Sozialwissenschaften

Clusteranalyse

Die Clusteranalyse ist eine statistische Methode, mit der ermittelt wird, wie verschiedene Einheiten – wie Personen, Gruppen oder Gesellschaften – aufgrund gemeinsamer Merkmale zu Gruppen zusammengefasst werden können. Es wird auch als Clustering bezeichnet und ist ein exploratives Datenanalysetool, das darauf abzielt, verschiedene Objekte so in Gruppen zu sortieren, dass sie, wenn sie derselben Gruppe angehören, einen maximalen Assoziationsgrad haben und wenn sie nicht derselben Gruppe angehören Der Assoziationsgrad ist minimal. Im Gegensatz zu einigen anderen statistischen Techniken müssen die durch die Clusteranalyse aufgedeckten Strukturen weder erklärt noch interpretiert werden. Sie erkennen die Struktur in den Daten, ohne zu erklären, warum sie existieren.

 

Was ist Clustering?

Clustering gibt es in fast allen Bereichen unseres täglichen Lebens. Nehmen Sie zum Beispiel Gegenstände in einem Lebensmittelgeschäft. Verschiedene Arten von Gegenständen werden immer an denselben oder in der Nähe befindlichen Orten angezeigt – Fleisch, Gemüse, Soda, Müsli, Papierprodukte usw. Forscher möchten häufig dasselbe mit Daten tun und Objekte oder Subjekte in sinnvollen Clustern gruppieren.

Nehmen wir als Beispiel aus den Sozialwissenschaften an, wir betrachten Länder und möchten sie in Clustern zusammenfassen, die auf Merkmalen wie Arbeitsteilung. Militär, Technologie oder gebildete Bevölkerung basieren . Wir würden feststellen, dass Großbritannien, Japan, Frankreich, Deutschland und die Vereinigten Staaten ähnliche Merkmale aufweisen und sich zu Clustern zusammenschließen würden. Uganda, Nicaragua und Pakistan würden ebenfalls in einem anderen Cluster zusammengefasst, da sie unterschiedliche Merkmale aufweisen, darunter geringes Vermögen, einfachere Arbeitsteilung, relativ instabile und undemokratische politische Institutionen und geringe technologische Entwicklung.

Die Clusteranalyse wird normalerweise in der Explorationsphase der Forschung verwendet, wenn der Forscher keine vorgefertigten Hypothesen hat. Es ist im Allgemeinen nicht die einzige statistische Methode, die verwendet wird, sondern wird in den frühen Phasen eines Projekts durchgeführt, um den Rest der Analyse zu steuern. Aus diesem Grund sind Signifikanztests in der Regel weder relevant noch angemessen.

Es gibt verschiedene Arten der Clusteranalyse. Die beiden am häufigsten verwendeten sind K-Mittel-Clustering und hierarchisches Clustering.

 

K-bedeutet Clustering

K-Mittel-Clustering behandelt die Beobachtungen in den Daten als Objekte mit Positionen und Abständen voneinander (beachten Sie, dass die beim Clustering verwendeten Entfernungen häufig keine räumlichen Entfernungen darstellen). Es unterteilt die Objekte in K sich gegenseitig ausschließende Cluster, sodass die Objekte in jedem Cluster so nah wie möglich und gleichzeitig so weit wie möglich von Objekten in anderen Clustern entfernt sind. Jeder Cluster wird dann durch seinen Mittelwert oder Mittelpunkt charakterisiert .

 

Hierarchisches Clustering

Hierarchisches Clustering ist eine Möglichkeit, Gruppierungen in den Daten gleichzeitig über eine Vielzahl von Skalen und Entfernungen zu untersuchen. Dazu wird ein Clusterbaum mit verschiedenen Ebenen erstellt. Im Gegensatz zu K-bedeutet Clustering ist der Baum keine einzelne Gruppe von Clustern. Der Baum ist vielmehr eine mehrstufige Hierarchie, in der Cluster auf einer Ebene als Cluster auf der nächsthöheren Ebene verbunden werden. Der verwendete Algorithmus beginnt mit jedem Fall oder jeder Variablen in einem separaten Cluster und kombiniert dann Cluster, bis nur noch einer übrig ist. Auf diese Weise kann der Forscher entscheiden, welche Clusterstufe für seine Forschung am besten geeignet ist.

 

Durchführen einer Clusteranalyse

Die meisten Statistiksoftwareprogramme können Clusteranalysen durchführen. Wählen Sie in SPSS Analyse aus dem Menü aus, klassifizieren Sie die Clusteranalyse und gruppieren Sie sie . In SAS kann die Proc-Cluster- Funktion verwendet werden.

Aktualisiert von Nicki Lisa Cole, Ph.D.

Similar Posts

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.