Глава 20. Кластерный анализ

• spss/section_20/1/" class="lnk">20.1. Принцип кластерного анализа
• spss/section_20/2/" class="lnk">20.2. Иерархический кластерный анализ (с двумя переменными)
• spss/section_20/3/" class="lnk">20.3. Иерархический кластерный анализ с более чем двумя переменными
• spss/section_20/4/" class="lnk">20.4. Иерархический кластерный анализ с предварительным факторным анализом
• spss/section_20/5/" class="lnk">20.5. Меры расстояния - переменные с интервальной шкалой
• spss/section_20/6/" class="lnk">20.6. Меры расстояния - частоты
• spss/section_20/7/" class="lnk">20.7. Меры расстояния - бинарные переменные
• spss/section_20/8/" class="lnk">20.8. Методы объединения (кластеризации)
• spss/section_20/9/" class="lnk">20.9. Кластерный анализ методом к-средних

В результате кластерного анализа при помощи предварительно заданных переменных формируются группы наблюдений — отдельные личности (респонденты) или любые другие объекты. Члены одной группы (одного кластера) должны обладать схожими проявлениями переменных, а члены разных групп различными.

Наряду с кластеризацией наблюдений в SPSS предусмотрена кластеризация переменных. Здесь на основе заданных наблюдений образовываются группы переменных. Так как в принципе то же самое делает и spss/section_19/" class="lnk">факторный анализ, то ограничимся рассмотрением только кластеризации наблюдений.