Miskolci Egyetem Gazdasgtudomnyi Kar zleti Informcigazdlkodsi s Mdszertani

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

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

Nem Hierarchikus Miskolcimódszer Egyetem Gazdaságtudományi Karhierarchikus módszer Információgazdálkodási és Módszertani Intézet azÜzleti SPSS-ben K-Means Two 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

Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 Név Főzős Házias Nem Lakhely Kereset Béla Jenő Bea Marci Ubul Zsuzsa Rita Zoli Dávid Robi Kriszti Zsófi Géza Éva Dóra Vera 1 2 5 2 4 2 2 3 2 6 3 6 7 6 5 1 3 3 5 4 4 7 6 4 2 5 3 6 1 7 7 6 1 1 2 2 1 1 1 2 2 2 3 1 1 2 3 1 3 3 2 2 1 1 2 3000 1500 2000 1000 7000 8000 7000 1500 5000 1000 2000 4000 8000 1000 3000 6000 Nem: 1 -férfi, 2 -nő Lakhely: 1 - Budapest, 2 - megyeszékhely, 3 -egyéb TK/286. oldal (Sajtos-Mitev)

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

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

Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet

Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet 7. • Összehasonlítás Megbízható Hierarchikus módszer = Nem hierarchikus módszer K-Means

Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Feladat Fogyasztók csoportosítása vásárlási attitűdjeik szerint: 1 -7 -ig terjedő skálán értékelik a következő állításokat: V 1: A vásárlás szórakozás. V 2: A vásárlás nem tesz jót a pénztárcának. V 3: A vásárlást gyakran összekötöm étteremlátogatással. V 4: Vásárláskor megpróbálom a legjobb vételt csinálni. V 5: Nem érdekel a vásárlás. V 6: Az árak összehasonlításával rengeteg pénzt lehet megtakarítani. Malhotra [2005]: Marketingkutatás 703. o.

Sorszám 1 V 1 Egyetem Gazdaságtudományi V 2 V 3 Kar V 4 Miskolci Üzleti Információgazdálkodási és Módszertani Intézet 6 4 7 3 V 5 V 6 2 3 2 2 3 1 4 5 4 3 7 2 6 4 1 3 4 4 6 4 5 3 6 5 1 3 2 2 6 4 6 3 3 4 7 5 3 6 3 3 4 8 7 3 7 4 1 4 9 2 4 3 3 6 3 10 3 5 3 6 4 6 11 1 3 2 3 5 3 12 5 4 2 4 13 2 2 1 5 4 4 14 4 6 4 7 15 6 5 4 2 1 4 16 3 5 4 6 4 7 17 4 4 7 2 2 5 18 3 7 2 6 4 3 19 4 6 3 7 20 2 3 2 4 7 2

Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Output

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