Иерархический кластер

ierarhicheskiy_klaster

Даная функция позволяет:

группировать объекты с помощью результатов переменных (так же как и многомерное масштабирование).
выявлять из большого множества переменных те группы вопросов или группы тестов (переменные), которые изучают один признак, или объединяются одним признаком (так же как и факторный анализ).

Тем не менее, реализация статистических процедур и интерпретации результатов кластерного анализа различается с факторным анализом и многомерным масштабированием.

Группируем объекты по результатам переменных

Ø       в список «переменные» вносим метрические и (или) порядковые переменные, которые характеризуют интересующие нас объекты;

Ø       в список «наблюдение меток по» вносим переменную с названиями объектов (переменная должна быть: типа – строка и в установках – номинальной);

Ø       галочки в подменю «кластер»: наблюдения;

Ø       галочки в меню «визуализация»: древовидная диаграмма, в подменю «натекание»: нет;

Ø       галочки в меню «метод»  подменю «превращение значений»: множества Z;

Ø       галочки в меню «сохранить»: единственное решение, напротив которого в графе кластер задаем число, на которое будет разбито все множество наших объектов в окне «обзор данных» в виде новой переменной.  

Шаги агломерации

1.       Этап – этапы, на которых происходит объединение кластеров;
2.       Кластер объединен с:
2.1.    Кластер 1 – номер переменной, которая объединяется с другой переменной в кластер;
2.2.    Кластер 2 – номер переменной, которая объединяется с первой переменной в кластер;
3.       Коэффициенты – значение расстояния между кластерами;
4.       Этап первого появления кластера:
4.1.    Кластер 1 – на каком шаге до этого появился кластер;
4.2.    Кластер 2 – на каком шаге до этого появился кластер;
5.       Следующий этап.
По таблице можно предварительно оценить число кластеров. Для этого необходимо проследить динамику увеличения различий по шагам кластеризации и определить шаг, на котором отмечается резкое возрастание различий. Например, если происходит резкое возрастание различий при переходе от 12 к 13 шагу, а число объектов равно 15: значит, идеальное число кластеров будет равняться 15 -12 = 3 или 15 –13 = 2.

Дендрограмма

1.        Дендрограмма – визуальное представление объединения объектов по группам. Горизонтальные линии означают объекты, а вертикальные линии объединяют похожие объекты в группу. 
Также в окне обзора данных создается новая переменная, которое разбивает все множество наших объектов (респондентов) на группы (число групп было задано в меню «сохранить»).  

Группируем переменные имеющие общие признаки

Ø       в список «переменные» вносим метрические и (или) порядковые переменные, которые изучают один признак, или объединяются одним признаком;

Ø       галочки в подменю «кластер»: переменные;

Ø       галочки в меню «визуализация»: древовидная диаграмма, в подменю «натекание»: нет;

Ø       галочки в меню «метод» в списке «интервал»: пирсонавская корреляция,  подменю «превращение значений»: максимальная величина;

Шаги агломерации

1.       Этап – этапы, на которых происходит объединение кластеров;
2.       Кластер объединен с:
2.1.    Кластер 1 – номер переменной, которая объединяется с другой переменной в кластер;
2.2.    Кластер 2 – номер переменной, которая объединяется с первой переменной в кластер;
3.       Коэффициенты – значение расстояния между кластерами;
4.       Этап первого появления кластера:
4.3.    Кластер 1 – на каком шаге до этого появился кластер;
4.4.    Кластер 2 – на каком шаге до этого появился кластер;
5.       Следующий этап.
По таблице можно предварительно оценить число кластеров. Для этого необходимо проследить динамику увеличения различий по шагам кластеризации и определить шаг, на котором отмечается резкое возрастание различий. Например, если происходит резкое возрастание различий при переходе от 12 к 13 шагу, а число переменных равно 15: значит, идеальное число кластеров будет равняться 15 -12 = 3 или 15 –13 = 2.

Дендрограмма

1.        Дендрограмма – визуальное представление объединения объектов по группам. Горизонтальные линии означают объекты, а вертикальные линии объединяют похожие объекты в группу. 

Стоит проверить полученные данные с помощью факторного анализа


Экскурс в мир терминологии

МЕТОД ДВОЙНОЙ СТИМУЛЯЦИИ (англ. method of double stimulation)метод психологического исследования высших психических функций, разработанный на основе теории Л. С. Выготского об их знаково-опосредствованном характере.

Впервые М. д. с. был использован в совместном исследовании Выготского и Л. С. Сахарова при изучении процесса образования понятий. Сущность метода заключается в том, что исследование высших психических функций осуществляется с помощью 2 рядов стимулов, каждый из которых играет особую роль по отношению к деятельности испытуемого. Один ряд стимулов выполняет функцию объекта, на который направлена деятельность испытуемого, а др. ряд — функцию знаков (стимулов-средств), с помощью которых эта деятельность организуется.

В исследовании Выготского и Сахарова в качестве стимулов-объектов использовались фигуры различных цветов, формы, высоты и размеров, а в качестве стимулов-средств — слова, написанные на обратной стороне каждой из фигур, являющиеся знаками экспериментальных понятий (они обозначали определенную совокупность признаков стимулов-объектов). В ходе эксперимента испытуемый постепенно раскрывал признаки, входящие в экспериментальное понятие, отбирая фигуры, на которых, по его мнению, написано одно и то же слово, и проверяя каждый раз правильность своего выбора.

Применение М. д. с. дало возможность исследовать, как испытуемый использует знаки в качестве средств направления своих мыслительных операций и как в зависимости от способа употребления слова протекает и развивается весь процесс образования понятий. Описанный вариант М. д. с. известен под названием «Методика Выготского-Сахарова» (при ее разработке использована идея «поискового метода» Н. Аха), однако М. д. с. применялся также при изучении опосредствованных процессов внимания и памяти (А. Р. Лурия, А. Н. Леонтьев). Поэтому М. д. с. можно рассматривать как целый ряд методик, основанных на принципе знакового опосредствования.

риддик онлайн

 

семейное право