Результат факторного анализа
| Фактор | Факторный вес переменной | Фактор II | Факторный вес переменной | Фактор III | Факторный вес переменной |
| Фирменные вещи | 0,832 | Творчество | 0,760 | Любовь | 0,792 |
| Деньги | 0,722 | Интеллект | 0,726 | Стремление создать семью | 0,607 |
| Секс | 0,796 | Уважение к старшим | 0,722 | ||
| Подражание Западу | 0,762 | ||||
| Карьера | 0,797 | ||||
| Рок-музыка | 0,652 | ||||
| Сила | – |
Первый фактор носит название “потребительский”. Наибольшую факторную нагрузку имеет признак “фирменные вещи”, что свидетельствует о том, что экономика, не способная к эффективному насыщению рынка промышленными товарами, оказывает деформирующее влияние на ценностное сознание молодежи. Второй и третий факторы представлены значительно меньшим числом признаков и могут быть названы соответственно “учебно-познавательным” и “семейным”.
Один из методов, позволяющий разделить данные на однородные группы (кластеры) таким образом, чтобы различия между объектами одной группы были значительно меньшими, чем между объектами разных групп, – кластерный анализ. Критериями различия (сходства) служат различные меры связи (подобия), корреляционные коэффициенты, меры расстояния. Кластерный анализ работает с признаками, измеренными как в количественных, так и в качественных шкалах. При применении кластерного анализа нужно определить, какие переменные будут служить базой для объединения в кластеры, как будет измеряться близость между отдельными объектами, какой критерий будет использован для объединения объектов в кластеры.
Для количественных показателей наиболее пригодной мерой различия является евклидово расстояние, для качественных –
хи-квадрат, различные коэффициенты сопряженности, ассоциации и другие. При кластеризации не объектов, а признаков применяются коэффициенты парной статистической взаимосвязи.
Наиболее широко применяемый метод кластерного анализа – иерархический. Он подразделяется на объединительные (агломеративные) и разделительные (дивизимные) процессы кластеризации. При агломеративных процессах кластеризация начинается с объединения двух наиболее близких объектов в одну группу, затем объединяются следующие по близости объекты и кластеры. Процесс продолжается до тех пор, пока все объекты не будут объединены в один кластер, но может быть и остановлен на любом этапе, если число кластеров заранее задано. В дивизимных алгоритмах кластеризация начинается с разбивки всей совокупности на два кластера и заканчивается, когда количество кластеров достигает количества объектов.
Дата добавления: 2015-09-11; просмотров: 629;