Ángel M. Ramos Domínguez Curso de Doctorado Análisis Conjunto

Presentación del tema: "Ángel M. Ramos Domínguez Curso de Doctorado Análisis Conjunto"— Transcripción de la presentación:

1 Ángel M. Ramos Domínguez Curso de Doctorado Análisis Conjunto
SPSS Tutorial Ángel M. Ramos Domínguez Curso de Doctorado Análisis Conjunto

2 Análisis Cluster Guía Análisis Cluster Ejemplo de análisis cluster
Trabajo sobre asignación

3 Análisis Cluster Es una clase de técnicas utilizadas para clasificar casos en grupos que son relativamente homogéneos dentro de si mismos y heterogéneos entre ellos, sobre la base de un conjunto definido de variables. Estos grupos se llaman Clusters o Conglomerados.

4 Análisis Cluster e Investigación de mercados
Segmentación de Mercados. Agrupamiento de consumidores de acuerdo a sus preferencias de atributos Comprender el comportamiento de los compradores. Los consumidores con similares comportamientos/características son agrupados juntos. Identificar oportunidades de nuevos productos. Los clusters de similares marcas/productos pueden ayudar a identificar competidores/oportunidades de mercado Reducción de los datos. En mapas de preferencias

5 Etapas de un Análisis cluster
Seleccionar una medida de distancia Seleccionar un algoritmo de agrupamiento Determinar el número de clusters Validar el análisis

6

7 Definición de la distancia: La distancia Euclídea
Dij distancia entre los casos i y j xki valor de la variable Xk para el caso j Problemas: Diferentes medidas = diferentes ponderaciones Correlación entre variables (redundancia) Solución: Análisis de componentes principales

8 Procedimientos de Clustering
Procedimientos jerarquicos Aglomerativo (comienza desde n clusters, hasta llegar a obtener 1 cluster) Divisivo (comienza desde 1 cluster, hasta obtener n cluster) Procedimientos no jerarquicos Cluster de K-medias

9 Agrupamiento aglomerativo

10 Agrupamiento aglomerativo
Métodos de enlace Enlace simple (distancia mínima) Enlace Completo (distancia máxima) Enlace promedio Método de Ward Calcular la suma de las distancias al cuadrado dentro de los clusters Agregar clusters con incremento mínimo en la suma de cuadrados total Método del centroide La distancia entre dos clusters se define como la distancia entre los centroides (medias de los cluster)

11 Cluster de K-medias El número k de clusters es fijo
Se proporciona un conjunto inicial de k “semillas” (centros de agregación) K primeros elementos Otras semillas Dado un cierto umbral, todas unidades son asignadas a la más cercana semilla del grupo Se calculan nuevas semillas Volver a la etapa 3 hasta que no sea necesaria una reclasificación Las unidades pueden ser reasingnadas en etapas sucesivas (partición óptima)

12 Métodos jerarquicos vs no jerarquicos
Agrupamiento jerarquico No hay decisión acerca del número de clusters Existen problemas cuando los datos contienen un alto nivel de error Puede ser muy lento La decisión inicial influye mucho (una etapa única) Agrupamiento no jerarquico Más rápido, más fíable Es necesario especificar el número de clusters (arbitrario) Es necesario establecer la semilla inicial (arbitrario)

13 Método sugerido Primero ejecutar un método jerárquico para definir el número de clusters Luego utilizar el procedimiento k-medias para formar los clusters

14 Definición del número de clusters: regla del codazo (1)

15 Regla del codazo (2): El diagram scree

16 Validación del análisis
Impacto de las semillas iniciales / orden de los casos Impacto del método seleccionado Considerar la relevancia del conjunto de variables elegido

17 SPSS Example

18

19 Number of clusters: 10 – 6 = 4

20

21 Open the dataset supermarkets.sav
From your N: directory (if you saved it there last time Or download it from: Open it in SPSS

22 The supermarkets.sav dataset

23 Run Principal Components Analysis and save scores
Select the variables to perform the analysis Set the rule to extract principal components Give instruction to save the principal components as new variables

24 Cluster analysis: basic steps
Apply Ward’s methods on the principal components score Check the agglomeration schedule Decide the number of clusters Apply the k-means method

25 Analyse / Classify

26 Select the component scores
Untick this Select from here

27 Select Ward’s algorithm
Select method here Click here first

28 Output: Agglomeration schedule

29 Number of clusters Identify the step where the “distance coefficients” makes a bigger jump

30 The scree diagram (Excel needed)

31 Number of clusters Number of cases 150 Step of ‘elbow’ 144
__________________________________ Number of clusters 6

32 Now repeat the analysis
Choose the k-means technique Set 6 as the number of clusters Save cluster number for each case Run the analysis

33 K-means

34 Specify number of clusters
K-means dialog box Specify number of clusters

35 Save cluster membership
Click here first Thick here

36 Final output

37 Cluster membership

38 Component meaning (tutorial week 5)
4. Organic radio listener 1. “Old Rich Big Spender” 3. Vegetarian TV lover 2. Family shopper 5. Vegetarian TV and web hater

39

40 Cluster interpretation through mean component values
Cluster 1 is very far from profile 1 (-1.34) and more similar to profile 2 (0.38) Cluster 2 is very far from profile 5 (-0.93) and not particularly similar to any profile Cluster 3 is extremely similar to profiles 3 and 5 and very far from profile 2 Cluster 4 is similar to profiles 2 and 4 Cluster 5 is very similar to profile 3 and very far from profile 4 Cluster 6 is very similar to profile 5 and very far from profile 3

41 Which cluster to target?
Objective: target the organic consumer Which is the cluster that looks more “organic”? Compute the descriptive statistics on the original variables for that cluster

42 Representation of factors 1 and 4 (and cluster membership)