Cvičení č. 3.: Aplikace shlukové analýzy


Článek Ladislava Rabušice Koho Češi nechtějí? (uveřejněn ve Sborníku prací FSS MU Sociální studia
5, 2000) se zabývá touto problematikou:

V roce 1999 proběhlo ve 24 evropských zemích sociologické šetření, v němž měli respondenti za úkol
odpovědět na otázku „Můžete prosím z následujícího seznamu vybrat všechny ty, koho byste nechtěl(a)
mít za sousedy?“

V seznamu byly tyto skupiny osob:

Kriminálníci, osoby jiné rasy, levicoví extrémisté, alkoholici, pravicoví extrémisté, početné
rodiny, citově nestabilní lidé, muslimové, imigranti, lidé s AIDS, narkomani, homosexuálové, židé,
Romové.

V datovém souboru netolerance.sta jsou zaznamenány relativní četnosti vybraných skupin osob.

V České republice se výzkumu, který proběhl v květnu 1999, zúčastnilo 1908 osob.


Úkol 1.: Zaměřte se na ČR. Vytvořte sloupkový diagram tohoto tvaru:


Úkol 2.: Do jednoho grafu nakreslete krabicové diagramy všech 14 proměnných.

Vzhledem k velmi rozdílné variabilitě proměnných se jeví vhodnější pracovat se standardizovanými
daty.


Úkol 3.: Na ploše prvních dvou hlavních komponent znázorněte rozmístění zemí.


Úkol 4.: Použijte metodu nejbližšího souseda, nejvzdálenějšího souseda, metodu průměrné vazby a
Wardovu metodu pro nalezení shluků zemí podobných z hlediska tolerance. Výsledky znázorněte pomocí
dendrogramů.

Dendrogram pro Wardovu metodu:

Úkol 5.: Určete 5 shluků navzájem si podobných zemí.


Úkol 6.: Proveďte shlukovou analýzu pro proměnné.

Dendrogram pro metodu nejvzdálenějšího souseda:


Úkol 7.: Použijte metodu k-průměrů k nalezení 5 shluků navzájem si podobných zemí a uložte
skupinovou příslušnost do datového souboru. K určení významnosti jednotlivých proměnných proveďte
analýzu rozptylu. Nakreslete graf průměrů všech 5 shluků a pokuste se o interpretaci.


Graf průměrů:


Příklad k samostatnému řešení:


(Příklad je převzat z knihy M. Meloun, J. Militký, M. Hill: Počítačová analýza vícerozměrných dat.
Academia Praha 2005)

U 12 velmi slavných amerických hráčů košíkové byly v sezóně 1989 zjištěny hodnoty osmi proměnných.

Výška – výška hráče v cm

Hmotnost – hmotnost hráče v kg

FgPct – první antropometrická charakteristika

FtPct – druhá antropometrická charakteristika

Body – průměrný počet dosažených bodů

Doskoky - průměrný počet doskoků

Asistence – průměrný počet asistencí

Fauly – průměrný počet faulů

Data jsou uložena v souboru hraci.sta.



Metodou průměrné vazby s euklidovskými vzdálenostmi najděte 3 skupiny hráčů podobných vlastností.
Výsledek ověřte metodou k-průměrů.


Výsledky

Dendrogram:



Rozdělení hráčů do 3 shluků metodou k-průměrů:


Graf průměrů tří shluků:


Tabulka ANOVA: