NI DUNG CHNH Khi nim Phn tch cm

NỘI DUNG CHÍNH

Khái niệm Phân tích cụm là nhận diện và phân loại các đối tượng hay các biến sao cho các đối tượng trong cùng một cụm tương tự nhau xét theo các đặc tính lựa chọn để nghiên cứu. Phân tích Q Phân tích phân loại Phân loại kỹ thuật định lượng Phân loại theo các mối liên hệ tự nhiên

Ứng dụng Trong nghiên cứu thị trường, phân tích cụm Kinh Doanh được sử dụng để phân đoạn thị trường và xác định thị trường mục tiêu. Sinh học Sức khỏe tâm lý Trong biểu diễn dữ liệu gene dùng để nhóm các mẫu gen giống nhau, nhóm các mẫu khác nhau trên các hồ sơ tương ứng phân tích cụm được sử dụng để xác định các nhóm của người dân mà có thể được hưởng lợi từ các dịch vụ y tế

Tiến hành phân tích cụm

Bước 1 : Xác định vấn đề Chọn lựa các biến để phân cụm, nên chọn tập hợp biến có khả năng mô tả được sự giống nhau giữa các đối tượng theo mục đích nghiên cứu. Các biến này có thể được chọn trên cơ sở phân tích lý thuyết, kết quả nghiên cứu trong quá khứ, hay xem xét các giả thuyết có liên quan để được kiểm định

Bước 1 : Xác định vấn đề Ví dụ (P 80) Không đồng ý Mua sắm là một thú vui 1 2 3 4 5 6 7 Mua sắm là tốn tiền 1 2 3 4 5 6 7 Tôi đi mua sắm kết hợp với ăn uống 1 2 3 4 5 6 7 Tôi tìm mua những gì đáng mua nhất khi đi mua sắm 1 2 3 4 5 6 7 Tôi không quan tâm đến việc khi mua sắm 1 2 3 4 5 6 7 Đi mua sắm giúp tiết kiệm được nhiều nhờ so sánh giá cả 1 2 3 4 5 6 7 Mã hóa thành 6 biến: V 1 Mua sắm là một thú vui V 2 Mua sắm là tốn tiền V 3 Mua sắm kết hợp với ăn uống V 4 Cố gắng tìm mua những gì đáng mua nhất khi đi mua sắm V 5 Không quan tâm đến việc đi mua sắm V 6 Đi mua sắm có thể giúp tiết kiệm được tiền nhờ so sánh nhiều giá cả khác nhau

Bước 2: Chọn thước đo khoảng cách • Căn bậc 2 của tổng các độ lệch bình phương của các giá trị trên từng biến của 2 đối tượng • Tổng các độ lệch tuyệt đối của các giá trị trên từng biến • Chênh lệch tuyệt đối lớn nhất của các giá trị trên từng biến

Bước 3: Chọn thủ tục phân cụm Thủ tục phân cụm Không thứ bậc Song song Tuần tự Phân chia tối ưu

Phân cụm thứ bậc (hierarchical clustering) q Phân cụm thứ bậc là thủ tục được xây dựng theo một cấu trúc thứ bậc dạng hình cây. Tiến hành theo cách tích tụ lại (agglomerative) hay phân chia ra (divisive) v Phân cụm phân chia: phân chia một cụm duy nhất chứa tất cả đối tượng thành các cụm nhỏ cho đến khi mỗi đối tượng là một cụm riêng. v Phân cụm tích tụ: tích tụ mỗi cụm là một đối tượng riêng lẽ cho đến khi tất cả các đối tượng nằm trong một cụm duy nhất. Ø Khoảng cách liên kết (linkage method) Ø Tổng độ lệch bình phương hay phương sai (error sum of squares or variance method) Ø Khoảng cách trung tâm ( centroid method)

Phân cụm thứ bậc (hierarchical clustering) Ø Các phương pháp phân cụm tích tụ dựa vào các khoảng cách liên kết Cụm 1 Khoảng cách tối thiểu Cụm 2 Phương pháp khoảng cách liên kết đơn Cụm 1 Khoảng cách tối đa Cụm 2 Phương pháp khoảng cách liên kết hoàn toàn Khoảng cách Cụm 1 Cụm 2 trung bình Phương pháp khoảng cách liên kết trung bình

Phân cụm thứ bậc (hierarchical clustering) Ø Phương pháp phân cụm tích tụ dựa vào phương sai theo thủ tục Ward • Tính giá trị trung bình tất cả các biến cho từng cụm một. • Tính khoảng cách Euclid bình phương giữa các phần tử trong cụm với trị trung bình của cụm. • Tổng tất cả các khoảng cách bình phương. Thủ tục Ward

Phân cụm thứ bậc (hierarchical clustering) Ø Phương pháp phân cụm tích tụ dựa vào khoảng cách trung tâm Cứ mỗi lần các đối tượng được nhóm lại thì phải tính lại các trung tâm cụm Khoảng cách trung tâm Trong số các phương pháp phân tích cụm tích tụ thì phương pháp khoảng cách trung tâm và thủ tục Ward đã được chứng minh là có kết quả tốt hơn các phương pháp khác.

Phân cụm Không thứ bậc (Non - hierarchical clustering) Thường được gọi là phân cụm K - means Ø Phương pháp bắt đầu tuần tự (sequential threshold): quá trình bắt đầu từ một hạt giống cụm được chọn và tất cả các đối tượng cách hạt giống này trong một khoảng cách đã được định trước sẽ nhập vào cụm này. Ø Phương pháp bắt đầu song (parallel threshold): tương tự như phương pháp ở trên nhưng có nhiều hạt giống được chọn và quá trình được tiến hành song. Ø Phương pháp phân chia tối ưu (optimizing partitioning): thủ tục này khác với hai phương pháp trên ở chổ các đối tượng sau khi phân vào một cụm nào đó sẽ có thể được phân lại vào cụm khác để thỏa một tiêu chuẩn tối ưu toàn bộ.

Phân cụm Không thứ bậc (Non - hierarchical clustering) • Phải thử xác định trước số cụm • Lựa chọn hạt giống của cụm khá tùy ý Ưu Điểm • Khối lượng tính toán ít hơn • Thời gian thực hiện nhanh hơn

Các bước phân cụm thứ bậc bằng SPSS Bước 1: Mở file phantichcum. sav chọn Anlalyze → Classify → Hierarchical Cluster

Các bước phân cụm thứ bậc bằng SPSS Bước 2: Thiết lập các yếu tố cần thiết sau để thực hiện phân tích

Bảng 14. 1 a Agglomeration Schedule (p 87) Stage 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 Cluster Combined Stage Cluster First Appears Coefficients Next Stage Cluster 1 Cluster 2 14 16 1. 000 0 0 6 6 7 2. 000 0 0 7 2 13 3. 500 0 0 15 5 11 5. 000 0 0 11 3 8 6. 500 0 0 16 10 14 8. 167 0 1 9 6 12 10. 500 2 0 10 9 20 13. 000 0 0 11 4 10 15. 583 0 6 12 1 6 18. 500 0 7 13 5 9 23. 000 4 8 15 4 19 27. 750 9 0 17 1 17 33. 100 10 0 14 1 15 41. 333 13 0 16 2 5 51. 833 3 11 18 1 3 64. 500 14 5 19 4 18 79. 667 12 0 18 2 4 172. 667 15 17 19 1 2 328. 600 16 18 0

Bảng 14. 1 b Cluster Membership (p 90) Case Bảng Cluster Membership cho ta biết khi phân ra từ 2 cụm đến 4 cụm thì các đối tượng sẽ thuộc cụm nào. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 4 Clusters 3 Clusters 2 Clusters 1 1 1 2 2 2 1 1 1 3 3 2 2 1 1 1 1 1 2 2 2 3 3 2 2 1 1 1 2 2 2 3 3 2 1 1 1 4 3 2 3 3 2 2

Hình 14. 7 Vertical Ichicle (p 90)

Hình 14. 8: Dendrogram (p 91)

Bước 3: Quyết định số cụm • Phân tích lý thuyết • Sử dụng khoảng cách giữa các cụm làm tiêu chuẩn để xác định số cụm (Phân cụm thứ bậc) • Tỉ số giữa phương sai nội bộ nhóm và phương sai giữa các nhóm có sự thay đổi đột ngột (Phân cụm không thứ bậc) • Qui mô tương đối của các cụm

Bước 4: Diễn tả và mô tả các cụm Bảng 14. 2: Kết quả tính toán trung bình của các biến theo từng cụm (p 93) đi mua sắm tìm những gì không quan đi mua sắm là kết hợp mua giúp tiết kiệm đáng mua nhất tâm đến việc đi Cụm thú vui tốn tiền sắm với ăn uống được tiền nhờ khi đi mua sắm số so sánh giá cả V 1 V 2 V 3 V 4 V 5 V 6 1 5. 750 3. 625 6. 000 3. 125 1. 875 3. 875 2 1. 667 3. 000 1. 833 3. 500 5. 500 3. 333 3 3. 500 5. 833 3. 333 6. 000 3. 500 6. 000 § Cụm số 1 có trị trung bình lớn ở V 1 và V 3 => “nhóm quan tâm và thích thú đi mua sắm” § Cụm số 2 có biến V 5 => “nhóm thờ ơ với việc đi mua sắm” § Cụm số 3 có biến V 2, V 4, và V 6 => “nhóm mua sắm quan tâm đến kinh tế”

Bước 5: Đánh giá Ø Phân tích cụm trên cùng một tập hợp dữ liệu với các thước đo khác nhau => so sánh kết quả Ø Sử dụng các phương pháp phân cụm khác nhau (thứ bậc và không thứ bậc) => so sánh kết quả Ø Chia dữ liệu ra làm 2 phần =>thực hiện phân tích cụm riêng cho mỗi tập dữ liệu con => so sánh các trung bình cụm giữa 2 tập dữ liệu con này Ø Bỏ bớt một vài biến => thực hiện phân tích cụm trên tập hợp các biến còn lại => so sánh kết quả này với kết quả khi sử dụng hết các biến cần thiết. Ø Thực hiện phân tích cụm không thứ bậc nhiều lần với nhiều thứ tự khác nhau => kết quả ổn định

Các bước phân cụm không thứ bậc bằng SPSS Bước 1: chọn Anlalyze → Classify → K – Means Cluster

Các bước phân cụm không thứ bậc bằng SPSS Bước 1: Đưa 6 biến vào ô Variables và thiết lập option như sau Chọn 3 cụm

Diễn giải Bảng 14. 3 c: Cluster Membership Case Number Cluster Distance Bảng 14. 3 b: Iteration Historya Change in Cluster Centers 1 3 1. 414 2 2 1. 323 3 3 2. 550 4 1 1. 404 5 2 1. 848 6 3 1. 225 Iteration 1 2 3 7 3 1. 500 1 2. 154 2. 102 2. 550 8 3 2. 121 2 . 000 9 2 1. 756 10 1 1. 143 11 2 1. 041 12 3 1. 581 13 2 2. 598 14 1 1. 404 15 3 2. 828 16 1 1. 624 17 3 2. 598 18 1 3. 555 19 1 2. 154 20 2 2. 102 a. Convergence achieved due to no or small change in cluster centers. The maximum absolute coordinate change for any center is. 000. The current iteration is 2. The minimum distance between initial centers is 7. 746.

Diễn giải Bảng 14. 3 f: ANOVA Cluster Error Mean Square df F Sig. di mua sam la thu vui 29. 108 2 . 608 17 47. 888 . 000 di mua sam la ton tien 13. 546 2 . 630 17 21. 505 . 000 ket hop mua sam voi an uong 31. 392 2 . 833 17 37. 670 . 000 tim mua nhung gi dang mua nhat khi di mua sam 15. 712 2 . 728 17 21. 585 . 000 khong quan tam viec di mua sam 22. 538 2 . 816 17 27. 614 . 000 co the tiet kiem nhieu khi so sanh gia ca 12. 171 2 1. 071 17 11. 363 . 001 The F tests should be used only for descriptive purposes because the clusters have been chosen to maximize the differences among cases in different clusters. The observed significance levels are not corrected for this and thus cannot be interpreted as tests of the hypothesis that the cluster means are equal. Bảng 14. 3 g: Number of Cases in each Cluster Valid Missing 1 6. 000 2 6. 000 3 8. 000 20. 000

SO SÁNH PH N TÍCH NH N TỐ - BIỆT SỐ - CỤM So Sánh Giống nhau Phân tích nhân tố Phân tích biệt số Phân tích cụm Phương pháp phân loại - Phân tích thống kê nhiều biến Tìm được quy tắc để Rút gọn và tóm lược xếp một quan sát Mục đích sử nhiều biến nghiên cứu mới vào một trong có tương quan với nhau dụng những nhóm đã có để dễ dàng quản lý. từ trước. - Biến phụ thuộc: Các biến được đo lường định tính (biến chia Khác nhau Số liệu đưa 1 cách thích hợp bằng nhóm). thang đo định lượng - Biến độc lập: định vào (khoảng cách hay tỷ lệ) lượng Hiểu biết trước về Quyết định các nhóm để xây dựng qui tắc phân số nhóm loại Phân loại đối tượng thành những nhóm nhỏ hoàn toàn khác biệt. Tập hợp các biến định lượng có khả năng mô tả sự giống nhau giữa các đối tượng. Không có thông tin trước về các nhóm hay cụm.

(Perceptual Map) - Biểu diễn nhận thức của khách hàng hay khách hàng tiềm năng về đối tượng cần đánh giá. - Định vị sản phẩm, dòng sản phẩm và thương hiệu của công ty so với đối thủ cạnh tranh. - Bản đồ nhận thức được áp dụng trong rất nhiều trường hợp như: cảm nhận của học sinh, sinh viên đối với trường Đại học, nhận thức của các nhà đầu tư đối với các ngân hàng thương mại cổ phần chưa niêm yết…

Một số biểu đồ Nhận thức minh họa Bản đồ Nhận thức (Bản đồ Định vị) có rất nhiều đường, nhưng để đơn giản, các nhà marketing thường chỉ sử dụng hai chiều.

Ý nghĩa của Bản đồ Nhận thức Giúp công ty hiểu được những suy nghĩ của khách hàng về công ty và đối thủ trong cùng thị trường. Ngoài ra, bản đồ nhận thức còn giúp công ty thiết lập chiến lược marketing hiệu quả thông qua việc: - Xây dựng chiến lược cạnh tranh - Xây dựng chiến lược truyền thông hiệu quả - Xác định cơ hội mới trên thị trường - Xây dựng chiến lược thương hiệu

Quy trình lập Bản đồ Nhận thức 1. Multidimension scaling (MDS): đo lường và thể hiện các đối tượng trong không gian đa chiều hướng hay gọi là đo lường đa hướng. Thang đo khoảng. 2. Correspondence analysis (CA): phân tích và thể hiện sự tương hợp giữa các đối tượng với các thuộc tính, gọi là phân tích tương hợp. Thường là thang đo tỷ lệ.

Quy trình lập Bản đồ Nhận thức Bước 1: Quyết định đặc điểm của sản phẩm mà khách hàng coi trọng Ví dụ: Trong tiếp thị, chúng ta cần biết được khách hàng dựa vào các yếu tố nào cảm nhận về thương hiệu, qua hình logo, qua quảng cáo, các panno, áp phích…Khách hàng cảm nhận thương hiệu của Cty giống với thương hiệu nào nhất? yếu tố nào tạo nên sự khác biệt chính cho thương hiệu của ta.

Quy trình lập Bản đồ Nhận thức Bước 2: Khảo sát thị trường Trong bước này lưu ý khách hàng ở các phân khúc khác nhau thường có những đánh giá và xây dựng bản đồ không giống nhau. Ví dụ: Trong tiếp thị thì ta đánh giá vị trí của thương hiệu để xem chúng ta đã thực hiện tốt các công tác của chiến lượt định vị sản phẩm hay chưa? Nhận ra các yếu tố quan trọng để tạo sự khác biệt, phân khúc thị trường nào là hấp dẫn…

Quy trình lập Bản đồ Nhận thức Bước 3: Biểu diễn kết quả lên bản đồ Trên bản đồ không chỉ biểu diễn vị trí của thương hiệu khác nhau, mà còn thể hiện thị phần của từng thương hiệu

Quy trình lập Bản đồ Nhận thức Bước 4: Giải thích ý nghĩa của bản đồ Nhận diện những thông tin có giá trị cho việc ra quyết định từ bản đồ định vị. - Sự trùng khớp với định hướng của công ty ? - Đối thủ cạnh tranh có giống với điều mà công ty đang nghĩ ? - Vị trí tiềm năng cho thương hiệu mới ?

Quy trình lập Bản đồ Nhận thức Bước 4: Giải thích ý nghĩa của bản đồ Cấu trúc bản đồ nhận thức. Bản đồ nhận thức có 3 đặc điểm: 1. Khoảng cách giữ 2 đối tượng thể hiện “mức độ giống nhau” của 2 đối tượng này theo cảm nhận của khách hàng. 2. Một véc tơ đoạn thẳng trên bản đồ biểu thị độ lớn và chiều hướng trong không gian Euclid của các thuộc tính.

Quy trình lập Bản đồ Nhận thức Bước 4: Giải thích ý nghĩa của bản đồ 3. Bản đồ 2 chiều (2 trục) vuông góc thường được sử dụng, và các trục này có thể xoay và có thể không vuông góc. Bản đồ đơn giản nhất có 2 trục Ví dụ: sách phân tích dữ liệu nghiên cứu với spss tập 2 trang 105

Quy trình lập Bản đồ Nhận thức Bước 5: Định hướng thay đổi cho những chiến lược marketing của công ty - Nếu khách hàng không nhìn nhận thương hiệu - Nếu khách hàng nhìn nhận thương hiệu vị trí tiềm năng cho thương hiệu mới? - Nếu phát hiện ra khe hở của thị trường

Thực hành Bản đồ Nhận thức - MDS Kỹ thuật phân tích đo lường đa hướng Bước 1: Tính điểm trung bình của từng đối tượng theo các thuộc tính. Mở file SPSS tên Casual wear data trong folder Ban do Nhan thuc

Thực hành Bản đồ Nhận thức - MDS Kỹ thuật phân tích đo lường đa hướng (1): Chọn các biến chứa điểm đánh giá cần chạy. (2): Chọn tab Summary Statistics ) (2

Thực hành Bản đồ Nhận thức - MDS Kỹ thuật phân tích đo lường đa hướng

Thực hành Bản đồ Nhận thức - MDS Kỹ thuật phân tích đo lường đa hướng

Sau khi chạy được 5 bảng, coppy qua Excel lập bảng như sau

Thực hành Bản đồ Nhận thức - MDS D at a V ie w Mở file Excel lập bên trên qua phần mềm SPSS Variable view

Thực hành Bản đồ Nhận thức - MDS Kỹ thuật phân tích đo lường đa hướng Bước 2: chạy lệnh MDS để chuyển dữ liệu đánh giá các TH theo các thuộc tính thành các khoảng cách phản ánh mức độ giống nhau trong không gian đa chiều hướng.

Thực hành Bản đồ Nhận thức - MDS Kỹ thuật phân tích đo lường đa hướng (1) Variables (2)

Thực hành Bản đồ Nhận thức - MDS Kỹ thuật phân tích đo lường đa hướng (3) Mo del (4) opt ion

Thực hành Bản đồ Nhận thức - MDS Kỹ thuật phân tích đo lường đa hướng Tọa độ và bản đồ vị trí của các thuộc tính trong không gian 2 chiều

Thực hành Bản đồ Nhận thức - MDS Kỹ thuật phân tích đo lường đa hướng Quá trình tạo tọa độ các thương hiệu. (2’ )

Thực hành Bản đồ Nhận thức - MDS Kỹ thuật phân tích đo lường đa hướng Tọa độ và bản đồ vị trí của các Thương hiệu trong không gian 2 chiều

Thực hành Bản đồ Nhận thức - MDS Kỹ thuật phân tích đo lường đa hướng (1) Copy tọa độ của thuộc tính và thương hiệu qua Excel, và nối lại như sau: (2) Mở file Excel vừa chép các tọa độ đã nối lại bằng SPSS

Thực hành Bản đồ Nhận thức - MDS Kỹ thuật phân tích đo lường đa hướng Bước 3: Vẽ bản đồ vị trí. Chọn Simple Scatter

Thực hành Bản đồ Nhận thức - MDS Kỹ thuật phân tích đo lường đa hướng 2 1 4 3 (1) Chọn các biến để vào vị trí thích hợp (2) Chọn tab Option >> chọn nut Display Chart

Thực hành Bản đồ Nhận thức - MDS Kỹ thuật phân tích đo lường đa hướng

Thực hành Bản đồ Nhận thức - CA Kỹ Thuật Tương Hợp Bước 1: Tính tần số số người trả lời Mở file SPSS tên Data My Pham trong folder Ban do Nhan thuc

Thực hành Bản đồ Nhận thức - CA Kỹ Thuật Tương Hợp Chọn các biến cần chạy Bảng tần số chạy ra được

Thực hành Bản đồ Nhận thức - CA Kỹ Thuật Tương Hợp Bước 2: Sắp xếp tần số trong Excel và chuẩn bị dữ liệu thực hiện CA Sắp xếp tần số đã chạy được bên SPSS, copy qua Excel lập thành bảng

Thực hành Bản đồ Nhận thức - CA Kỹ Thuật Tương Hợp Trở lại SPSS mới, qua phần Variable View khai biến như hình bên.

Thực hành Bản đồ Nhận thức - CA Kỹ Thuật Tương Hợp Trong Data View Cột tanso: Coppy nội dung dữ liệu (tanso) bên Excel vào cột tanso. Cột Attri: 15 tần số ứng với 15 thuộc tính của thương hiệu. Tương tự ta có 4 thương hiệu. Cột brand: 15 tần số ứng với 1 brand. Tương tự ta có 4 thương hiệu.

Thực hành Bản đồ Nhận thức - CA Kỹ Thuật Tương Hợp

Thực hành Bản đồ Nhận thức - CA Kỹ Thuật Tương Hợp Bước 3: Thực hiện CA và hiệu chỉnh bản đồ

Thực hành Bản đồ Nhận thức - CA Kỹ Thuật Tương Hợp

Thực hành Bản đồ Nhận thức - CA Kỹ Thuật Tương Hợp

Thực hành Bản đồ Nhận thức - CA Kỹ Thuật Tương Hợp Bản đồ thể hiện vị trí các thương hiệu đã điều chỉnh định dạng

BÀI BÁO MINH HỌA Ø Phân tích cụm v Phân khúc thị trường du lịch sinh thái tại thành phố Cần Thơ. Phạm Lê Hồng Nhung, Đinh Công Thành và Nguyễn Quỳnh Như. Khoa Kinh tế - QTKD, Trường Đại học Cần Thơ. v Phân khúc thị trường dựa trên sở thích: một nghiên cứu về sở thích các loại món ăn ở thanh thiếu niên. Preference-based segmentation: A study of food category preferences among teenagers. Vũ Thị Hoa và Đặng Hoàng Xuân Huy. Khoa Kinh tế - Đại học Nha Trang

BÀI BÁO MINH HỌA Ø Biểu đồ nhận thức v How to Rate 100 Visual Stimuli Efficiently (Cách để đánh giá 100 nhận thức hiệu quả) Tác giả: Yaliang Chuang * and Lin-Lin Chen Graduate School of Design, National Taiwan University of Science and Technology, Taipei, Taiwan Nội dung: Định vị nhận thức của NTD về những mẫu ‘ghế bành’

Bản đồ nhận thức How to Rate 100 Visual Stimuli Efficiently

Một số bài nghiên cứu khác

Một số bài nghiên cứu khác