analiza nominalnih varijabli
TRANSCRIPT
-
7/22/2019 Analiza Nominalnih Varijabli
1/59
ANALIZA NOMINALNIHVARIJABLI
Fakultet fizike kulture Novi SadPoslediplomske magistarske studije
-
7/22/2019 Analiza Nominalnih Varijabli
2/59
Prof. dr Stanislav Fajgelj
[email protected]/stanef.htm
-
7/22/2019 Analiza Nominalnih Varijabli
3/59
Stanislav Fajgelj April 2006. 3
LITERATURAPetz, B. (2004), Osnovne statistike metode za
nematematiare, Jastrebarsko: Naklada Slap.StatSoft, Inc. (2005). Electronic Statistics
Textbook. Tulsa, OK: StatSoft
Fajgelj, S. (2005). Psihometrija Metod i teorija
psiholokog merenja, II dopunjeno izdanje,Centar za primenjenu psihologiju, Beograd.
Momirovi, K. (1988). Uvod u analizu nominalnihvarijabli, Metodoloke sveske, Jugoslovensko
udruenje za sociologiju, Ljubljana.Tenjovi, L. (2002). Statistika u psihologiji,
Beograd: Centar za primenjenu psihologiju.
-
7/22/2019 Analiza Nominalnih Varijabli
4/59
Stanislav Fajgelj April 2006. 4
Literatura
Anderberg, M.R. (1973). Cluster Analysis for Applications,Academic Press, London. Garson, G. D. (2000). Quantitative Research in Public
Administration PA 765 Statnotes: An Online Textbook,North Carolina State University, Raleigh, http://
www2.chass.ncsu. edu/ garson/pa765/statnote.htm. De Leeuw, J. (1993). Some Generalizations of
Correspondence Analysis, Tehniki izvetaj, Preprint 117,UCLA Statistics Series,
www.stat.ucla.edu/papers/preprints. Grimm, L.G., Yarnold, P.R. (1995). Reading andunderstanding multivariate statistics, Washington, DC:
American Psychological Association.
-
7/22/2019 Analiza Nominalnih Varijabli
5/59
Stanislav Fajgelj April 2006. 5
Izvod iz teorije merenja
Po teoriji merenja:Merenje je dodeljivanje numerala objektima
shodno naunim zakonima
Pravo merenje je onda kada dodeljeninumerali predstavljaju brojeve i kada suaritmetike operacije na njima jednakeoperacijama na objektima
Na primer: sabiranje duine dva tapa0,5m + 0,5m = 1m, daje isti rezultat kaospajanje dva tapa
-
7/22/2019 Analiza Nominalnih Varijabli
6/59
Stanislav Fajgelj April 2006. 6
Izvod iz teorije merenja
Ovakva i sve sline definicije merenja senazivaju reprezentacijskim, jer dodeljivanje
numerala ima za cilj to boljereprezentovanje stvarnosti
Nasuprot tome stoji teorija merenjaStanley Smith Stevensa, ija se definicija
merenja naziva operacionalistikom
-
7/22/2019 Analiza Nominalnih Varijabli
7/59Stanislav Fajgelj April 2006. 7
NIVOI MERENJA
Stevens je definisao etiri nivoa merenja Nivoe merenja je definisao operacijama
merenja, operacijama dodeljivanja
numerala objektima i dopustivimtransformacijama na dodeljenimnumeralima
Nakon toga je za svaki nivo merenjaodredio osnovne statistike tehnike kojesu mu primerene
-
7/22/2019 Analiza Nominalnih Varijabli
8/59Stanislav Fajgelj April 2006. 8
NIVOI MERENJA
Nominalni identifikacija i klasifikacijaobjekata
Ordinalni razvrstavanje objekata uporedak
Intervalni objektima se dodeljuju brojevitako da razmaci izmeu brojeva budu
srazmerni razlikama u svojstvu Racio dodeljeni brojevi imaju ne samo
jedinicu merenja, nego i nulu
-
7/22/2019 Analiza Nominalnih Varijabli
9/59Stanislav Fajgelj April 2006. 9
Nominalni nivo merenja
Po formalnoj teoriji merenja ovajStevensov nivo ne predstavlja merenje
Sa istraivakog stanovita, meutim,identifikacija i klasifikacija jesu polazne
operacije svakog merenja
Dakle, ako ga prihvatimo kao merenje, onje najnii nivo merenja
-
7/22/2019 Analiza Nominalnih Varijabli
10/59Stanislav Fajgelj April 2006. 10
NOMINALNE VARIJABLE
Poto je varijabla rezultat merenja...varijable na nominalnom nivou sadresamo identifikaciju i klasifikaciju objekata,a ne sadre nikakvu kvantifikaciju nekogsvojstva.
Zato se nominalne varijable esto nazivajukvalitativnim varijablama: npr. brano
stanje, nacionalnost, vrsta sporta Nominalne varijable su, takoe,
diskontinuirane, kategorijalne varijable
-
7/22/2019 Analiza Nominalnih Varijabli
11/59Stanislav Fajgelj April 2006. 11
Nominalne varijable
Na nominalnim varijablama doputene supraktino sve transformacije Osim transformacije sve-u-jedan kada se
objekti vie ne mogu razlikovati
Ako je transformacija mnogo-u-jedan,onda se informacije o nekim objektimagube
Nominalni nivo merenja doputa najveuslobodu transformisanja, ali to je zato tosadri najmanje znaenja
-
7/22/2019 Analiza Nominalnih Varijabli
12/59Stanislav Fajgelj April 2006. 12
BINARNE VARIJABLE
Binarne varijable imaju specijalna svojstva
One su bez skale, mogu biti nominalne,ordinalne ili intervalne
Veliki broj naprednih statistikih tehnika zaanalizu nominalnih varijabli se zasniva na
eksplicitnoj ili implicitnoj transformaciji
nominalnih varijabli u binarne
-
7/22/2019 Analiza Nominalnih Varijabli
13/59
Stanislav Fajgelj April 2006. 13
Binarne varijable
Poto su binarne varijable bezskalne, toistraivai tumae kao mogunost da ihtretiraju kao intervalne
Meutim, binarne varijable sadrenajmanje informacija o merenom svojstvu
Njihova varijansa je znatno nia od
politomnih varijabli (max 0,25) Zato su one znatno manje sposobne dakoreliraju sa drugim varijablama
-
7/22/2019 Analiza Nominalnih Varijabli
14/59
Stanislav Fajgelj April 2006. 14
TRANSFORMACIJE U ORDINALNE,
INTERVALNE ILI BINARNE
VARIJABLE Veina nominalnih varijabli su parcijalno
nominalne i parcijalno ordinalne (npr. ne znam)
Transformacija u ordinalnu i intervalnu varijabluje mogua na osnovu dodatnih informacija
Obino se vri na osnovu korelacije ili regresijesa jednom ili vie ordinalnih ili intervalnih
varijabli Razbijanje u dve ili vie dihotomnih binarnih
varijabli i gradnja indikatorskih ili selektorskih
matrica
-
7/22/2019 Analiza Nominalnih Varijabli
15/59
Stanislav Fajgelj April 2006. 15
BINOMNA RASPODELA
p=f/n
M=np
2
=npq
fnffnf qp
fnf
nqp
f
nfp
)!(!
!)(
-
7/22/2019 Analiza Nominalnih Varijabli
16/59
Stanislav Fajgelj April 2006. 16
MULTINOMNA RASPODELA
pj=fj/n j=1,...,g(broj kategorija)
Mj=npj
j2
=npjqj jk=npjqk
-
7/22/2019 Analiza Nominalnih Varijabli
17/59
Stanislav Fajgelj April 2006. 17
Analiza nominalnih varijabli
Izbor statistike tehnike zavisi od nacrtaistraivanja
Neka istraivanja raspolau jedino
nominalnim varijablama (recimo ankete) Mnoga istraivanja raspolau varijablama
svih nivoa
Mnoge snane statistike tehnike subazirane na barem jednoj nominalnojvarijabli (npr. ANOVA)
-
7/22/2019 Analiza Nominalnih Varijabli
18/59
Stanislav Fajgelj April 2006. 18
Analiza nominalnih varijabli
Dva osnovna pristupa: Transformacija nominalnih u intervalne
Binarizacija razbijanje u indikatorskematrice
Generalno analiza nominalnih varijablitrpi od injenice da nominalne varijable
sadre minimalno znaenje o merenojpojavi
-
7/22/2019 Analiza Nominalnih Varijabli
19/59
Stanislav Fajgelj April 2006. 19
Analiza nominalnih varijabli
Deskriptivna statistika
Statistika zakljuivanja
Multivarijatna statistika
-
7/22/2019 Analiza Nominalnih Varijabli
20/59
Stanislav Fajgelj April 2006. 20
Deskriptivna statistika nominalnih
varijabli
Doputeni statistici za nominalne
varijable
Frekvencije, proporcije i procenti
Mod
Entropija (analogna varijansi)
-
7/22/2019 Analiza Nominalnih Varijabli
21/59
Stanislav Fajgelj April 2006. 21
STATISTIKA ZAKLJUIVANJA
Standardna greka proporcija
Intervali poverenja za proporcije
Testiranje znaajnosti razlika proporcija 2 test za testiranje distribucije frekvencijanominalne varijable
-
7/22/2019 Analiza Nominalnih Varijabli
22/59
Stanislav Fajgelj April 2006. 22
STATISTIKA ZAKLJUIVANJA
test znaajnosti nulte hipoteze=
veliina efekta x veliina uzorka
-
7/22/2019 Analiza Nominalnih Varijabli
23/59
Stanislav Fajgelj April 2006. 23
Izbor tehnike testa
1. Da li ispitujemo razlike izmeu grupa ilipovezanost izmeu varijabli
2. Koliko imamo nezavisnih i zavisnih
varijabli
ili
2. Koliko grupa imamo
3. Kakva je priroda nivo merenja NV iZV
-
7/22/2019 Analiza Nominalnih Varijabli
24/59
Stanislav Fajgelj April 2006. 24
Testiranje razlika izmeu grupa
Ono se koristi kada je nezavisna varijabla(NV) kategorijalna
NV moe biti prirodno kategorijalna (pol),
ordinalna, ili dobijena klasifikacijomkontinualne varijable
Vano je pitanje koliko nivoa-kategorija
ima NV Ispituju se razlike izmeu grupa s obziromna vrednosti zavisne varijable (ZV).
-
7/22/2019 Analiza Nominalnih Varijabli
25/59
Stanislav Fajgelj April 2006. 25
Testiranje razlika izmeu grupa dihotomna NV
Sledee vano pitanje je priroda ZV
ZV je kontinualna i normalna t-test, jednosmerna ANOVA
ZV je ordinalna ili nije normalna Mann-Whitneyev test, Wilcoxonov test
ZV je nominalna ili dihotomna podaci su obino frekvencije 2 test ili McNemarov test
-
7/22/2019 Analiza Nominalnih Varijabli
26/59
Stanislav Fajgelj April 2006. 26
Testiranje razlika izmeu grupa dihotomna NV
Sledee vano pitanje je da li su uzorci zavisni ilinezavisni
Ako su uzorci nezavisni:
t-test za nezavisne uzorke ili jednosmerna ANOVA Mann-Whitneyev test
2 test
Ako su uzorci zavisni: t-test za zavisne uzorke
Wilcoxonov test
McNemarov test
-
7/22/2019 Analiza Nominalnih Varijabli
27/59
Stanislav Fajgelj April 2006. 27
ZAVISNI I NEZAVISNI UZORCI
Nezavisni uzorci nastaju sluajnim biranjem Zavisni uzorci nastaju kada su svojstva
objekta u jednom uzorku povezana sa
svojstvima odgovarajueg objekta u drugomuzorku
Ponovljena merenja
Jednaenje grupa po parovima Uvek kada se moe utvrditi znaajna korelacija(izmeu AS, svojstava...) npr. biranje lancempreporuka
-
7/22/2019 Analiza Nominalnih Varijabli
28/59
Stanislav Fajgelj April 2006. 28
Testiranje razlika izmeu grupa politomna NV
Kad su uzorci nezavisni
ZV je kontinualna i normalna Jednosmerna ANOVA
ZV je ordinalna ili nije normalna Kruskal-Wallisov test
ZV je nominalna ili dihotomna 2 test
-
7/22/2019 Analiza Nominalnih Varijabli
29/59
Stanislav Fajgelj April 2006. 29
Testiranje razlika izmeu grupa politomna NV
Kada su uzorci zavisni
ZV je kontinualna i normalna Nacrt ponovljenih merenja, generalni linearni
modeli (GLM)
ZV je ordinalna ili nije normalna Friedmanov test
ZV je nominalna ili dihotomna Cochranov Q test
-
7/22/2019 Analiza Nominalnih Varijabli
30/59
Stanislav Fajgelj April 2006. 30
Testiranje razlika izmeu grupa vie NV
Vrlo vano pitanje je pitanje broja NV.Kada ima vie NV:
ZV je kontinualna i normalna Faktorska ANOVA, ANCOVA ili GLM, bez ili
sa ponovljenih merenja u zavisnosti od tipa
uzorka
ZV je nominalna ili dihotomna Log-linearni modeli
-
7/22/2019 Analiza Nominalnih Varijabli
31/59
Stanislav Fajgelj April 2006. 31
TOK ODLUIVANJA ZA RAZLIKEpodaci su frekvencije
Koliko nivoa 2 >2
NV
Zavisni ilinezavisniuzorci
Vrstatesta
z
avisni
n
ezavisni
McNemar
2
z
avisni
n
ezavisni
Cochran
Q
2
-
7/22/2019 Analiza Nominalnih Varijabli
32/59
Stanislav Fajgelj April 2006. 32
TOK ODLUIVANJA ZA RAZLIKEpodaci su kvantitativni i normalno distrubirani
Koliko nivoa 2 >2NV
Zavisni ili
nezavisni
uzorci
Vrsta
testa
z
avisni
n
ezavisni
t-testza
zavisne
t-testza
nezavisne
z
avisni
n
ezavisni
ANOVA
ponovljena
merenja
ANOVA
Testiranje povezanosti varijabli
-
7/22/2019 Analiza Nominalnih Varijabli
33/59
Stanislav Fajgelj April 2006. 33
Testiranje povezanosti varijablijedna NV i jedna ZV
Osnovno pitanje je o prirodi ZV i NV Ako su obe varijable kontinualne i normalne
Pearsonov r ili bivarijatna regresija
Obe varijable su ordinalne ili nisu normalne Kendallov tau ili Spearmanov rho Jedna varijabla je kontinualna a druga
nominalna
Korelacioni odnos eta
Obe varijable su nominalne ili dihotomne fi-koeficijent ili Cramerov V
-
7/22/2019 Analiza Nominalnih Varijabli
34/59
Stanislav Fajgelj April 2006. 34
Testiranje povezanosti varijablivie NV
Sledee vano pitanje je pitanje broja NV Vie kontinualnih i normalnih NV
ZV je kontinualna: viestruka regresija
ZV je nominalna: diskriminaciona analiza Neke NV su normalne, neke dihotomne
ZV je kontinualna: viestruka regresija ZV je dihotomna: logistika regresija
Sve NV su dihotomne ZV je kontinualna: viestruka regresija ZV je dihotomna: logistika regresija
TOK ODLUIVANJA ZA POVEZANOSTI
-
7/22/2019 Analiza Nominalnih Varijabli
35/59
Stanislav Fajgelj April 2006. 35
TOK ODLUIVANJA ZA POVEZANOSTIpodaci su frekvencije
Koliko 2 >2*varijabli
Vrstakoeficijenta
*U parovima, ili log-linearni modeli
iliV
2
-
7/22/2019 Analiza Nominalnih Varijabli
36/59
Stanislav Fajgelj April 2006. 36
Indikatorske matrice
121
342
211
231
brakstarostpol
INDIKATORSKE MATRICE
-
7/22/2019 Analiza Nominalnih Varijabli
37/59
Stanislav Fajgelj April 2006. 37
INDIKATORSKE MATRICE
3B
2B
1B
001
100
010
010
brak
0010
1000
0001
0100
starost
01
10
01
01
pol
121
342
211
231
brakstarostpol
-
7/22/2019 Analiza Nominalnih Varijabli
38/59
Stanislav Fajgelj April 2006. 38
ANALIZA KONTINGENCIONIH
TABELA Dve kategorijalne varijable, V1 i V2
V1 ima rkategorija, a V2c
B1i B2 su njihove indikatorske matrice fij su frekvencije
ijf 2t1BBK
-
7/22/2019 Analiza Nominalnih Varijabli
39/59
Stanislav Fajgelj April 2006. 39
ANALIZA KONTINGENCIONIH
TABELA
Plata (V2)
Pol (V1) Do
10.000
1020.000
Preko
20.000
Ukupno
Muki 4 20 6 30
enski 6 50 14 70
Ukupno 10 70 20 100
-
7/22/2019 Analiza Nominalnih Varijabli
40/59
Stanislav Fajgelj April 2006. 40
ANALIZA KONTINGENCIONIH
TABELA
Testiranje hipoteze o nezavisnosti dvenominalne varijable: statistik dobijen iz
formule
Ima 2 distribuciju sa (r1) (c1) stepenislobode
foij= fdi.fd.j/ n
r
i
c
j oij
oijdij
f
)f(f
1 1
22
ANALIZA KONTINGENCIONIH
-
7/22/2019 Analiza Nominalnih Varijabli
41/59
Stanislav Fajgelj April 2006. 41
ANALIZA KONTINGENCIONIH
TABELA
Plata
Pol Do
10.000
1020.000
Preko
20.000
Ukupno
Muki 1(3)
20
(21)
9
(6)
30
enski 9
(7)
50
(49)
11
(14)
70
Ukupno 10 70 20 100
ANALIZA KONTINGENCIONIH
-
7/22/2019 Analiza Nominalnih Varijabli
42/59
Stanislav Fajgelj April 2006. 42
ANALIZA KONTINGENCIONIH
TABELA
2= 4,12Za bss=(r1) (c1)=2, p>0,05
Plata
Pol Do 10.000 1020.000 Preko 20.000 Ukupno
Muki 1(3)
20
(21)
9
(6)
30
enski 9(7)
50(49)
11(14)
70
Ukupno 10 70 20 100
-
7/22/2019 Analiza Nominalnih Varijabli
43/59
Stanislav Fajgelj April 2006. 43
Cramerov
Pearsonov koeficijent kontingencije
n2
),min()1(
2
crkkn
V
2
2
nC
POKAZATELJI ASOCIJACIJE DVE
KATEGORIJALNE VARIJABLE IZ 2
-
7/22/2019 Analiza Nominalnih Varijabli
44/59
Stanislav Fajgelj April 2006. 44
POKAZATELJI ASOCIJACIJE DVE
KATEGORIJALNE VARIJABLE IZ 2
; 0 (k 1),k=min(r,c). 2 je zbirkvadrata svih netrivijalnih kanonikihkorelacija.
V2 = 2/ (k 1) Oni nisu pokazatelji maksimalne
povezanosti varijabli V1 i V2, nego
prosene. Zato tee da je podcenjuju. Cramerov 0 V 1 i po njemu se moguporediti tabele razliite veliine.
-
7/22/2019 Analiza Nominalnih Varijabli
45/59
Stanislav Fajgelj April 2006. 45
POKAZATELJI ASOCIJACIJE DVE
KATEGORIJALNE VARIJABLE IZ 2
Ckoeficijent nije vrsto teorijski utemeljen.
Kree se u rasponu 0 C< 1, dakle,nikada ne dostie 1.
Maksimalna vrednost zavisi od veliinetabele, pa, dakle, nije pogodan za
poreenje na tabelama razliite veliine.
-
7/22/2019 Analiza Nominalnih Varijabli
46/59
Stanislav Fajgelj April 2006. 46
OSTALI POKAZATELJI ASOCIJACIJE
DVE KATEGORIJALNE VARIJABLE
Pored mera asocijacije zasnovanih na 2metrici, razvijeni su pokazatelji koji se
zasnivaju na:
redukciji greke prognoze jedne varijable akoje poznata druga, ili na
Entropiji ili uslovnoj entropiji nominalnih
varijabli Ove mere imaju obino asimetrinu i
simetrinu verziju
-
7/22/2019 Analiza Nominalnih Varijabli
47/59
Stanislav Fajgelj April 2006. 47
OSTALI POKAZATELJI ASOCIJACIJE
DVE KATEGORIJALNE VARIJABLE
Razvijeni su pokazatelji asocijacije dvenominalne varijable pod nekim posebnim
pretpostavkama
Za saglasnost dva procenjivaa:Cohenova kappa
Za razliku pre posle: Mc Nemmar
Za nezavisnost ocena u vie ponovljenihmerenja: MantelHaenszel
-
7/22/2019 Analiza Nominalnih Varijabli
48/59
Multivarijatna analiza
nominalnih varijabli
-
7/22/2019 Analiza Nominalnih Varijabli
49/59
Stanislav Fajgelj April 2006. 49
LOGLINEARNI MODELI
Analogni faktorskim nacrtima analizevarijanse.
Dve ili vie nominalnih varijabli suprediktori (nezavisne varijable), a
frekvencije u tabeli su kriterijum (zavisna
varijabla).
Svaka nominalna varijabla je glavni efekt,a njihove kombinacije su efekti interakcije.
-
7/22/2019 Analiza Nominalnih Varijabli
50/59
Stanislav Fajgelj April 2006. 50
LOGLINEARNI MODELI
Posebno su pogodni za tabelekontingencije sa vie ulaza
Ocenjuje se doprinos svakog glavnogefekta zasebno
Ocenjuje se i doprinos interakcije glavnihefekata
Interakcije vieg reda se obino iskljuujuiz modela (nezasieni modeli).
-
7/22/2019 Analiza Nominalnih Varijabli
51/59
Stanislav Fajgelj April 2006. 51
LOGLINEARNI MODELI
Loglinearni model za kontingencionumatricu sa dve varijable (punizasieni):
ln(eij) = +i+j+ij
i su parametri modela.
Obina analiza kontaba podrazumevamodel: ln(e
ij
) = +i
+j
, dakle bez
interakcije varijable su nezavisne.
GLAVNE KOMPONENTE
-
7/22/2019 Analiza Nominalnih Varijabli
52/59
Stanislav Fajgelj April 2006. 52
GLAVNE KOMPONENTE
Analiza glavnih komponenti nominalnih
varijabli bazira se na: indikatorskimmatricama B
Trai se svojstvena struktura matrice:
P = Bt
Bn-1
Tanije vri se dekompozicija singularnih
vrednosti matrice B:
B = U
1/2
V
t
Matrica P je singularna: ima m 1 nultihsvojstvenih vrednosti. Takoe, prvasvojstvena vrednost je trivijalna jer je uvek 1.
OSTALE TEHNIKE MVA
-
7/22/2019 Analiza Nominalnih Varijabli
53/59
Stanislav Fajgelj April 2006. 53
OSTALE TEHNIKE MVA
Na indikatorskim matricama baziraju se i svedruge tehnike MVA koje u osnovi imajuglavne komponente ili dekompozicijusingularnih vrednosti (SVD):
Kanonika korelaciona analiza Faktorska analiza Kanonika diskriminativna analiza Viestruka regresiona analiza
Naravno, ako su varijable izvornodihotomne, tehnike MVA se primenjujudirektno
-
7/22/2019 Analiza Nominalnih Varijabli
54/59
Stanislav Fajgelj April 2006. 54
KORESPONDENTNA ANALIZA
Postoji bivarijatna i multivarijantakorespondentna analiza
U oba sluaja se slikovito moe opisati kao
faktorska analiza kontingencione tabele Vani termini su: profili, mase, inercije i kosinusi
uglova.
Oni se odnose na poloaj taaka u prostoru
Take su kategorije nominalnih varijabli
Najkorisniji je grafiki prikaz rasprenja taaka
-
7/22/2019 Analiza Nominalnih Varijabli
55/59
Stanislav Fajgelj April 2006. 55
OPTIMALNO SKALIRANJE
Ono je veoma blisko korespondentnojanalizi. Radi se o vrlo slinoj grupi metodakoje u raznim zemljama imaju razliite
nazive Optimalno skaliranje prihvata varijable
svih nivoa merenja
Cilj analize je da se sve ukljuene varijablekvantifikuju tako da zadovoljavajukriterijum homogenosti
-
7/22/2019 Analiza Nominalnih Varijabli
56/59
Stanislav Fajgelj April 2006. 56
OPTIMALNO SKALIRANJE
Kategorije nominalnih varijabli se takoekvantifikuju, pa je optimalno skaliranje
jedan od najboljih naina da se nominalne
varijable transformiu u intervalne kvantifikuju
Drugi osnovni cilj optimalnog skaliranja jeslian korespondentnoj analizi: faktorskaanaliza skupa varijabli
Grafiki prikaz kategorija i objekata
-
7/22/2019 Analiza Nominalnih Varijabli
57/59
Stanislav Fajgelj April 2006. 57
KLASTER ANALIZA
Najei nain je da se izraunajudistance na nominalnim varijablama
Raunanje ovih distanci je olakano akosu varijable dihotomne
Na matrici distanci objekata se onda moeprimeniti bilo koja hijerarhijska ili
nehijerahijska metoda
-
7/22/2019 Analiza Nominalnih Varijabli
58/59
Stanislav Fajgelj April 2006. 58
KLASTER ANALIZA
Alternativno, nominalne varijable se mogutransformisati u intervalne i zatim podvriklasterisanju
Takav pristup je usvojen u optimalnomskaliranju nominalne varijable se prvokvantifikuju
-
7/22/2019 Analiza Nominalnih Varijabli
59/59
KLASTER ANALIZA
Takoe, mogue je primeniti konverzijunominalnih varijabli u indikatorske matrice,
na osnovu toga izvriti kvantifikaciju putem
GK i nastaviti sa uobiajenim postupkomklaster analize
Na indikatorskim matricama mogue je
primeniti i neuronske mree