Page 19 - 4268
P. 19
нелегко знайти при візуальному обстеженні або за допомогою
експертів.
Основними завданнями кластерного аналізу є:
– розробка типології або класифікації досліджуваних
об'єктів;
– дослідження та визначення прийнятних концептуальних
схем групування об'єктів;
– висунення гіпотез на підставі результатів дослідження
даних;
– перевірка гіпотез чи справді типи (групи), які були виділені
певним чином, мають місце в наявних даних.
Кластерний аналіз потребує здійснення таких послідовних
кроків:
1) проведення вибірки об'єктів для кластеризації;
2) визначення множини ознак, за якими будуть оцінюватися
відібрані об'єкти;
3) оцінка міри подібності об'єктів;
4) застосування кластерного аналізу для створення груп
подібних об'єктів;
5) перевірка достовірності результатів кластерного рішення.
Кожен з цих кроків відіграє значну роль у практичному
здійсненні аналізу.
Визначення множини ознак, які покладаються в основу
оцінки об'єктів ( ), у кластерному аналізі є одним із
найважливіших завдань дослідження. Мета цього кроку повинна
полягати у визначенні сукупності змінних ознак, яка найкраще
відображає поняття подібності. Ці ознаки мають вибиратися з
урахуванням теоретичних положень, покладених в основу
класифікації, а також мети дослідження.
При визначенні міри подібності об'єктів кластерного аналізу
використовуються чотири види коефіцієнтів: коефіцієнти
кореляції, показники віддалей, коефіцієнти асоціативності та
ймовірносні, коефіцієнти подібності. Кожен з цих показників має
свої переваги та недоліки, які попередньо потрібно врахувати. На
практиці найбільшого розповсюдження у сфері соціальних та
економічних наук здобули коефіцієнти кореляції та віддалей.
В результаті аналізу сукупності вхідних даних створюються
однорідні групи у такий спосіб, що об'єкти всередині цих груп
19