クラスター分析 - 変数の主要な結果を解釈する

併合工程のステップごとに、形成されたクラスターを表示し、類似度と距離水準を調べます。類似度水準が高くなるほど、各クラスターにある変数の類似性（相関性）が高くなります。距離水準が低くなるほど、各クラスターにある変数の距離が近くなります。

クラスターの類似度水準が相対的に高くなり、距離水準が相対的に低くなるのが理想的です。ただし、目標と合理的で実用的なクラスター数を持つこととのバランスを取る必要があります。

ステップごとに結合されたクラスターの類似度の水準を使用して、データの最終グループ化を判断しやすくします。ステップ間の類似度水準に急な変化があるかを確認します。類似度が急に変化する前のステップでは、最終分割に適した終止点が得られる可能性があります。最終分割では、クラスターの類似水準はかなり高くなる必要があります。データに関する実務知識も使用して、用途に最も適した最終グループ化を判断する必要があります。

たとえば、次の併合表は、類似度水準がステップ1（93.9666）からステップ2（93.1548）へとわずかに減少していることを示しています。類似度は、ステップ3（87.3150）で急に減少し、クラスターの数も3から2に変化します。これらの結果は、3つのクラスターが最終分割で適切になる可能性があることを示します。このグループ化が直観的な意味を持つとすれば、これが適していると考えられます。

ステップ2の最終グループ化を決定後、分析を繰り返して、最終分割のクラスター数（または類似度水準）を指定します。Minitabでは、最終分割表が表示され、最終分割の各クラスターの変数が示されます。

最終分割（パーティション）のクラスターを調べて、グループ化が用途に合わせて論理的に見えるかを判断します。まだ不明な場合、分析を繰り返して、別の最終グループ化の樹形図を比較して、データにとって最も論理的な樹形図を決定します。