Analis Cluster

Analisis Cluster

• Se utiliza la información de una serie de variables para cada sujeto u objeto y, conforme a estas variables se mide la similitud entre ellos.

• Una vez medida la similitud se agrupan en: grupos homogéneos internamente y diferentes entre sí.

• La "nueva dimensión" lograda con el cluster se aprovecha después para facilitar la aproximación "segmentada" de un determinado análisis.

Conviene tener claro que:

• Que la técnica no tiene vocación / propiedades inferenciales

• Que por tanto, los resultados logrados para una muestra sirven sólo para ese diseño (su valor atañe sólo a los objetivos del analista): elección de individuos, variables relevantes utilizadas, criterio similitud utilizado, nivel de agrupación final elegido.... definen diferentes soluciones.

• Que cluster y discriminante no tiene demasiado en común: el discriminante intenta explicar una estructura y el Cluster intenta determinarla.

Etapas de un análisis Cluster

1. SELECCIÓN DE LA MUESTRA DE DATOS

• Adecuar al máximo la muestra al objeto de análisis

• Depuración de atípicos (interesan elementos como miembros de grupos,no interesa la excesiva "individualidad")

2. SELECCIÓN y TRANSFORMACIÓN DE VARIABLES A UTILIZAR

CANTIDAD

• No elegir variables indiscriminadamente: RECORDAMOS: cada estructura se manifiesta en una serie de variables y cada grupo de variables revela, sólo, una determinada estructura.

• Resultado muy sensible a la inclusión de alguna variable irrelevante.

• La inclusión indiscriminada de variables aumenta la probabilidad de atípicos.

TRANSFORMACIÓN

• Depende / Afecta a muchas decisiones posteriores (medida de distancia /similitud empleada, por ejemplo)

• Estandarización por variable: aunque resulta útil para mediciones posteriores de distancia puede afectar al resultado del análisis y no se recomienda si las diferencias de medidas reflejan alguna cualidad natural de interés conceptual.

• Estandarización por encuestado: singular, pero en baterías de indicadores elimina patrones de respuesta en los sujetos, ofreciendo la importancia relativa de cada indicador.

• Factorización: puede resultar interesante factorizar previamente las variables y realizar el Cluster con factores en lugar de con variables.

...