4

Multivariate Verfahren (Fach) / VL 3 (Lektion)

Diese Lektion wurde von thotho erstellt.

Lektion lernen

Diese Lektion ist leider nicht zum lernen freigegeben.

zurück  |  weiter 1 / 1

• 1) Was ist die Clusteranalyse? 2) Was ist das zentrale Konzept der Clusteranalyse? 1) Definition Clusteranalyse strukturentdeckende, heuristisches Verfahren bildet Gruppen aus Objekten und Personen Gruppenbildung über mehrere Eigenschaften Ziel: Binnenhomogenität und Zwischenheterogenität Proxmität auf Basis von Merkmalen 2) Zentrales Konzept Paarvergleiche für alle Fälle; Bestimmung der Proxmität der Fälle Euklidische Distanz Skalenniveaus: Generell jedes Skalenniveau -> hier: Intervallskalierung Wahl der Skalen bestimmt das Proximitätsmaß Typenunterscheidung: hierarchisch-agglomerativ und iterativ-partitionierend
• 4) Wie verläuft das hierarchisch-agglomerative Verfahren der Clusteranalyse? 4) Verlauf der hierarchisch agglomerativen Clusteranalyse 1) Berechnung der Promximität Euklidische Distanz (Unähnlichkeit) Monkowski Distanz (Unähnlichkeit) Block Distanz (Unähnlichkeit) Pearson Korrelation (Ähnlichkeit) SPSS: Kosinus; Tschebyscheff; Benutzerdefiniert 2) Fusionsalgorithmus vorwiegend polythetisch hierarchische Verfahren: hierarchisch-agglomerativ und Divisiv 3) Distanzberechnung Average Linkage Average Group Linkage Single Linkage Complete Linkage Zentroid Clustering Median Clustering Ward Clustering Grundsätzlich liefert Clusteranalysen kein diskursives Kriterium zur Bestimmung der Clusteranzahl
• 5) Was ist das iterativ-partitionierende Verfahren der Clusteranalyse? 6) Wie verläuft es? 5) Iterativ-partitionierend Clusterbildung durch wiederholtes Austauschen von Fällen nach festgelegten Kriterien Pro: Reviedierung der Zuweisungen von Fällen zu Clustern Contra: Clusteranzahl muss vorab festgelegt sein 6) Verlauf iterativer Partitionierung Anfangspartition mit vorgegebener Anzahl Cluster per Zufallsordnung Pro Cluster ein Mittelwert für jede Variable Für die bestehende Clusterordnung wird ein Maß der Heterogenität berechnet Fall der Optimierungskriterium max. erfüllt, wird verschoben; Wiederholen der Schritte 2) und 3) bis Clusterordnung sich nicht mehr verbessern lässt
• 7) Welche Kritikpunkte gibt es an der iterativ partitionierenden Variante? 7) Kritik Nicht alle Gruppenzuordnungen können geprüft werden Startpartition wird zufällig gewählt (lokales-, kein globales Optimum) Empirisch ermittelte Anfangspartition durch agglomerative Verfahren sind vorzuziehen

zurück  |  weiter 1 / 1