Novohradské statistické dny 20121 Poznámky k problematice určování počtu shluků Hana Řezanková Vysoká škola ekonomická v Praze.

Prezentace na téma: "Novohradské statistické dny 20121 Poznámky k problematice určování počtu shluků Hana Řezanková Vysoká škola ekonomická v Praze."— Transkript prezentace:

1 Novohradské statistické dny 20121 Poznámky k problematice určování počtu shluků Hana Řezanková Vysoká škola ekonomická v Praze

2 Novohradské statistické dny 20122 Obsah Motivace Ilustrace problémů Experimenty Závěr

3 Novohradské statistické dny 20123 Motivace Existuje velké množství koeficientů pro stanovování počtu shluků Pokud nejsou shluky výrazně oddělené, jednotlivé koeficienty mohou určovat různé počty shluků jako vhodné (pro stejná data) Řada koeficientů existuje pro fuzzy shlukovou analýzu vhodnou pro překrývající se shluky Tyto koeficienty jsou pro určování počtu shluků vhodné pouze pro výrazně oddělené shluky

4 Novohradské statistické dny 20124 Ilustrace Data z šetření REFLEX 2006 a 2010 Sledování podobnosti proměnných, které vyjadřují úrovně kompetencí absolventa VŠ Aplikace faktorové analýzy a využití faktorových zátěží ke shlukování proměnných Použití fuzzy shlukové analýzy (FANNY) Použití 2 koeficientů pro hodnocení shlukování: Dunnův (ve variantě základní a normalizované) průměrná obrysová šířka (obrysový koeficient)

5 Novohradské statistické dny 20125 Ilustrace Dunnův koeficient (též partition coefficient), normaliz. Obrysový koeficient  (pro pevné shlukování)

6 Novohradské statistické dny 20126 Ilustrace Data z šetření REFLEX 2006 a 2010 Kompetence dosažené a požadované zaměstnavatelem, v obou skupinách: 2006: 19 kompetencí (7 a 3bodová škála) 2010: 24 kompetencí (10 a 3bodová škála) Shlukování proměnných charakterizovaných 2006: 4 a 2 vektory faktorových zátěží 2010: 5 a 2 vektory faktorových zátěží tj. 16 datových souborů

7 Novohradské statistické dny 20127 Ilustrace Rok 2010 (max. počet shluků n/2 – 1 = 11) 10 úrovní 5 faktorů10 úrovní 2 faktory

8 Novohradské statistické dny 20128 Experimenty Generovaná data (normální rozdělení) 24 objektů, 5 proměnných Objekty z různých počtů shluků (2, 3,4, 6 a 8) Parametry rozdělení pro shluky: Střední hodnota: 10, 15 (20, 25, 30, 35, 40 a 45) Směrodatná odchylka: 1 a 2 tj. 10 datových souborů

9 Novohradské statistické dny 20129 Experimenty Správně 2 shluky

10 Novohradské statistické dny 201210 Experimenty Správně 3 shluky

11 Novohradské statistické dny 201211 Experimenty Správně 4 shluky

12 Novohradské statistické dny 201212 Experimenty Správně 6 shluků

13 Novohradské statistické dny 201213 Experimenty Správně 8 shluků

14 Novohradské statistické dny 201214 Experimenty Data REFLEX 2006 (2 faktory)

15 Novohradské statistické dny 201215 Závěry Kdy jsou užitečné koeficienty založené na mírách příslušnosti objektů do shluků? Při porovnání různých způsobů shlukování do stejného počtu shluků, pro stanovení počtu shluků by měl být použít též jiný typ koeficientu. Jak stanovit počet shluků v případě, kdy se shluky překrývají? Navrhnout kombinaci koeficientů pro hodnocení fuzzy a pevného shlukování.

16 Novohradské statistické dny 201216 Děkuji Vám za pozornost