Корреляционная матрица
|
X1 |
X2 |
X3 |
X4 |
X5 |
X6 |
X1 |
1.00 |
-0.30 |
-0.43 |
0.48 |
0.43 |
-0.10 |
X2 |
-0.30 |
1.00 |
-0.08 |
-0.47 |
-0.25 |
-0.24 |
X3 |
-0.43 |
-0.08 |
1.00 |
-0.47 |
-0.32 |
0.16 |
X4 |
0.48 |
-0.47 |
-0.47 |
1.00 |
0.29 |
0.21 |
X5 |
0.43 |
-0.25 |
-0.32 |
0.29 |
1.00 |
0.29 |
X6 |
-0.10 |
-0.24 |
0.16 |
0.21 |
0.29 |
1.00 |
Анализ корреляционной матрицы не выявил тесной взаимосвязи между исходными показателями. Следовательно, все 6 показателей можно оставить для дальнейшего исследования.
3. Проведем стандартизацию исходных данных.
Таблица 3
Таблица стандартизованных значений
|
X1 |
X2 |
Х3 |
X4 |
X5 |
X6 |
1 |
-0.095780 |
0.419929 |
0.174355 |
-0.769366 |
-0.757924 |
-1.120003 |
2 |
0.921883 |
0.969066 |
0.767163 |
-0.769366 |
0.272853 |
-0.534155 |
3 |
-0.909911 |
-0.678346 |
-0.418453 |
0.607394 |
0.788241 |
0.344616 |
4 |
0.107753 |
0.602975 |
-1.011261 |
-0.769366 |
-0.242536 |
-0.241231 |
5 |
-1.113443 |
0.236883 |
-1.011261 |
-0.080986 |
0.272853 |
0.637540 |
6 |
-1.520508 |
1.701250 |
0.767163 |
-1.457747 |
-1.273312 |
-0.534155 |
7 |
-0.095780 |
0.786020 |
-1.011261 |
0.607394 |
-1.273312 |
0.051692 |
8 |
-0.299313 |
0.969066 |
0.174355 |
-0.769366 |
1.303629 |
-0.534155 |
9 |
-0.502845 |
0.419929 |
-0.418453 |
-0.769366 |
-0.757924 |
-1.412927 |
10 |
1.125416 |
-0.312255 |
-1.011261 |
1.984155 |
-0.242536 |
-1.120003 |
11 |
-1.316976 |
0.419929 |
1.359971 |
0.607394 |
0.272853 |
1.516312 |
12 |
1.328948 |
-1.959668 |
-1.011261 |
1.984155 |
1.303629 |
0.637540 |
13 |
1.125416 |
0.419929 |
-0.418453 |
0.607394 |
-0.242536 |
0.051692 |
14 |
1.939546 |
-0.312255 |
-1.011261 |
0.607394 |
1.819017 |
0.930464 |
15 |
-0.502845 |
-1.593576 |
1.952779 |
-0.080986 |
-1.788700 |
-0.241231 |
16 |
0.311285 |
-1.410530 |
0.767163 |
-0.769366 |
0.788241 |
-0.827079 |
17 |
-0.502845 |
-0.678346 |
1.359971 |
-0.769366 |
-0.242536 |
2.395084 |
4. Проведение кластерного анализа по методу дальнего соседа. Статистика-многомерные исследовательские методы-кластерный анализ. В окне выбрать иерархические кластерные процедуры «Joining(tree clustering)». Далее зайти во вкладку «Advanced».!!!!! В Cluster: выбираем cases!!! Вид связи выбрать complete linkage – метод дальней связи (дальнего соседа). Евклидова метрика. Ок. Зайти в вертикальную дендрограмму «Vertical plot».
Нажать на нижние обозначения C…. правой кнопкой. Для изменений названий объектов мышь навести на название, нажать правой кнопкой один раз и зайти в custom.
Рис. 1. «Дендрограмма, полученная по методу дальнего соседа»
На расстоянии объединения, равном 4,5, получаем 3-х кластерную модель по методу дальнего соседа.
Таблица 4