Beispiel für Clusterbeobachtungen

Ein Designer von Sportartikeln für einen Sportausstatter möchte neue Torwarthandschuhe testen. Der Designer bittet 20 Sportler, die neuen Handschuhe auszuprobieren, und erfasst deren Geschlecht, Größe, Gewicht und Händigkeit. Der Designer möchte die Sportler nach Ähnlichkeiten gruppieren.

Öffnen Sie den Beispieldatensatz Handschuhtester.MTW.
Wählen Sie Statistik > Multivariate Analysen > Clusterbeobachtungen aus.
Geben Sie im Feld Variablen oder Distanzmatrix die Spalten GeschlechtGrößeGewichtHändigkeit ein.
Wählen Sie im Feld Agglomeratives Verfahren die Option Vollständig aus. Wählen Sie im Feld Distanzmaß die Option Euklidisch aus.
Wählen Sie Variablen standardisieren aus.
Wählen Sie Dendrogramm anzeigen aus.
Klicken Sie auf OK.

Interpretieren der Ergebnisse

In der Tabelle werden die Cluster, die in den einzelnen Schritten zusammengefasst wurden, die Distanz zwischen den Clustern und die Ähnlichkeit der Cluster angezeigt.

Das Ähnlichkeitsniveau nimmt bis Schritt 15 jeweils ungefähr um maximal 3 ab. In den Schritten 16 und 17, bei denen sich die Anzahl der Cluster von 4 auf 3 ändert, nimmt die Ähnlichkeit um mehr als 20 ab (von 62,0036 auf 41,0474).
Die Distanz zwischen den zusammengefassten Clustern nimmt zu, zuerst um maximal ungefähr 0,6. In den Schritten 16 und 17, bei denen sich die Anzahl der Cluster von 4 auf 3 ändert, steigt die Distanz um mehr als 1 an (von 1,81904 auf 2,82229).

Diese Ergebnisse in Hinblick auf Ähnlichkeit und Distanz legen nahe, dass 4 Cluster für die endgültige Partition ausreichen. Wenn diese Gruppierung dem Designer intuitiv geeignet erscheint, stellt sie vermutlich eine gute Wahl dar. Im Dendrogramm werden die Informationen in der Tabelle in Form eines Baumdiagramms angezeigt.

Der Designer sollte die Analyse erneut ausführen und für die endgültige Partition 4 Cluster angeben. Wenn Sie eine endgültige Partition angeben, zeigt Minitab zusätzliche Tabellen an, in denen die Merkmale jedes in der endgültigen Partition enthaltenen Clusters beschrieben werden.

Schritt	Anzahl der Cluster	Ähnlichkeitsniveau	Distanzstufe	Zusammengefasste Cluster		Neuer Cluster	Anzahl der Beobachtungen in neuem Cluster
1	19	96,6005	0,16275	13	16	13	2
2	18	95,4642	0,21715	17	20	17	2
3	17	95,2648	0,22669	6	9	6	2
4	16	92,9178	0,33905	17	18	17	3
5	15	90,5296	0,45339	11	15	11	2
6	14	90,3124	0,46378	12	19	12	2
7	13	88,2431	0,56285	2	14	2	2
8	12	88,2431	0,56285	5	8	5	2
9	11	85,9744	0,67146	6	10	6	3
10	10	83,0639	0,81080	7	13	7	3
11	9	83,0639	0,81080	1	3	1	2
12	8	81,4039	0,89027	2	17	2	5
13	7	79,8185	0,96617	6	11	6	5
14	6	78,7534	1,01716	4	12	4	3
15	5	66,2112	1,61760	2	5	2	7
16	4	62,0036	1,81904	1	6	1	7
17	3	41,0474	2,82229	1	4	1	10
18	2	40,1718	2,86421	2	7	2	10
19	1	0,0000	4,78739	1	2	1	20

Beispiel für Clusterbeobachtungen

Interpretieren der Ergebnisse

Fusionierungsschritte

Endgültige Partition