Klaster analiza

Osnove informacije i logika

Klaster analiza obuhvata veći broj metoda i tehnika namenjenih klasifikaciji entiteta ili varijabli. Na osnovu sličnosti svojstava koja se uzimaju kao osnova klasifikacije vrši se grupisanje entiteta/varijabli u homogene skupove. Time se vrši prepoznavanje homogenih grupa koje nose slična svojstva i mogu se optimalno opisati. Uspešna klasifikacija pretpostavlja da su entiteti unutar klastera maksimalno slični a sami klasteri maksimalno različiti. Ove su metode u osnovi eksplorativnog tipa jer nemaju inferencijalne karakteristike, ne podrazumevaju procenu parametara populacije na osnovu uzorka.

Primena i uslovi primene

Klaster analize se koriste u mnogim oblastima društvenih i prirodnih nauka. Primenjuju se kada treba klasifikovati objekte, subjekte, događaje i razne druge entitete u homogene grupe i opisati njihove karakteristike.

Ključni uslov za primenu ovih analiza je adekvatan izbor varijabli za klasifikaciju. Pored toga, podaci treba da budu oslobođeni autlajera, ekstremnih vrednosti, jer oni mogu značajno uticati na ishod klasifikacije entiteta.

Opis kursa

U kursu su obuhvaćene 3 najčešće primenjivane metode koje su ugrađene u program SPSS: metoda podele (k-mean), Hijerarhijska metoda (Hierarchical method) i Dvostepena analiza (Two-step clustering). Svaka od ovih metoda prikazana je u praktičnoj primeni na realnim podacima.