Análisis Clúster

Análisis Clúster

1. Agrupar objetos basándose en las características que poseen.

   • Los conglomerados de objetos resultantes deben mostrar un alto grado de homogeneidad interna (dentro del conglomerado) y un alto grado de heterogeneidad externa (entre conglomerados).

2. Procedimiento

   • 1° Paso: Objetivos
     • De carácter exploratorio.
     • De carácter confirmatorio.
   • 2° Paso: Diseño de la investigación
     • Detección de atípicos (outliers)
       • Distorsionan la verdadera estructura y hacen que los conglomerados no sean representativos de la población.
     • Medidas de similitud
       • 1. Medidas de correlación
         • Datos métricos
         • Elevadas correlaciones indican similitud y bajas correlaciones indican falta de similitud.
       • 2. Medidas de distancia
         • Datos métricos
         • Alternativas: Distancia euclídea, Distancia euclídea al cuadrado, Distancia de Mahalanobis.
       • 3. Medidas de asociación
         • Datos no métricos (medida nominal y ordinal)
     • Estandarización de las variables
       • Necesaria cuando se trabaja con variables que fueron medidas con distintas escalas o rangos.
       • Es recomendable efectuar el análisis con estandarización y sin ella.
   • 3° Paso: Supuestos
     • Multicolinealidad: cuando una única variable dependiente está altamente correlacionada con un conjunto de otras variables independientes.
   • 4° Paso: Obtención de grupos y valoración del ajuste continuo
     • Obtención de algoritmos
       • 1. Jerárquico: consiste en la construcción de una estructura en forma de árbol.
         • Método de aglomeración
           • 1. Encadenamiento simple: la distancia entre dos conglomerados es la más corta desde cualquier punto en un conglomerado a cualquier otro punto en el otro.
           • 2. Encadenamiento completo: la distancia entre dos conglomerados es la más larga desde cualquier punto en un conglomerado a cualquier otro punto en el otro.
           • 3. Encadenamiento medio: la distancia media de todos los individuos de un conglomerado con todos los individuos de otro.
           • 4. Método de Ward: la distancia entre dos conglomerados es la suma de los cuadrados entre dos conglomerados sumados para todas las variables.
           • 5. Método del Centroide: la distancia entre dos conglomerados es la distancia entre sus centroides.
         • Método divisivo
       • 2. No jerárquico: consiste en la asignación de los objetos a los conglomerados una vez que ya esté especificado el número de conglomerados.
         • Procedimiento
           • 1. Se selecciona una semilla de conglomerado como centro de conglomerado inicial.
           • 2. Se selecciona otra semilla de conglomerado y la asignación continúa hasta que todos los objetos están asignados.
         • Métodos para seleccionar las semillas de conglomerado y asignar objetos.
           • Umbral secuencial: se selecciona una semilla de conglomerado e incluye todos los objetos que caen dentro de una distancia previamente especificada, y así sucesivamente.
           • Umbral paralelo: :selecciona varias semillas de conglomerado simultáneamente al principio y asigna objetos dentro de la distancia umbral hasta la semilla más cercana.
           • Optimización: permite la reubicación de los objetos.
   • 5° Paso: Interpretación de los conglomerados
     • Determinación de las variables significativas de análisis.
     • Eliminación de las variables no significativas e interpretación de los centroides.
   • 6° Paso: Validación y perfil de los grupos
     • El análisis de perfil se centra en la descripción de las características de los conglomerados y se hace hincapié en las que difieren significativamente entre los conglomerados.
     • Se realiza un segundo análisis no jerárquico, permitiendo que el proceso seleccione aleatoriamente los puntos de semilla iniciales.
     • Se debe separar la muestra en 2 grupos.