با این مقاله آموزش تجزیه و تحلیل خوشه ای سلسله مراتبی در spss در انجام پایان نامه ارشد روانشناسی و علوم تربیتی و رشته های مرتبط را پیگیری کنید.

- تحلیل خوشه ای سلسله مراتبی:

تحلیل خوشه ای سلسله مراتبی یک روش آماری اصلی برای پیدا کردن خوشه های نسبتا همگن از مواردی است که براساس مشخصه های اندازه گیری شده قرار گرفته اند.

این تحلیل با هر مورد به عنوان یک خوشه مجزا شروع می شود، برای نمونه، به اندازه موارد، خوشه وجود دارد، پس خوشه ها را به ترتیب ترکیب می کند، و تعداد خوشه ها را در هر قدم کاهش می دهد تا اینکه فقط یک خوشه باقی بماند.

روش خوشه بندی از عدم تشابه یا فواصل بین اشیاء در حین تشکیل خوشه ها استفاده می کند.

برنامه SPSS، فواصل بین نقاط داده ای در مولفه های از متغیرهای مشخص محاسبه می کند.

نمودار درختی سلسله مراتبی، که در SPSS دندروگرام گفته می شود، را می توان ایجاد کرد تا نقاط اتصال را نشان دهد.

خوشه ها در سطوح افزایشی عدم تشابهات متصل می شوند. اندازه واقعی عدم تشابه بستگی به معیار استفاده شده دارد، برای مثال

این مثال نشان می دهد که خوشه های B و C در مقدار ترکیبی 2 ترکیب شده اند و BC با A در مقدار ترکیبی 4 ترکیب شده اند.

SPSS ، مقادیر ترکیبی یا فواصل اتصال را محاسبه می کند.

هدف الگوریتم خوشه ای اتصال اشیاء با همدیگر است به منظور خوشه های بزرگتر که از اندازه های مشابه یا فواصل مشابه استفاده می کند در سمت چپ دندروگرام، با هر شی یا مورد در یک طبقه توسط خودش شروع می کنیم ( در مثال بالا 4 مورد داریم.)

در گام های خیلی کوچک، معیارمان را روی این قرار می دهیم که چه چیز بی نظیر است و چه چیزی نیست.

در نتیجه اشیاء بیشتری را با هم متصل می کنیم و خوشه های بزرگ و بزرگتری از عناصر نامتشابه رو به افزایش را ترکیب می کنیم.

در نهایت در آخرین گام همه اشیاء به صورت یک خوشه به هم متصل می شوند.

در این نمودار ها، محور های افقی بر فاصله اتصال یا ترکیب دلالت می کنند.

در هر برآمدگی نمودار، یعنی جایی که خوشه جدیدی تشکیل می شود می توانیم فاصله ملاکی را ببینیم که در آن اجزای نماینده به هم متصل شده اند و یک خوشه منفرد را به وجود آورده اند.

در یک فرایند کلی، می توانیم خوشه بندی را به صورت زیر خلاصه کنیم:

• فاصله بین همه خوشه های آغازین محاسبه می شود. در اکثر تحلیل ها، خوشه های آغازین از مواردی فردی تشکیل می شود.

• سپس دو تا از مشابه ترین خوشه ها ترکیب می شوند و فواصل دوباره محاسبه می شوند.

• مرحله 2 تکرار می شود تا زمانی که در نهایت همه موارد در یک خوشه قرار گیرند 

نکته اگر تعداد خوشه ها قبل از گروه بندی مشخص نباشد از خوشه بندی سلسله مراتبی استفاده می شود.

اندازه های فاصله فاصله را می توان از طریق های مختلف اندازه گیری کرد. فاصله هایی وجود دارند که اقلیدسی هستند( می توان آن ها را با خط کش اندازه گرفت)، و فاصله های دیگری نیز براساس تشابه وجود دارند.

تعدادی از اندازه های فاصله در SPSS موجود هستند. فاصله مربع اقلیدسی بیشتر از همه قابل استفاده است.

- فاصله مربع اقلیدسی :

مستقیم ترین و به طور کلی راه قابل قبول محاسبه فواصل بین اشیاء در یک فضای چند بعدی، محاسبه فواصل اقلیدسی با فرضیه فیثاغورث است.

اگر یک فضای دو یا سه بعدی داشته باشیم، این اندازه، فاصله جغرافیایی واقعی بین اشیاء در فضا است( برای مثال اینکه با خط کش اندازه گرفته شده باشد).

فاصله مربع اقلیدسی اغلب بیشتر از فاصله اقلیدسی ساده به منظور قرار دادن وزن بیشتر روی اشیایی که دورترند، استفاده می شوند.

فواصل مربع اقلیدسی معمولا از داده های ردیفی محاسبه می شوند، نه از داده های استاندارد.

بعد از انتخاب چگونگی اندازه گیری فاصله، حالا باید الگوریتم خوشه بندی را انتخاب کنیم. برای نمونه، قوانینی که در بین فواصل نقاطی نظارت می کند که برای تعیین اعضای خوشه اندازه گیری می شوند.

بنا به روش هایی که استفاده می شود معیارها در هر روش متفاوتند و بنابراین ممکن است برای داده های یکسان طبقه بندی های متفاوتی به دست آید.

این اهمیت دارد، چون به ما نشان می دهد که اگرچه ممکن است تحلیل خوشه ای روش معینی برای خوشه بندی موارد فراهم کند، ولی می تواند ذهنیتی در انتخاب روش وجود داشته باشد.