Der Two-Step-Clusteralgorithmus in SPSS: Methodenbeschreibung und Vergleich mit der k-Means Clusteranalyse (German Edition)

Studienarbeit aus dem Jahr 2008 im Fachbereich Statistik, Note: 1,7, Universität Passau (Wissenschaftliche Fakultät), Sprache: Deutsch, Abstract: Die Clusteranalyse ist ein multivariates statistisches Verfahren zur Klassenbildung. Das Ziel der Clusteranalyse besteht darin, möglichst homogene Gruppen aus einer Menge von Objekten zu klassifizieren, wobei sich die Gruppen möglichst heterogen voneinander unterscheiden sollen. Der Ausgangspunkt der Clusteranalyse bildet eine Rohdatenmatrix X mit N Objekten und p Variablen. [...] Nachdem das Hauptziel der Clusteranalyse kurz erläutert wurde, soll nun kurz der Ablauf einer Klassifikationsbildung dargestellt werden. Zu Beginn der Clusteranalyse werden die Ähnlichkeiten der einzelnen Objektpaare aus der Datenmatrix berechnet. Je größer der Wert des Ähnlichkeitsmaßes ist, desto ähnlicher sind sich zwei Objekte und umso homogener ist das Cluster, das sie bilden. [...] Bei der Auswahl des Clusteralgorithmus unterscheidet man zwischen den Hierarchischen Clusterverfahren und den Partitionierenden Clusterverfahren. Die Hierarchischen Clusterverfahren konstruieren eine Folge von Partitionen der gesamten Objektmenge I3 I = 1,2,...,N. Dabei werden die Hierarchische Clustermethoden in agglomerative und divisive Clusterverfahren unterteilt. Die agglomerativen hierarchischen Clusterverfahren beginnen mit der feinsten Partition [...]. Bei divisiven hierarchischen Clusterverfahren wird mit der gröbsten Partition gestartet [...]. Durch die sukzessive Aufspaltung in Teilklassen wird eine höhere Homogenität erreicht. Die partitionierenden Clusterverfahren beginnen mit einer fest vorgegebenen Anfangspartition, die im Bezug auf ein bestimmtes Gütekriterium, wie z.B. das Varianzkriterium, sukzessive verbessert wird. [...] Die partitionierenden Clusterverfahren unterscheiden sich in optimierende Austauschverfahren und Minimal-Distanz-Verfahren. [...] Hierarchische Clusterverfahren sind sehr geeignet bisher unbekannte Clusterstrukturen aufzudecke