[시장조사]군집분석과 MDS

소개

군집분석과 MDS

목차

1. 위계적 군집분석(WARD 방법 적용)
2. 비위계적 군집분석 (K MEANS 방법 적용)
3. MDS

본문내용

1. 위계적 군집분석(WARD 방법 적용)
Proximity Matrix

그림 1. 해석 : 근접성 행렬에 대한 분석 결과를 일부만 제시, 이 계산 결과는 바로 응답자들 간의 제곱한 유클리디안 거리의 행렬표이다. 각 응답자별 행과 열을 통하여 두 응답자간의 거리를 알 수 있다. 예를 들어 1과 2의 거리는 1.278이고 1과 3의 거리는 6.638의 거리이다. 거리의 값이 적을수록 동일한 집단에 포함될 가능성이 높다.
그림 2. 해석 : 각단계에서 결합된 군집들에서 두 개의 가장 다른 점들 간의 거리 값 (COEFFICIENTS)를 주관에 의해 군집들을 정하며 예로 작은 계수끼리 동질적 군집 / 큰 계수끼리 동질적 군집을 관찰자에 의해 정해야 한다.

그림 4그림 32. 비위계적 군집분석 (K MEANS 방법 적용)

임의로 군집을 4집단으로 나누어서 분할시킴. 그림 4에서 4개의 집단에서 정해준 기준의 거리를 표현한 것이다.
이분분의 OUT-PUT 해석은 알려주지 않아서 임의적으로 해석해 보겠습니다. 예로 집단1은 검색엔진과의 의사소통 만족도가 높은 집단이고 나와의 친밀성 만족도가 매우 낮은 집단으로 묶여 있다는 것을 의미한다.

그림 5는 집단 1은 3개의 응답자로 묶였다는 것을 의미 2는 5개의 응답자로 묶였다는 것을 의미하고, 17명의 응답자는 어느 군집에도 속하지 않았다는 것을 보여준다.

참고자료

· 없음