a kiugró értékekre • Hosszadalmas megtalálni az ideális kombinációt • Nominális és metrikus ismérvek nem kombinálhatók • A klaszterek számát előre kell meghatározni • Klaszterközéppont kiválasztása • Függ a megfigyelések sorrendjétől • Más klaszterszám esetében teljesen más összetételű klaszterek jönnek létre

4 Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet NévFőzősHáziasNemLakhelyKereset 1Béla13133000 2Jenő23111500 3Bea55222000 4Marci24131000 5Ubul44117000 6Zsuzsa27218000 7Rita26227000 8Zoli34131500 9Dávid22115000 10Robi65131000 11Kriszti33232000 12Zsófi66224000 13Géza71128000 14Éva67211000 15Dóra57213000 16Vera16226000 Nem: 1-férfi, 2-nő Lakhely: 1- Budapest, 2- megyeszékhely, 3-egyéb TK/286. oldal (Sajtos-Mitev)

5 Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet •K-közép (K-Means) eljárás Analyze / Classify / K-Means Cluster 7. •Klaszterelemzés érvényességének ellenőrzése Kezdeti klaszterközéppont meghatározása

6 Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Output 3 klaszter – 3 klaszterközéppont

7 Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet

8 7. •Összehasonlítás Hierarchikus módszer Nem hierarchikus módszer K-Means Megbízható =

9 Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Feladat Fogyasztók csoportosítása vásárlási attitűdjeik szerint: 1-7-ig terjedő skálán értékelik a következő állításokat: V1: A vásárlás szórakozás. V2: A vásárlás nem tesz jót a pénztárcának. V3: A vásárlást gyakran összekötöm étteremlátogatással. V4: Vásárláskor megpróbálom a legjobb vételt csinálni. V5: Nem érdekel a vásárlás. V6: Az árak összehasonlításával rengeteg pénzt lehet megtakarítani. Malhotra [2005]: Marketingkutatás 703.o.

10 Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet SorszámV1V2V3V4V5V6 1647323 2231454 3726413 4464536 5132264 6646334 7536334 8737414 9243363 10353646 11132353 12545424 13221544 14464647 15654214 16354647 17447225 18372643 19463727 20232472

11 Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Output

12 Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Köszönöm a figyelmet!


Letölteni ppt "Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Nem hierarchikus klaszterelemzés az SPSS-ben Petrovics Petra."

Hasonló előadás


Google Hirdetések