Кластерный анализ

Анализ макросреды демографических и социально-экономических факторов - с помощью структурных группировок и рядов распределения, соответствия фактических показателей научно обоснованным нормативам, потребительской корзинки, прожиточного уровня, индексов цен и товарооборота, корреляционно-регрессионного и кластерного анализа. Повозрастные коэффициенты потребления. Оценки инфляции, стоимости жизни и инфляционных ожиданий. Стратификация населения по социально-демографическим признакам, в частности по уровню [c.151]

Классификация и ранжировка хозяйственных объектов являются одной из важнейших задач экономического анализа. Выявление классов однотипных предприятий для разработки общих нормативов планирования, оценки, стимулирования и ранжировка хозяйственных объектов по результатам хозяйственной деятельности давно внедрились в экономический анализ. Новые возможности повышения качества решения этих задач появляются в результате применения таких методов, как группировка многомерных наблюдений, дисперсионный анализ, в частности современный факторный и компонентный анализ, кластерный анализ. Предпочтительным для аналитических целей наряду со специальными приемами классификации является исследование структуры совокупности хозяйственных объектов методами современного факторного (компонентного) анализа. Синтетические факторы или компоненты, выявленные на основе внутренних связей системы экономических показателей, характеризуют отдельные самостоятельные стороны экономических явлений (технический уровень производства, уровень управленческой работы, уровень организации производства и труда и т.п.) и имеют вполне определенную содержательную экономическую интерпретацию. Поэтому классификация и ранжировка хозяйственных объектов по значениям этих факторов или компонент носят более значительную аналитическую нагрузку, чем группировка на основе гетерогенного набора признаков. [c.115]

Кластерный анализ — для группировки и классификации объектов, характеризуемых несколькими показателями. [c.42]

Метод кластерного анализа позволяет строить классификацию объектов посредством объединения их в группы, или кластеры, на основе критерия минимума расстояния в пространстве т показателей, описывающих объекты. Вероятностное обоснование результатов кластеризации можно получить методом дискриминантного анализа. [c.95]

Исходные данные для кластерного анализа представляются в виде матрицы размером / х п, содержащей информацию трех типов, но на практике чаще всего используют один тип — измерения х.. значений / показателей для п объектов. [c.95]

Столь же просто может быть выполнена с помощью кластерного анализа классификация множества объектов, характеризующихся десятками и сотнями показателей. [c.97]

Более обоснованным методом многомерной классификации является кластерный анализ. Само название метода происходит от того [c.135]

Каждая единица совокупности в кластерном анализе рассматривается как точка в заданном признаковом пространстве. Значение каждого из признаков у данной единицы служит ее координатой в этом пространстве по аналогии с координатами точки в нашем реальном трехмерном пространстве. Таким образом, признаковое пространство - это область варьирования всех признаков совокупности изучаемых явлений. Если мы уподобим это пространство обычному пространству, имеющему евклидову метрику, то тем самым мы получим возможность измерять расстояния между точками признакового пространства. Эти расстояния называют евклидовыми. Их вычисляют по тем же правилам, как и в обычной евклидовой геометрии. На плоскости, т.е. в двухмерном пространстве, расстояние между точками А и В равно корню квадратному из суммы квадратов разностей координат этих точек по оси абсцисс и по оси ординат - на основании теоремы Пифагора (рис. 6.1). [c.136]

Сравнивая результат кластерного анализа с многомерными средними (табл. 6.8) видим, что состав кластера 1 точно отвечает тем хозяйствам, чьи многомерные средние ниже 100%. Также выделе- [c.144]

Обобщая рассмотренную процедуру кластерного анализа, представим действия в виде определенной последовательности [c.145]

Существует много достаточно сложных алгоритмов кластерного анализа и родственных ему методов распознавания образов, таксономии и др. [c.146]

Рассмотренная выше методика вычисления евклидова расстояния предполагает, что все признаки считаются равноправными. На самом же деле при выделении типов социально-экономических явлений группировочные признаки не равноправны как правило, одни признаки имеют большее, другие — меньшее значение. Следовательно, более совершенная методика кластерного анализа должна учитывать разную значимость, разный вес группировочных признаков. В этом случае должно использоваться взвешенное евклидово расстояние [c.146]

Определение весов - весьма сложная задача, выходящая за пределы компетенции статистики. О том, какие признаки важнее при классификации тех или иных объектов, могут судить не статистики, а специалисты в соответствующей отрасли. Поэтому одним из способов определения весов признаков при кластерном анализе являются экспертные оценки. Опросив достаточное число специалистов-экспертов (желательно не менее 6-10), статистик сможет определить по их оценкам места (роли) каждого группировочного признака. Затем находится среднее по оценкам всех экспертов место признака или его вес в численном выражении. Можно просить экспертов ранжировать признаки по порядку значимости и определять среднее место , но оценка при этом будет очень грубая признак, поставленный на первое место, будет вдвое важнее второго и в двадцать или тридцать раз важнее последнего. Чтобы различия весов были не столь резкими, можно просить экспертов распределить между группировочными признаками, в соответствии с их значениями, общую сумму оценок (100 или 1000%). Тогда каждому из признаков будет приписана некоторая доля этой общей суммы, можно двум-трем признакам приписать одинаковые веса. Но этот [c.146]

Статистические методы можно разделить на две группы 1) традиционные (средних и относительных величин, индексный, обработки рядов динамики) 2) математико-статистические (корреляционный анализ, регрессионный анализ, дисперсионный анализ, ковариационный анализ, кластерный анализ). [c.24]

Многомерные методы, в первую очередь факторный и кластерный анализ. Они используются для обоснования решений, в основе которых лежат многочисленные взаимосвязанные переменные, например, определение объема валового продукта в зависимости от технического уровня производства. [c.151]

С помощью статистических процедур выполняется динамический анализ во времени, а также экспоненциальное сглаживание, линейная экстраполяция, исключение фактора сезонности, множественная регрессия, кластерный анализ и факторный анализ. [c.327]

Для анализа структуры рынка и его отдельных элементов и характеристики структурных сдвигов могут частично использоваться описательные методы и визуальные оценки (обычно - по ранее выполненным диаграммам), но чаще это осуществляется с помощью статистических методов и способов моделирования. Распределение рынков по регионам, их иерархия по территориально-административному признаку, межрегиональные и межотраслевые рыночные связи заставляют прибегать к методологии регионального анализа и моделирования, применять методы линейного и динамического программирования, кластерного анализа и т.п. В региональном анализе часто используются картограммы. [c.102]

Очень интересные результаты в маркетинговом исследовании может дать один из методов многомерной статистики - кластерный анализ. В результате применения достаточно сложных действий (выполняемых на компьютере с использованием пакета прикладных программ) образуются группы качественно однородных единиц - кластеров, сформированные не по одному, а по совокупности факторов. В частности, этот метод применяется в региональном анализе и в процессе сегментации рынка. Приведем пример кластеризации регионов России за 1995 г. по признаку валового регионального продукта на душу населения, выполненный Н.В. Хорошиловой в своей кандидатской диссертации (таблица 5.8 дана с некоторыми изменениями). [c.208]

Некоторые читатели зададут вопрос можно ли и как включить сложный, многомерный анализ, такой как кластерный анализ или многомерное шкалирование, в подход к сегментированию, который мы описываем. Описание данных методов выходит за рамки этой книги, однако те, кто имеет опыт работы с подобными статистическими приемами, могут воспользоваться ими для анализа данных на любой из стадий, описанных на рис. 2.4. Остальные же найдут описанный далее метод более практичным и вполне применимым. [c.35]

Реализация статистического метода предполагает существование множества объектов, заданных некоторым набором признаков. Статистические характеристики признаков считаются известными полностью или частично. В основном используются дискриминантный анализ, выделение и выбор признаков, кластерный анализ. [c.203]

В отличие от дискриминантного анализа, в кластерном анализе отсутствует однозначный количественный критерий оценки качества классификации типа ошибки. Кластерным называют анализ объектов, проводимый с целью выделения структур, классов, множеств подобных объектов. Существует большое разнообразие методов кластеризации. [c.204]

Кластерный анализ проводится с использованием таких количественных характеристик, как мода распределения, дисперсия, расстояние, а также качественной информации, которой обладает ЛПР. [c.205]

Выбрать один признак в качестве группировочного зачастую бывает достаточно трудно. Анализ по нескольким признакам довольно трудоемок и обладает принципиальным недостатком - размыванием совокупности, поскольку даже комбинация двух признаков при попытке разбить совокупность на три или четыре категории дает шесть или восемь подгрупп. В некоторых из них оказывается одно-два наблюдения, что недостаточно для подготовки обоснованных выводов об этих подгруппах. Избежать этого недостатка позволяют методы многомерных группировок. Широкое распространение они получили благодаря использованию вычислительной техники при расчетах. При анализе деятельности отдельных предприятий методы многомерной группировки используют нечасто из-за их сложности, более распространены они при социологических и экономических исследованиях отраслей и регионов. Наиболее разработанным методом многомерной классификации является кластерный анализ (см. раздел 2.8.3). [c.85]

Кластерный анализ - один из методов многомерного анализа, предназначенный для группировки (кластеризации) совокупности, элементы которой характеризуются многими признаками. Значения каждого из признаков служат координатами каждой единицы изучаемой совокупности в многомерном пространстве признаков. Каждое наблюдение, характеризующееся значениями нескольких показателей, можно представить как точку в пространстве этих показателей, значения которых рассматриваются как координаты в многомерном пространстве. Расстояние между точками р и q с k координатами определяется как [c.105]

Кластерный анализ. Метод статистического анализа, позволяющий разделить группу объектов на взаимно непересекающиеся подмножества относительно однородных объектов. [c.186]

Кластерный анализ 186 Клиент 57, 90, 178, 674 Клуб потребителей 93 Коммуникация 34,674 [c.881]

Таким образом, можно сделать вывод, что предложенный подход к выделению групп товаров соответствует результатам кластерного анализа. [c.204]

Таким образом, можно сделать вывод, что проведенное выше выделение групп товаров не противоречит результатам кластерного анализа. Кроме того, при включении в кластерный анализ третьей оси координат (средней доли товара в совокупном российском экспорте в 1991 1995 гг-) были получены достаточно схожие кластеры [c.206]

Отметим, что кластерный анализ подтверждает сходство товарных рынков, но не позволяет интерпретировать результаты в той же мере, что и Бостонская матрица. [c.206]

Используем систему STADIA 5.O. Введем показатели 10 предприятий в 10 строк электронной таблицы, в первый столбец — долю ликвидных активов в сумме баланса, во второй столбец — долю материально-производственных активов в балансе. Используем блок Статистика и процедуру Кластерный анализ , команды и соответственно метод Дивизивная стратегия динамических сгущений и Евклидова метрика . Будем группировать предприятия в два кластера. [c.97]

Пример. Проведем классификацию 10 предприятий, рассмотренных в предыдущем примере, и дадим, таким образом, вероятностную оценку результатам кластерного анализа. Вновь обратимся к системе STADIA 5.O. Введем показатели предприятий в первый и второй столбцы электронной таблицы, в третий столбец — номера классов, полученные при кластеризации. Используем блок Статистика и процедуру Дискриминантный анализ и получим следующие результаты. [c.98]

Мандель И. Д. Кластерный анализ. - М. Финансы и статистика, 1988. [c.155]

Кластерный анализ — один из методов многомерного анализа, предназначенный для группировки (кластеризации) совокупности, элементы которой характеризуются многими признаками. Значения каждого из признаков служат координатами каждой единицы изучаемой совокупности в многомерном пространстве признаков. Каждое наблюдение, характеризу- [c.130]

Сегментация рынка сравнима по своему подходу и процедуре с методологией типологических и комбинационных группировок большой размерности с использованием многих группироночных признаков, которую широко применяют в статистических исследованиях. Техника исполнения многопозиционной сегментации близка техническим требованиям кластерного анализа. [c.63]

Учитывая во многом субъективный (экспертный) принцип заполнения клеток матрицы и соответственно разбиения товаров на группы, дополнительно было проведено выделение сходных совокупностей лесных товаров с применением кластерного анализа. Расчет проводился с использованием статистического пакета Mi rosoft Slaiisti a 4-3- При формировании пяти кластеров на основе минимизации евклидовых расстояний в пространстве двух признаков — средней доли товара в совокупной стоимости экспорта лесных товаров в 1991—1995 гг- и среднего темпа прироста мирового экспорта товара за эти годы были получены следующие результаты [c.203]

Учитывая во многом субъективный (экспертный) принцип заполнения клеток матрицы и соответственно разбиения товаров на группы, дополнительно было проведено выделение сходных совокупностей лесных товаров с применением кластерного анализа. Расчет проводился с использованием статистического пакета Mi rosoft Statisli a 4-3- [c.205]

Смотреть страницы где упоминается термин Кластерный анализ

Смотреть главы в: