در این مقاله به آموزش روش تجزیه و تحلیل خوشه ای در spss برای انجام پایان نامه ارشد روانشناسی و علوم تربیتی یا دیگر رشته های مرتبط که در آن کاربرد دارد پرداخته ایم.

تحلیل خوشه ای هیچ گونه توصیف و تفسیری در مورد اینکه چرا خوشه ها به وجود می آیند ارائه نمی دهد.

بنابراین هر خوشه به شکل مجموعه ای از داده های جمع شده طبقه ای را توضیح می دهند که داده ها به آن تعلق دارند.

گزینه های هر خوشه از بسیاری از جهات با گزینه های دیگر مشابه هستند ولی گزینه های خوشه های دیگر شباهتی با هم ندارند.

یک خوشه:

گروهی از مشاهدات یا موارد نسبتا همگن. این مثال دیداری، تصویر واضحی از امکانات گروه بندی فراهم می کند ( اسامی 10نفر از دانشجویان یک کلاس به همراه نمراتی که از 20 در درس ریاضی کسب کرده اند ) کاملا واضح است که بر اساس نمرات ا ز20، سه خوشه وجود دارد.

لیست افراد Bev،Bob و Jim پایین ترین گروه را تشکیل می دهند همچنین Amy و Josh به عنوان بالاترین خوشه به هم می پیوندند.

باقیمانده موارد در گروه بندی وسط قرار می گیرند ولی در مورد داده های پیچیده تر، چنین به دقت بررسی کردن نمی تواند اشخاص و گزینه ها را به این سادگی و دقیقی طراحی و آشکار سازد.

بنابراین تحلیل خوشه ای، وسیله کشف ساختار و روابط آشکار داده هایی است که اگرچه از ابتدا معلوم نیست اند ولی وقتی کشف می شوند معقول و مفیدند.

مهم تر از همه، قادر است موارد جدید را برای اهداف تشخیص و شناسایی در طبقاتی قرار دهد، یا برای پیدا کردن نمونه هایی برای طبقات به کار می رود.

تصور کنید که شما می خواستید آگهی های پستی مستقیمی را با تبلیغات ویژه به گروه های مختلفی از مردم به عهده بگیرید.

شما می توانید از داده های مختلفی از اطلاعات یک خانواده استفاده کنید مثل، در آمد خانواده و سن، تعداد ماشین های خانواده، تعداد گوشی های موبایل خانواده، تعداد محصلان خانواده و غیره، تا دیده شود که آیا آدرس پستی مختلف با کدهای پستی را می توان با ادغام های خاص از متغیر های معینی مشخص کرد که بتواند گروه هایی را با هم تشکیل دهند تا راه بهتری جهت ارسال نامه های پستی به وجود آورد.

ممکن است برای شما معلوم شود که کدهای پستی را می توان به تعدادی خوشه گروه بندی کرد که مشخصه هایی مثل منطقه بازنشستگی، کوچه های قدیمی، مجموعه کلوپ گلف و... را داشته باشند.

مصرف کننده ها می توانند با استفاده از تحلیل خوشه ا ی یک قسمت از بازار همگن را نشان دهند.

با تشخیص نیازهای خاص شان در آن بازار به محصولات، این اجازه را می دهند که با دقت بیشتر و با مراجعه مستقیم به درون قسمت طراحی شوند.

هدفمند کردن بخش های خاص آسان تر و دقیق تر از بازاریابی وسیع است.

مصرف کنندگان به بازاریابی بخشی که مربوط به نیازهای خاص شان باشد بهتر پاسخ می دهند، و این عمل منجر به افزایش سهام بازار و ابقا مصرف کننده می شود.

این بانکداری، بیمه و بازارهای توریستی ارزشمند است. چهار خوشه یا بخش های بازار را در صنعت مسافرت تعطیلات در نظر بگیرید.

آن ها کسانی هستند که:

1- نخبه هستند و خدمات سطح بالایی می خواهند که انتظار می رود که ناز پرورده باشند.

2- فراری ها، کسانی که می خواهند فرار کنند و فقط استراحت کنند.

3-تحصیل کرده ها، آن ها می خواهند چیزهای جدید ببینند، به موزه و گشت و شکار بروند و یا فرهنگ های جدید را تجربه کنند.

4- افراد ورزشکار می خواهند فوتبال و تنیس بازی یا در اعماق دریا ماهی گیری و یا کوه نوردی کنند.

بروشورها و آگهی های مختلفی برای هریک از این ها مورد نیاز است.

تحلیل تصوری وسیع یا تعریف محصول به وسیله ادراک مصرف کننده، به شرکت این اجازه را می دهد که ببیند محصولاتش در بازار به نسبت محصولات رقیبانش در چه سطحی قرار گرفته است.

این نوع مدل سازی برای گسترش محصولات جدید با تشخیص آسیب های ممکن در بازار ارزشمند است.

خوشه بندی محصولات سوپرمارکت، با استفاده از الگوهای جدید متصل را می توان برای طرح بندی فروشگاه و به حداکثر رساندن فرصت های خرید همزمان استفاده کرد.

موسسات بانکداری از تحلیل خوشه ای سلسله مراتبی برای ایجاد مطالعه نوع مشتریان با دو هدف زیر استفاده کرده اند:

برای حفظ وفاداری اعضا به وسیله طرح ریزی بهترین محصولات مالی ممکن به منظور برآورد کردن نیاز های گروه های مختلف مثلا فرصت های تولید جدید.

برای به دست گرفتن سهام بیشتر بازار با شناسایی پر منفعت ترین خدمات موجود برای انواع مشتریان و بهبود نفوذ بازار. یک بانک اصلی، تحلیل خوشه ای را در مورد نمونه نماینده اعضایش کامل کرد، که مطابق با 16 متغیر انتخابی بود که برای انعکاس مشخصه های الگوهای تداخل مالی شان انتخاب شده بودند از این تحلیل،30 نوع عضو شناسایی شدند.

نتایج برای بازار یابی مفید بودند، و بانک ها را قادر می ساخت تا روی محصولاتی متمرکز شوند که بهترین کارآیی مالی را داشتند، هزینه های پست مستقیم را کاهش می داد و در نهایت، برای دستیابی به بهترین نوع و حفظ مصرف کننده این تحلیل، تبلیغات مستقیم و مختلف، خدمات و محصولات را برای خوشه های متنوع تسهیل می کرد که اثر درونی را با استفاده از سن، درآمد، سطوح ریسک گیر و نیازهای مالی متمایز می ساخت.

در این طریق، بانک ها تجارت مشتریان پرسود تر را با هزینه های پایین تر حفظ و برنده می کند. 

تحلیل خوشه ای:

روش آماری شرکت دادن یک نمونه در طبقه های همگن برای ایجاد یک طبقه بندی عملی می باشد.

تحلیل خوشه ای، مثل تحلیل فاکتوری (عاملی)، هیچ تمایزی بین متغیرهای مستقل و وابسته ایجاد نمی کند. تحلیل خوشه ای روی دیگر تحلیل فاکتوری است.

تحلیل فاکتوری تعداد متغیرها را با گروه بندی آن ها به صورت مجموعه کوچکتری از فاکتورها کاهش می دهد، تحلیل خوشه ای تعداد مشاهدات یا موارد را با گروه بندی آن ها به صورت مجموعه کوچکتری از خوشه ها کاهش می دهد.

تکنیک تحلیل خوشه ای به این خاطر که معمولا تعداد گروه ها یا خوشه هایی را که در نمونه به وجود می آیند نمی دانیم و به این دلیل که راه حل مناسبی می خواهیم، یک ترتیب دو مرحله ای از تحلیل به صورت زیر به وجود می آید:

1- با استفاده از روش وارد که مربع فاصله اقلیدسی را به عنوان فاصله یا معیار مشابه به کار می گیرد. یک تحلیل خوشه ای سلسله مراتبی را انجام می دهیم. این کمک می کند تا تعداد مناسب خوشه هایی را تعیین کنیم که باید با آن کار کنیم.

2- مرحله بعدی برگرداندن تحلیل خوشه ای سلسله مراتبی با تعداد خوشه هایی انتخابی است، که ما را قادر می سازد تا هر مورد را در نمونه مان به خوشه خاصی اختصاص دهیم این ترتیب و روش شناسی با استفاده از SPSS، با جزئیات بیشتر بعدا توضیح داده می شود.

شیوه های خوشه بندی متعددی وجود داردکه تحلیل خوشه ای سلسله مراتبی یکی از اصلی ترین آن هاست.