관측 개체 군집 분석 예

한 스포츠 용품 회사의 디자이너가 새 축구 골키퍼 장갑을 검사하려고 합니다. 디자이너는 선수 20명에게 새 장갑을 착용하도록 하고 선수의 성별, 키, 몸무게, 잘 쓰는 손에 대한 정보를 수집합니다. 디자이너는 이러한 범주의 유사성을 기준으로 선수들을 분류하려고 합니다.

표본 데이터 집합장갑시험자.MTW을 엽니다.
통계분석 > 다변량 > 관측 개체 군집 분석을 선택합니다.
변수 또는 거리 행렬에 성별키무게잘 쓰는 손을 입력합니다.
연결 방법에서 완전을 선택합니다. 거리 측도에서 Euclid을 선택합니다.
변수 표준화을 선택합니다.
덴드로그램 표시을 선택합니다.
확인을 클릭합니다.

결과 해석

표에는 각 단계에서 결합된 군집, 군집 사이의 거리, 군집의 유사성이 표시됩니다.

유사성 수준은 15단계까지 약 3 이하씩 감소합니다. 군집 수가 4에서 3으로 변경되는 16단계와 17단계에서는 유사성 수준이 (62.0036에서 41.0474로) 20 이상 감소합니다.
결합된 군집 사이의 거리는 처음에 약 0.6 이하 감소합니다. 군집 수가 4에서 3으로 변경되는 16단계와 17단계에서는 거리 수준이 (1.81904에서 2.82229로) 1 이상 증가합니다.

거리 및 유사성 결과는 4개의 군집이 최종 분할에 충분하다는 것을 나타냅니다. 이 그룹화 방식이 설계자에게 직관적인 의미를 가지면 이 방식을 선택하는 것이 좋습니다. 덴드로그램에서는 표의 정보를 트리 다이어그램 형식으로 표시합니다.

설계자는 분석을 다시 실행하고 최종 분할에 4개의 군집을 지정해야 합니다. 최종 분할을 지정하면 Minitab에서 최종 분할에 포함된 각 군집의 특성을 설명하는 추가 표를 표시합니다.

단계	군집 수	유사성 수준	거리 수준	결합된 군집		새 군집	새 군집의 관측치 수
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

관측 개체 군집 분석 예

결과 해석

합병 단계

최종 분할