계층적 군집 분석
군집 방법. 그룹-간 링크, 그룹-내 링크, 가장 가까운 항목, 가장 먼 항목, 중심값 군집화, 중위수 군집화, Ward의 방법을 사용할 수 있습니다.
측도. 거리 측도나 유사성 측도를 지정하여 군집화에 사용할 수 있습니다. 다음 데이터 유형과 적합한 거리 측도 또는 유사성 측도를 선택합니다.
- 간격 유클리드 거리, 유클리드 거리 제곱값, 코사인, Pearson 상관계수, Chebychev, 블록, Minkowski, 사용자 정의를 사용할 수 있습니다.
- 생성됩니다. 카이제곱 측도와 파이제곱 측도를 사용할 수 있습니다.
- 이분형. 유클리드 거리, 유클리드 거리 제곱값, 크기 차이, 패턴 차이, 분산, 산포, 형태, 단순 일치, 파이 4-점 상관, 람다, Anderberg의 D, Dice, Hamann, Jaccard, Kulczynski 1, Kulczynski 2, Lance와 Williams, Ochiai, Rogers와 Tanimoto, Russel과 Rao, Sokal과 Sneath 1, Sokal과 Sneath 2, Sokal과 Sneath 3, Sokal과 Sneath 4, Sokal과 Sneath 5, Yule의 Y, Yule의 Q를 사용할 수 있습니다.
값 변환. 근접성을 계산하기 전에 각 케이스나 값에 대한 데이터 값을 표준화할 수 있습니다(이분형 데이터에는 사용할 수 없음). 표준화 방법으로는 z 스코어, -1부터 1까지 범위, 0부터 1까지 범위, 최대값 1, 평균 1, 표준 편차 1 등을 사용할 수 있습니다.
측도변환. 거리 측도에 의해 생성된 값을 변환할 수 있습니다. 이 값은 거리 측도를 계산한 다음 적용됩니다. 절대값, 부호 바꾸기, 0–1 범위로 척도 조정을 사용할 수 있습니다.
군집방법 지정
이 기능을 사용하려면 Statistics Base 옵션이 필요합니다.
- 메뉴에서 다음을 선택합니다.
- 계층적 군집 분석 대화 상자에서 방법을 클릭합니다.