Следующим шагом является непосредственно построение дерева кластеров, то есть проведение кластерного анализа. Для проведения анализа выбираем соответствующие переменные, а также задаем правило объединения, в нашем случае для более наглядного отражения будет выбран Wards method, и указываем измерение опять таки для наглядности будет выбрано Euclidean distances. В результате анализа получим следующую дендограмму.
На основе анализа указанной дендограммы, можно в целом выделить 3 классификационных группы и один субъект не вписывающийся ни в одну из групп. Кроме этого можно используя метод К- средних произвести следующий анализ. Предположим, что у нас имеется 4 классификационные группы, следовательно после задания соответствующих параметров мы получим следующую таблицу.
Регион |
номер наблюдения |
кластерная группа |
расстояние |
Кировская область |
1 |
4 |
0,35 |
Нижегородская область |
2 |
1 |
0,46 |
Оренбургская область |
3 |
2 |
0,23 |
Пензенская область |
4 |
4 |
0,24 |
Пермская область |
5 |
1 |
0,45 |
Республика Башкортостан |
6 |
1 |
0,15 |
Республика Марий- Эл |
7 |
4 |
0,23 |
Республика Мордовия |
8 |
4 |
0,19 |
Республика Татарстан |
9 |
1 |
0,36 |
Самарская область |
10 |
3 |
0,00 |
Саратовская область |
11 |
2 |
0,37 |
Удмуртская республика |
12 |
2 |
0,24 |
Ульяновская область |
13 |
4 |
0,20 |
Чувашская республика |
14 |
4 |
0,14 |
Уважаемый посетитель!
Чтобы распечатать файл, скачайте его (в формате Word).
Ссылка на скачивание - внизу страницы.