6 ,7 И 8 табличка
На 6 и 7 табличке показаны корреляции межу переменными и факторами (матрицы факторных нагрузок). 6 табличка до вращения и 7 табличка после вращения. 8 табличка – матрица преобразования компонент. 7 табличка получается путем умножения 6 таблички на 8 табличку (Это так написано в учебнике Наследова, за правильность не ручаюсь). 7 табличка - матрица факторных нагрузок после вращения. Именно эта матрица является главным итогом факторного анализа и подлежит содержательной интерпретации.
Нагрузка отражает связь между переменной и фактором, являясь подобием коэффициента корреляции. Значение нагрузки лежит в пределах от -1 до 1.
Component Matrixa |
|||
|
Component |
||
1 |
2 |
3 |
|
Important to be successful and that people recognise achievements |
,588 |
,385 |
,320 |
Important to help people and care for others well-being |
,588 |
-,258 |
-,327 |
Important to be loyal to friends and devote to people close |
,571 |
-,220 |
-,318 |
Important to show abilities and be admired |
,554 |
,324 |
,320 |
Important that government is strong and ensures safety |
,534 |
-,335 |
,228 |
Important to care for nature and environment |
,523 |
-,320 |
-,236 |
Important to understand different people |
,522 |
-,224 |
-,368 |
Important to try new and different things in life |
,522 |
,447 |
-,175 |
Important to make own decisions and be free |
,517 |
,180 |
-,267 |
Important to live in secure and safe surroundings |
,509 |
-,371 |
,284 |
Important to get respect from others |
,508 |
,050 |
,449 |
Important that people are treated equally and have equal opportunities |
,487 |
-,247 |
-,310 |
Important to think new ideas and being creative |
,477 |
,307 |
-,256 |
Important to follow traditions and customs |
,414 |
-,402 |
,201 |
Important to do what is told and follow rules |
,360 |
-,347 |
,348 |
Important to seek adventures and have an exiting life |
,344 |
,654 |
-,044 |
Important to be humble and modest, not draw attention |
,316 |
-,498 |
-,048 |
Important to have a good time |
,447 |
,497 |
-,125 |
Important to seek fun and things that give pleasure |
,459 |
,491 |
-,149 |
Important to behave properly |
,470 |
-,482 |
,253 |
Important to be rich, have money and expensive things |
,334 |
,445 |
,477 |
Extraction Method: Principal Component Analysis. |
|||
a. 3 components extracted. |
|||
Что мы видим здесь? Как говорилось выше у нас есть три фактора. Они отображены в столбиках.
В строках отображены все наши переменные. Они отображены особым образом: в порядке убывания по факторам. Сначала идет все то, что мы можем отнести к первому фактору (эти переменные имеют большую корреляцию с первым факторам (больше 0,5)), потом идет все, что можно отнести ко второму фактору (опять же в порядке убывания), потом все то, что мы можем отнести к третьему фактору. Чем выше в табличке расположена переменная по каждому фактору, тем больше корреляция, тем сильнее влияние переменной на фактор.
Итак из таблицы мы видим, что к первому фактору относятся следующие переменные:
Он (она) ищет приключений и ему нравится рисковать
Для него (для нее) важно быть очень успешным
Ему (ей) нравятся неожиданности, он всегда старается найти для себя новые занятия
Он (она) ищет любую возможность повеселиться
Для него (для нее) важно хорошо проводить время
Для него (для нее) важно показать свои способности
Для него (для нее) важно быть богатым
Для него (для нее) важно придумывать новое и подходить ко всему творчески
Ко второму фактору мы можем отнести:
Для него (для нее) очень важно помогать окружающим людям
Для него (для нее) важно выслушивать мнение других, отличающихся от него людей
Для него (для нее) важно быть верным своим друзьям
Для него (для нее) важно, чтобы с каждым человеком в мире обращались одинаково
Он (она) твердо верит, что люди должны беречь природу
К третьему фактору мы можем отнести:
Для него (для нее) важно всегда вести себя правильно
Для него (для нее) важно жить в безопасном окружении
Для него (для нее) важно, чтобы государство обеспечивало его безопасность
Он (она) убежден, что люди должны делать то, что им говорят
Для него (для нее) важно, чтобы его уважали
Он (она) ценит традиции
Переменную «Для него (для нее) важно самому принимать решения о том, что и как делать» можно отнести как к первому фактору, так и ко второму, а переменная «Для него (для нее) важно быть простым и скромным» может быть отнесена как ко второму фактору, так и к третьему.
Теперь мы можем назвать эти факторы. Первый фактор можно назвать «Досуг и успех по жизни», второй – «Забота об окружающих» и третий – «Порядок и безопасность».
Rotated Component Matrixa |
|||
|
Component |
||
1 |
2 |
3 |
|
Important to seek adventures and have an exiting life |
,723 |
-,016 |
-,157 |
Important to be successful and that people recognise achievements |
,685 |
-,035 |
,355 |
Important to try new and different things in life |
,657 |
,261 |
-,051 |
Important to seek fun and things that give pleasure |
,656 |
,188 |
-,089 |
Important to have a good time |
,655 |
,162 |
-,081 |
Important to show abilities and be admired |
,616 |
-,032 |
,366 |
Important to be rich, have money and expensive things |
,590 |
-,318 |
,296 |
Important to think new ideas and being creative |
,513 |
,346 |
-,064 |
Important to make own decisions and be free |
,436 |
,425 |
,011 |
Important to help people and care for others well-being |
,129 |
,674 |
,219 |
Important to understand different people |
,112 |
,654 |
,139 |
Important to be loyal to friends and devote to people close |
,149 |
,644 |
,198 |
Important that people are treated equally and have equal opportunities |
,077 |
,599 |
,170 |
Important to care for nature and environment |
,047 |
,594 |
,276 |
Important to be humble and modest, not draw attention |
-,206 |
,405 |
,378 |
Important to behave properly |
-,078 |
,272 |
,662 |
Important to live in secure and safe surroundings |
,036 |
,230 |
,650 |
Important that government is strong and ensures safety |
,075 |
,271 |
,609 |
Important to do what is told and follow rules |
-,031 |
,088 |
,602 |
Important to get respect from others |
,381 |
-,048 |
,561 |
Important to follow traditions and customs |
-,052 |
,246 |
,557 |
Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. |
|||
a. Rotation converged in 4 iterations. |
|||
Component Transformation Matrix |
|||
Component |
1 |
2 |
3 |
1 |
,606 |
,580 |
,544 |
2 |
,792 |
-,377 |
-,480 |
3 |
,074 |
-,722 |
,688 |
Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. |
|||
В результате проведения факторного анализа мы снизили размерность. Вместо 21 переменной мы получили 3 фактора, то есть три новых латентных переменных.
С факторным анализом ВСЕ.
Кластерный анализ.
Он нужен для того, чтобы разбить объекты на группы (кластеры), внутри которых объекты были бы похожи, а снаружи - нет.
2 группы методов:
Иерархический. Его мы используем, когда у нас мало объектов (до 30).
Агломеративный
Дивизионный
Итеративный. Например: метод k-means (к-средних). Используем его, когда у нас много объектов (больше 30)
При иерархическом агломеративном методе измеряется расстояние между всеми объектами попарно. После этого на 1 шаге объединяются 2 самых близких объекта, на 2 – следующие 2 и т.д. пока не останется 1 группа, в которую будут включены все объекты.
При иерархическом дивизионном анализе происходит тоже самое, но в обратном порядке: сначала все объекты объединены в 1 кластер (группу), который потом распадается на несколько кластеров, пока все объекты не останутся в гордом одиночестве.
Главная проблема – вовремя остановиться. Так, чтобы мы могли сказать, что внутри кластера объекты похожи, а внешне кластеры не похожи друг на друга.
Например, у нас есть база данных, в которой размещены результаты теста ЕГЭ по физике и литературе для 30 учащихся. Мы хотим разбить этих учеников на группы (кластеры).
На графике видно, что есть группа учащихся, которые хорошо сдали Литературу и плохо Физику, есть группа учащихся, которые хорошо сдали Физику и плохо Литературу, еще есть 4 учащихся, которые средне сдали как Физику, так и Литературу. Мы можем уже по графику предположить, что в кластер выделятся гуманитарии, математики и, может быть, в третий кластер выделятся середнячки.
Таблица Proximity Matrix показывает расстояния между каждой парой объектов. Она занимает 4 страницы, поэтому её можно не вставлять.
Таблица Agglomeration Schedule (порядок агломерации) показывает, как происходило объединение в кластеры. Так, например, на первом шаге объединились 10 и 18 объект, на втором – 9 и 12. До 10 шага объекты объединялись в пары, на 10 шаге объект 4 присоединился к группе объектов 9 и 12, которые объединились на втором шаге. На шаге 17 объединились группы кластеров: объекты 2 и 25 с объектами 4, 9 и 12. Столбик Next Stage показывает, на каком шаге в следующий раз к образовавшемуся кластеру присоединится еще один объект или кластер. Так, например, к первому кластеру (объекты 10 и 18) в следующий раз присоединится объект 19 только на 13 шаге.
В столбике Coefficients можно посмотреть, сколько кластеров нужно оставить. Критерий такой: нужно среди последних 5-6 строчек увидеть резкий скачок значений. Резкий скачок наблюдается на 28 шаге (почти в 7 раз), а так же на 29 шаге (в три раза). Пока непонятно, сколько кластеров нужно оставить.
Agglomeration Schedule |
||||||
Stage |
Cluster Combined |
Coefficients |
Stage Cluster First Appears |
Next Stage |
||
Cluster 1 |
Cluster 2 |
Cluster 1 |
Cluster 2 |
|||
1 |
10 |
18 |
1,000 |
0 |
0 |
13 |
2 |
9 |
12 |
1,000 |
0 |
0 |
10 |
3 |
21 |
27 |
2,000 |
0 |
0 |
12 |
4 |
11 |
20 |
2,000 |
0 |
0 |
18 |
5 |
15 |
28 |
5,000 |
0 |
0 |
22 |
6 |
2 |
25 |
5,000 |
0 |
0 |
17 |
7 |
8 |
24 |
5,000 |
0 |
0 |
22 |
8 |
22 |
23 |
5,000 |
0 |
0 |
21 |
9 |
7 |
14 |
5,000 |
0 |
0 |
11 |
10 |
4 |
9 |
6,500 |
0 |
2 |
17 |
11 |
3 |
7 |
7,500 |
0 |
9 |
19 |
12 |
17 |
21 |
9,000 |
0 |
3 |
16 |
13 |
10 |
19 |
11,500 |
1 |
0 |
18 |
14 |
26 |
30 |
13,000 |
0 |
0 |
23 |
15 |
1 |
6 |
13,000 |
0 |
0 |
24 |
16 |
13 |
17 |
13,333 |
0 |
12 |
21 |
17 |
2 |
4 |
23,500 |
6 |
10 |
19 |
18 |
10 |
11 |
23,667 |
13 |
4 |
26 |
19 |
2 |
3 |
33,267 |
17 |
11 |
25 |
20 |
5 |
29 |
34,000 |
0 |
0 |
24 |
21 |
13 |
22 |
34,000 |
16 |
8 |
23 |
22 |
8 |
15 |
43,000 |
7 |
5 |
28 |
23 |
13 |
26 |
46,500 |
21 |
14 |
27 |
24 |
1 |
5 |
67,000 |
15 |
20 |
27 |
25 |
2 |
16 |
74,625 |
19 |
0 |
26 |
26 |
2 |
10 |
102,356 |
25 |
18 |
28 |
27 |
1 |
13 |
137,875 |
24 |
23 |
29 |
28 |
2 |
8 |
946,214 |
26 |
22 |
29 |
29 |
1 |
2 |
3205,694 |
27 |
28 |
0 |
На следующей диаграмме видно, в какой последовательности объекты объединялись в кластеры. На первом шаге объединились 10 и 18 объект, на втором – 9 и 12, на третьем 21 и 27 и т.д. чем выше заполнен белый столбик, тем выше шаг, на котором они объединились. Вообще-то в более ранних версиях СПСС этот график выползает в каком-то другом виде.
На дендрограмме видно, что лучше оставить 2 кластера, потому что протяженность отрезка, где есть 3 кластера меньше почти в 3,5 раза, чем протяженность отрезка, где осталось 2 кластера.
Теперь нужно описать кластеры:
К первому кластеру относятся те, у кого за ЕГЭ по Физике в среднем 44 балла, а за ЕГЭ по Литературе – 87 баллов. Ко второму кластеру относятся те, у кого за экзамен по Литературе в среднем 49 баллов, а за экзамен по Физике – 83 балла. То есть в первом кластере оказались гуманитарии, а во втором – математики.
Report |
|||
Average Linkage (Between Groups) |
Количество баллов за ЕГЭ по Физике |
Количество баллов за ЕГЭ по Литературе |
|
1 |
Mean |
44,67 |
87,92 |
N |
12 |
12 |
|
Std. Deviation |
2,934 |
5,838 |
|
2 |
Mean |
83,33 |
49,33 |
N |
18 |
18 |
|
Std. Deviation |
10,437 |
9,197 |
|
Total |
Mean |
67,87 |
64,77 |
N |
30 |
30 |
|
Std. Deviation |
20,936 |
20,787 |
|
К первому кластеру относятся 3 мужчины и 9 женщин, а ко второму 13 мужчин и 5 женщин. Можно сделать вывод о том, что среди гуманитариев больше женщин, а среди математиков больше мужчин.
Average Linkage (Between Groups) * Пол Crosstabulation |
|||||
|
Пол |
Total |
|||
Мужчина |
Женщина |
||||
Average Linkage (Between Groups) |
1 |
Count |
3 |
9 |
12 |
% within Average Linkage (Between Groups) |
25,0% |
75,0% |
100,0% |
||
2 |
Count |
13 |
5 |
18 |
|
% within Average Linkage (Between Groups) |
72,2% |
27,8% |
100,0% |
||
Total |
Count |
16 |
14 |
30 |
|
% within Average Linkage (Between Groups) |
53,3% |
46,7% |
100,0% |
||
Исследовательская задача выполнена. 30 объектов разбиты на 2 кластера. Эти кластеры описаны с помощью переменной «пол респондента».
С итеративным кластерным анализом ВСЕ!!!
Кластерный анализ методом k-means (к-средних) (что такое среднее – см. первую тему).
Минус этого вида кластерного анализа – надо самостоятельно задавать количество кластеров, поэтому получается много таблиц, но они однотипны.
Как он происходит:
СПСС выбирает произвольно 2 (или больше – по числу кластеров, которое вы задали) объекта, которые назначаются центрами кластеров. Дальше СПСС вычисляет расстояние между каждым объектом и центрами, и этот объект присоединяется к тому кластеру, центр которого находится к нему ближе. Потом СПСС вычисляет центр кластера, который может не совпадать с первоначальным центром. После этого СПСС еще раз вычисляет расстояние между каждым объектом и центрами, и этот объект присоединяется к тому кластеру, центр которого находится к нему ближе. Так продолжается до тех пор пока центры кластеров не стабилизируются. К сожалению, не знаю, как это написать попроще...
Есть несколько способов вычисления расстояния между объектами – меры сходства – меры близости:
Евклидов квадрат. Вспомните 7 класс, теорему Пифагора: квадрат гипотенузы равен сумме квадратов катетов. Расстояние между объектами по оси ОХ – один катет, расстояние между объектами по оси ОУ – другой катет, легко можно вычислить квадрат гипотенузы, то есть евклидов квадрат. У каких 2 объектов этот квадрат меньше, те и объединятся в первую очередь.
Евклидово расстояние. Делается все то же самое, что в пункте 1, но из конечного результата нужно взять корень. То есть если евклидов квадрат равен 16, то евклидово расстояние будет равно 4.
Метод городских кварталов.
Метод Чебышева.
Последние два могу объяснить на пальцах, но не в письменном виде.
Есть несколько методов формирования кластеров:
Метод ближнего соседа. Вычисляется расстояние между ближайшими точками в группах.
Метод дальнего соседа. Вычисляется расстояние между самыми дальними точками в группах.
Центроидный метод. Вычисляется расстояние между центрами тяжести кластеров. Центр тяжести – среднее значение.
Метод межгруппового связывания. СПСС вычисляет наименьшее среднее значение расстояние между всеми парами групп и объединяет две группы, оказавшиеся наиболее близкими.
Метод Варда. Он предполагает минимизацию внутриклассовой дисперсии. Что происходит: СПСС объединяет 2 кластера. Находит центр. Вычисляет расстояние ото всех объектов до этого центра. Суммирует полученные расстояния. Объединяет другие 2 кластера и делает тоже самое. И так далее… в голове не укладывается, что раньше люди сами это делали… в результате СПСС объединяет те кластеры где сумма этих расстояний меньше.
На практике используют последние 2 метода, потому что они учитывают расстояние между всеми точками.
На самом деле нужно хотя бы знать, что есть разные методы и хотя бы 2 метода из каждой группы уметь объяснить.
С теорией все. Надеюсь, что не сильно вас запутала.
Практика.
Я взяла две переменные: представления людей об идеальном возрасте для женитьбы и о возрасте, в котором люди становятся взрослыми. Важно помнить о том, что нужна еще одна переменная, значения которой будут особенными для каждого объекта (фамилия, идентификационный номер).
С начала я попросила СПСС сделать 2 кластера.
Первая таблица:
Начальные центры кластеров.
Приложение №1
Initial Cluster Centers |
||
|
Cluster |
|
1 |
2 |
|
D28A/b Каков идеальный возраст, чтобы жениться |
111 |
21 |
D17A/b В каком возрасте становятся взрослыми |
0 |
118 |
Вторая таблица показывает за сколько итераций (действий) центры кластеров стабилизировались. В моем случае за 5.
Приложение №2
Iteration Historya |
||
Iteration |
Change in Cluster Centers |
|
1 |
2 |
|
1 |
89,118 |
94,837 |
2 |
1,901 |
12,128 |
3 |
,123 |
1,139 |
4 |
,003 |
,021 |
5 |
,000 |
,000 |
|
||
Таблица 3 показывает финальные центры кластеров.
К первому кластеру относятся люди, которые считают, что идеальный возраст для женитьбы – 25, а для того чтобы стать взрослым – 19.
Ко второму кластеру относятся люди, которые считают, что идеального возраста для женитьбы не существует, а для того чтобы стать взрослым – 13.
Приложение №3
Final Cluster Centers |
||
|
Cluster |
|
1 |
2 |
|
D28A/b Каков идеальный возраст, чтобы жениться |
25 |
0 |
D17A/b В каком возрасте становятся взрослыми |
19 |
13 |
Четвертая таблица: количество объектов в каждом кластере.
Приложение №4
Number of Cases in each Cluster |
||
Cluster |
1 |
38255,000 |
2 |
5556,000 |
|
Valid |
43811,000 |
|
Missing |
3288,000 |
|
Потом я попросила СПСС сделать мне 3 кластера. Он сделал, интерпретация осталась точно такая же, просто добавился еще один кластер.
Начальные центры кластеров:
Приложение №5
Initial Cluster Centers |
|||
|
Cluster |
||
1 |
2 |
3 |
|
D28A/b Каков идеальный возраст, чтобы жениться |
21 |
0 |
111 |
D17A/b В каком возрасте становятся взрослыми |
118 |
0 |
30 |
Центры кластеров стабилизировались за 18 итераций.
Приложение №6
Iteration Historya |
|||
Iteration |
Change in Cluster Centers |
||
1 |
2 |
3 |
|
1 |
47,925 |
28,382 |
15,115 |
2 |
13,207 |
,071 |
,363 |
3 |
8,124 |
,068 |
,000 |
4 |
6,018 |
,087 |
,000 |
5 |
3,233 |
,053 |
,000 |
6 |
6,793 |
,373 |
,000 |
7 |
4,387 |
,573 |
,000 |
8 |
2,956 |
1,013 |
,000 |
9 |
2,413 |
1,462 |
,000 |
10 |
2,186 |
3,233 |
,000 |
11 |
1,041 |
3,377 |
,000 |
12 |
,957 |
5,113 |
,000 |
13 |
,455 |
3,495 |
,000 |
14 |
,494 |
3,371 |
,000 |
15 |
,267 |
1,966 |
,000 |
16 |
,044 |
,320 |
,000 |
17 |
,001 |
,009 |
,000 |
18 |
,000 |
,000 |
,000 |
|
|||
Финальные центры кластеров.
К первому кластеру относятся люди, которые считают, что идеальный возраст для женитьбы – 25, а для того чтобы стать взрослым – 19.
Ко второму кластеру относятся люди, которые считают, что идеального возраста для женитьбы не существует, а для того чтобы стать взрослым – 13.
К третьему кластеру относятся люди, которые считают, что жениться вообще не стоит, а для того чтобы стать взрослым – 15.
Приложение №7
Final Cluster Centers |
|||
|
Cluster |
||
1 |
2 |
3 |
|
D28A/b Каков идеальный возраст, чтобы жениться |
25 |
0 |
110 |
D17A/b В каком возрасте становятся взрослыми |
19 |
13 |
15 |
Количество объектов в каждом кластере.
Приложение №8
Number of Cases in each Cluster |
||
Cluster |
1 |
38112,000 |
2 |
5555,000 |
|
3 |
144,000 |
|
Valid |
43811,000 |
|
Missing |
3288,000 |
|
Потом я попросила СПСС сделать 4 кластера.
В интерпретации опять же ничего не поменялось.
Начальные центры кластеров:
Приложение №9
Initial Cluster Centers |
||||
|
Cluster |
|||
1 |
2 |
3 |
4 |
|
D28A/b Каков идеальный возраст, чтобы жениться |
40 |
111 |
21 |
0 |
D17A/b В каком возрасте становятся взрослыми |
49 |
0 |
118 |
0 |
Центры кластеров стабилизировались за 9 итераций.
Приложение №10
Iteration Historya |
||||
Iteration |
Change in Cluster Centers |
|||
1 |
2 |
3 |
4 |
|
1 |
28,376 |
14,815 |
25,180 |
24,643 |
2 |
2,096 |
,000 |
22,142 |
3,326 |
3 |
1,213 |
,000 |
12,454 |
4,201 |
4 |
,950 |
,000 |
7,080 |
5,817 |
5 |
,669 |
,000 |
3,535 |
4,261 |
6 |
,423 |
,000 |
5,015 |
2,609 |
7 |
,071 |
,000 |
,972 |
,422 |
8 |
,002 |
,000 |
,204 |
,014 |
9 |
,000 |
,000 |
,000 |
,000 |
|
||||
Приложение №11
Финальные центры кластеров.
К первому кластеру относятся люди, которые считают, что идеальный возраст для женитьбы – 25, а для того чтобы стать взрослым – 19.
Ко второму кластеру относятся люди, которые считают, что жениться вообще не стоит, а для того чтобы стать взрослым – 15.
К третьему кластеру относятся люди, которые считают, что идеальный возраст для женитьбы – 25, а для того чтобы стать взрослым – 42.
К четвертому кластеру относятся люди, которые считают, что идеального возраста для женитьбы не существует, а для того чтобы стать взрослым – 13.
Final Cluster Centers |
||||
|
Cluster |
|||
1 |
2 |
3 |
4 |
|
D28A/b Каков идеальный возраст, чтобы жениться |
25 |
110 |
25 |
0 |
D17A/b В каком возрасте становятся взрослыми |
19 |
15 |
42 |
13 |
Количество объектов в каждом кластере.
Приложение №12
Number of Cases in each Cluster |
||
Cluster |
1 |
37625,000 |
2 |
144,000 |
|
3 |
519,000 |
|
4 |
5523,000 |
|
Valid |
43811,000 |
|
Missing |
3288,000 |
|
Начальные центры кластеров:
Приложение №13
Initial Cluster Centers |
|||||
|
Cluster |
||||
1 |
2 |
3 |
4 |
5 |
|
D28A/b Каков идеальный возраст, чтобы жениться |
0 |
111 |
21 |
0 |
60 |
D17A/b В каком возрасте становятся взрослыми |
60 |
0 |
118 |
0 |
30 |
Центры кластеров стабилизировались за 10 итераций.
Приложение №14
Iteration Historya |
|||||
Iteration |
Change in Cluster Centers |
||||
1 |
2 |
3 |
4 |
5 |
|
1 |
26,256 |
14,787 |
23,023 |
26,260 |
31,478 |
2 |
8,567 |
,214 |
17,266 |
2,529 |
2,423 |
3 |
13,360 |
,000 |
11,556 |
2,950 |
1,434 |
4 |
2,091 |
,000 |
9,211 |
3,726 |
,801 |
5 |
,047 |
,000 |
7,452 |
7,163 |
,743 |
6 |
,007 |
,000 |
1,525 |
2,502 |
,177 |
7 |
,000 |
,000 |
5,018 |
,034 |
,073 |
8 |
,007 |
,000 |
,980 |
,000 |
,016 |
9 |
,007 |
,000 |
,126 |
,000 |
,001 |
10 |
,000 |
,000 |
,000 |
,000 |
,000 |
|
|||||
Финальные центры кластеров.
К первому кластеру относятся люди, которые считают, что идеального возраста для женитьбы не существует, а для того чтобы стать взрослым – 20.
Ко второму кластеру относятся люди, которые считают, что жениться вообще не стоит, а для того чтобы стать взрослым – 15.
К третьему кластеру относятся люди, которые считают, что идеальный возраст для женитьбы – 26, а для того чтобы стать взрослым – 43.
К четвертому кластеру относятся люди, которые считают, что идеальный возраст для женитьбы – 13, а для того чтобы стать взрослым – зависит от обстоятельств.
К пятому кластеру относятся люди, которые считают, что идеальный возраст для женитьбы – 25, а для того чтобы стать взрослым – 20.
Приложение №15
Final Cluster Centers |
|||||
|
Cluster |
||||
1 |
2 |
3 |
4 |
5 |
|
D28A/b Каков идеальный возраст, чтобы жениться |
0 |
110 |
26 |
13 |
25 |
D17A/b В каком возрасте становятся взрослыми |
20 |
15 |
43 |
0 |
20 |
Количество объектов в каждом кластере.
Приложение №16
Number of Cases in each Cluster |
||
Cluster |
1 |
3511,000 |
2 |
144,000 |
|
3 |
500,000 |
|
4 |
4132,000 |
|
5 |
35524,000 |
|
Valid |
43811,000 |
|
Missing |
3288,000 |
|
В какой-то момент нужно принять решение о том, сколько кластеров оставить. Критерии такие: чтобы не было совсем уж малочисленных групп, ну и еще хорошо, когда центры кластеров стабилизируются за небольшое количество раз. Я решила оставить 5 кластеров.
Нужно их сохранить и описать с помощью еще какой-нибудь переменной.
Например, с помощью переменной пол респондента.
Получается, что к первому кластеру относятся 68 мужчин (49%) и 71 женщина (51%).
Ко второму кластеру относятся 1 мужчина (20%) и 4 женщины (80%).
К третьему кластеру относятся 3 мужчины (30%) и 7 женщин (70%).
К четвертому кластеру относятся 182 мужчины (58%) и 133 женщины (42%).
К пятому кластеру относятся 685 мужчин (40%) и 1044 женщин (60%).
Приложение №17
Cluster Number of Case * Пол респондента Crosstabulation |
|||||
|
Пол респондента |
Total |
|||
Мужской |
Женский |
||||
Cluster Number of Case |
1 |
Count |
68 |
71 |
139 |
% within Cluster Number of Case |
48,9% |
51,1% |
100,0% |
||
2 |
Count |
1 |
4 |
5 |
|
% within Cluster Number of Case |
20,0% |
80,0% |
100,0% |
||
3 |
Count |
3 |
7 |
10 |
|
% within Cluster Number of Case |
30,0% |
70,0% |
100,0% |
||
4 |
Count |
182 |
133 |
315 |
|
% within Cluster Number of Case |
57,8% |
42,2% |
100,0% |
||
5 |
Count |
685 |
1044 |
1729 |
|
% within Cluster Number of Case |
39,6% |
60,4% |
100,0% |
||
Total |
Count |
890 |
1308 |
2198 |
|
% within Cluster Number of Case |
40,5% |
59,5% |
100,0% |
||
Или с помощью переменных возраст и количества лет, потраченных на обучение.
Воды тут можно много развести:
К первому кластеру относятся те, кто в среднем учились 12,6 лет, и кому в среднем почти 44 года.
Ко второму кластеру относятся те, кто в среднем учились 10,6 лет, и кому в среднем почти 21 год, то есть молодые люди.
К третьему кластеру относятся те, кто в среднем учились 13 лет, и кому в среднем 51 год, то есть люди предпенсионного возраста со средним, средним специальным или неоконченным высшим образованием.
К четвертому кластеру относятся те, кто в среднем учились 12 лет, и кому в среднем 48 лет.
К пятому кластеру относятся те, кто в среднем учились 12 лет, и кому в среднем 46 лет.
Про последние 2 кластера можно сказать, что они похожи по этим критериям.
Итого:
Молодые люди, преимущественно женщины, считают, что жениться вообще не стоит, а взрослыми люди становятся в 15 лет.
Люди предпенсионного возраста, преимущественно женщины, считают, что идеальный возраст для женитьбы 26, но взрослыми люди становятся лишь в 43.
Среди людей среднего возраста существует 3 мнения:
Мужчины преимущественно считают, что жениться надо молодым или, что идеально возраста для женитьбы не существует, а взрослыми люди становятся в зависимости от обстоятельств.
Женщины преимущественно считают, что люди становятся взрослыми в 20 лет и еще через 5 лет нужно выходить замуж.
Также среди в основном среди женщин бытует мнение, что идеального возраста для женитьбы не существует, а взрослыми люди становятся в 20 лет. Но так думает меньшее количество женщин.
Приложение №18Report |
|||||
Cluster Number of Case |
Сколько лет Вы проучились всего |
Возраст респондента |
|||
1 |
Mean |
12,62 |
43,90 |
||
N |
139 |
139 |
|||
Std. Deviation |
3,056 |
19,019 |
|||
2 |
Mean |
10,60 |
20,80 |
||
N |
5 |
5 |
|||
Std. Deviation |
2,702 |
6,943 |
|||
3 |
Mean |
13,00 |
51,10 |
||
N |
10 |
10 |
|||
Std. Deviation |
1,491 |
23,984 |
|||
4 |
Mean |
12,18 |
47,83 |
||
N |
315 |
315 |
|||
Std. Deviation |
3,337 |
19,559 |
|||
5 |
Mean |
12,05 |
46,10 |
||
N |
1729 |
1729 |
|||
Std. Deviation |
3,269 |
19,243 |
|||
Total |
Mean |
12,11 |
46,17 |
||
N |
2198 |
2198 |
|||
Std. Deviation |
3,261 |
19,323 |
|||
Ну вот собственно и все! Удачи на зачете))