Die Methode der hierarchischen Clusteranalyse
Nonfiction, Social & Cultural Studies, Social Science, Methodology
| Author: | Esther Schuch | ISBN: | 9783656393900 |
| Publisher: | GRIN Verlag | Publication: | March 19, 2013 |
| Imprint: | GRIN Verlag | Language: | German |
| Author: | Esther Schuch |
| ISBN: | 9783656393900 |
| Publisher: | GRIN Verlag |
| Publication: | March 19, 2013 |
| Imprint: | GRIN Verlag |
| Language: | German |
Studienarbeit aus dem Jahr 2013 im Fachbereich Soziologie - Methodologie und Methoden, Note: 1,0, Universität Trier, Veranstaltung: Empirische Sozialforschung, Sprache: Deutsch, Abstract: Die Methode der Clusteranalyse unterscheidet sich deutlich von vielen anderen multivariaten Verfahren, da das Ziel nicht der Nachweis einer Kausalität ist, sondern vielmehr die Einteilung einer Grundgesamtheit in kleinere Einheiten. Spezifischer ausgedrückt dient die Clusteranalyse dazu, homogene Subgruppen aus einer heterogenen Gruppe herauszuarbeiten. Somit ist das Verfahren ein klassifikatorisches und kein kausal-analytisches. Die erste Problemstellung und gleichzeitig das Ziel der Clusteranalyse ist die Bestimmung der Klassenanzahl. Diese wird nicht vorab festgelegt, sondern ergibt sich vielmehr aus der Beziehungsstruktur der Objekte. Um die Anzahl zu ermitteln, gibt es verschiedene Möglichkeiten, welche nicht alle vorgestellt werden können. Vielmehr beschränkt sich diese Arbeit auf die hierarchische Clusteranalyse, da diese in der Praxis die weiteste Verbreitung gefunden hat. Bei der hierarchischen Clusteranalyse ist das Finden der Klassenanzahl ein Prozess, da die einzelnen Merkmalsträger auf Grund ihrer Ähnlichkeiten zueinander zu Gruppen zusammengefasst werden. Dies ist ein mehrstufiger Prozess, der im ersten Schritt einzelne Merkmalsträger zusammenfasst und in den darauffolgenden Stufen dann Subgruppen zusammenfügt. Die Anzahl der Klassen hängt somit auch davon ab wie oft man den Gruppierungsprozess vollzieht (Litz 2000: 384 & 385). Daher wird der Cluster-Algorithmus bis zum Maximum, so dass alle Elemente entweder in einem Cluster enthalten sind oder es so viele Cluster wie Objkete gibt, durchlaufen gelassen. Die optimale Anzahl der Gruppen muss der Forscher aus den offerierten Möglichkeiten selbst auswählen.
Studienarbeit aus dem Jahr 2013 im Fachbereich Soziologie - Methodologie und Methoden, Note: 1,0, Universität Trier, Veranstaltung: Empirische Sozialforschung, Sprache: Deutsch, Abstract: Die Methode der Clusteranalyse unterscheidet sich deutlich von vielen anderen multivariaten Verfahren, da das Ziel nicht der Nachweis einer Kausalität ist, sondern vielmehr die Einteilung einer Grundgesamtheit in kleinere Einheiten. Spezifischer ausgedrückt dient die Clusteranalyse dazu, homogene Subgruppen aus einer heterogenen Gruppe herauszuarbeiten. Somit ist das Verfahren ein klassifikatorisches und kein kausal-analytisches. Die erste Problemstellung und gleichzeitig das Ziel der Clusteranalyse ist die Bestimmung der Klassenanzahl. Diese wird nicht vorab festgelegt, sondern ergibt sich vielmehr aus der Beziehungsstruktur der Objekte. Um die Anzahl zu ermitteln, gibt es verschiedene Möglichkeiten, welche nicht alle vorgestellt werden können. Vielmehr beschränkt sich diese Arbeit auf die hierarchische Clusteranalyse, da diese in der Praxis die weiteste Verbreitung gefunden hat. Bei der hierarchischen Clusteranalyse ist das Finden der Klassenanzahl ein Prozess, da die einzelnen Merkmalsträger auf Grund ihrer Ähnlichkeiten zueinander zu Gruppen zusammengefasst werden. Dies ist ein mehrstufiger Prozess, der im ersten Schritt einzelne Merkmalsträger zusammenfasst und in den darauffolgenden Stufen dann Subgruppen zusammenfügt. Die Anzahl der Klassen hängt somit auch davon ab wie oft man den Gruppierungsprozess vollzieht (Litz 2000: 384 & 385). Daher wird der Cluster-Algorithmus bis zum Maximum, so dass alle Elemente entweder in einem Cluster enthalten sind oder es so viele Cluster wie Objkete gibt, durchlaufen gelassen. Die optimale Anzahl der Gruppen muss der Forscher aus den offerierten Möglichkeiten selbst auswählen.
