Читайте также:
|
Например, школьным психологом проведено изучение особенности воображения учащихся 1 класса. Для этого учащимся было предложено выполнить четыре различных теста. Для проведения кластерного анализа выберите в меню Analyze (Анализ) Classify (Классифицировать) Hierarchical Cluster... (Иерархический кластерный анализ). В диалоговом окне HierarchicalCluster Analysis (рис. 4.67) исследуемые переменные (t1 – t4) поместите в поле тестируемых переменных, а текстовую переменную name (имя) используйте для обозначения (маркировки) наблюдений.
Рис. 4.67. Диалоговое окно Hierarchical Cluster Analysis
После определения оптимального количества кластеров организуем для каждого наблюдения вывод информации о принадлежности к кластеру. Для этого в диалоговом окне Hierarchical Cluster Analysis (Иерархический кластерный анализ) и щёлкните по выключателю Statistics... (Статистики). В разделе Cluster Membership (Принадлежность к кластеру) активируйте опцию Single solution (Одно решение) и укажите желаемое количество кластеров. Информацию о принадлежности каждого наблюдения к определённому кластеру вы можете сохранить в новой переменной. Пройдите выключатель Save... (Сохранить), активируйте опцию Single solution (Одно решение) и укажите желаемое количество кластеров. Теперь помимо таблицы порядка агломерации для каждого наблюдения будет выводиться и информация о принадлежности к кластеру.
Если Вы рассмотрите данные в редакторе данных, то заметите, что добавилась новая переменная; эта переменная указывает на кластерную принадлежность каждого наблюдения и может быть использована для расчёта кластерного профиля. Для этого выберите в меню Analyze (Анализ) Compare Means (Сравнить средние значения) Means... (Средние значения). Исследуемым переменным присвойте статус зависимых переменных, а новой переменной статус независимой переменной, и начните расчёт.
Дата добавления: 2015-01-12; просмотров: 28 | Поможем написать вашу работу | Нарушение авторских прав |