ANÁLISIS CLUSTER

ANÁLISIS CLUSTER

1. ¿Qué es?

   • El análisis cluster agrupa a los individuos y a los objetos en conglomerados, de tal forma que los objetos del mismo conglomerado son más parecidos entre sí que a los objetos de otros conglomerados.
     • El objetivo del análisis cluster es la comparación de objetos basándose en el valor teórico, no en la estimación del valor teórico en sí misma
   • El análisis cluster es la denominación de un grupo de técnicas multivariantes cuyo principal propósito es agrupar objetos basándose en las características que poseen; clasifica objetos de tal forma que cada objeto es muy parecido a los que hay en el conglomerado con respecto a algún criterio de selección predeterminado.

2. ¿Cómo funciona?

   • Para ello debemos tratar tres cuestiones básicas. En primer lugar la medición de la similitud, en segundo lugar la formación de conglomerados y en tercer lugar la determinación del número de conglomerados en la solución final
     • ¿Cómo medimos la similitud? Necesitamos un método de observaciones simultáneamente comparadas sobre dos variables de aglomeración
       • ¿Cómo formamos los conglomerados? No importa cómo se mida la similitud, el procedimiento debe agrupar aquellas observaciones que son más similares dentro de un conglomerado.
         • ¿Cuántos grupos formamos?

3. Proceso de decisión

   • Primer paso: objetivos
     • 1. Descripción de una taxonomía (una clasificación de objetos realizada empíricamente).
       • 2. Simplificación de los datos.
         • 3. Identificación de relación.
     • Selección de variables del análisis cluster. La selección de las variables a incluir en el valor teórico del análisis cluster debe hacerse con relación a consideraciones teóricas, conceptuales y prácticas.
   • Segundo paso: diseño de investigación
     • Se plantean tres cuestiones antes de empezar el proceso de partición: 1.¿pueden detectarse los atípicos y, si es posible, deberían ser destruidos? 2. ¿cómo debería medirse la similitud de los objetos? y 3. ¿deberían estandarizarse los datos?
       • Detección de atípicos (objetos que son muy diferentes del resto). Los atipicos pueden representar tanto observaciones verdaderamente «aberrantes» que no son representativas de la población en general, o una muestra reducida del grupo (s) de la población que provoca una mala representación del grupo (s) de la muestra.
       • Medidas de similitud. La similitud entre objetos es una medida de correspondencia, o parecido, entre objetos que van a ser agrupados.
         • Tres métodos dominan las aplicaciones del análisis cluster. medidas de correlación, medidas de distancia (donde existe la distancia euclídea,la distancia absoluta y la distancia de Mahalanobis) y medidas de asociación.
       • Tipificación de los datos.Se apoya de la estandarización por variables y la estandarización por la observación
   • Cuarto paso:obtención de conglomerados y valoración del ajuste conjunto
     • Para ello utilizaremos el algoritmo para la obtención de conglomerados y los más utilizados pueden clasificarse en dos categorías generales: jerárquicos y no jerárquicos.
       • Los procedimientos jerárquicos consisten en la construcción de una estructura en forma de árbol. Existen básicamente dos tipos de procedimientos de obtención de conglomerados jerárquicos de aglomeración y divisivos.Son cinco los algoritmos más habituales utilizados para desarrollar conglomerados método de encadenamiento simple, encadenamiento completo, encadenamiento medio, método de Ward, y método del centroide.
       • Los procedimientos no jerárquicos asignan los objetos a conglomerados una vez que el número de conglomerados a formar está especificado.El primer paso es seleccionar una semilla de conglomerado como centro de conglomerado inicial, y todos los objetos (individuos) dentro de una distancia umbral, que puede ser secuencial o paralelo.
   • Quinto paso: interpretación de los conglomerados
     • Cuando se comienza el proceso de interpretación, una medida utilizada frecuentemente es el centroide del conglomerado.Los perfiles y la interpretación de los conglomerados, sin embargo, consiguen algo más que una descripción. En primer lugar, proporcionan un medio de evaluar la correspondencia de los conglomerados derivados de aquellos propuestos por una teoría a priori o por la experiencia práctica. En segundo lugar, los perfiles de los conglomerados ofrecen una via para realizar evaluaciones de significación práctica.
   • Tercer paso:supuestos
     • En este paso uno debe centrarse en: la representatividad de la muestra y la multicolinealidad ya que actúa como proceso de ponderación no aparente para el observador pero que sin embargo afecta al análisis.
   • Sexto paso:validación y perfil de los grupos
     • Validación de la solución cluster.La validación incluye los intentos del investigador por asegurar que la solución cluster es representativa de la población general y por tanto generalizable a otros objetos y estable en el tiempo.
     • Perfiles de la solución cluster. El paso de los perfiles implica la descripción de las características de cada conglomerado para explicar en qué medida pueden diferir en dimensiones relevantes, lo que implica típicamente el uso del análisis discriminante