Многомерный анализ данных методами прикладной статистики

личающиеся средние для большинства, если не для всех измере­ ний, используемых в анализе. Значения F-статистики, полученные для каждого измерения, являются другим индикатором того, на­ сколько хорошо соответствующее измерение дискриминирует кла­ стеры. Двухвходовое объединение {Two-way Joining). Кластериза­ ция, как по наблюдениям, так и по переменным может привести к достаточно интересным результатам, Например, представьте, что исследователь собирает данные о различных характеристиках (пе­ ременные) состояний объектов (наблюдений). Исследователь мо­ жет захотеть кластеризовать наблюдения для определения класте­ ров со сходными признаками. В то же время исследователь может захотеть кластеризовать переменные для определения кластеров переменных, которые связаны. После этого обсуждения - кластеризовать наблюдения или переменные - можно задать вопрос, а почему бы не проводить кластеризацию в обоих направлениях? Модуль Кластерный анализ содержит эффективную двувходовую процедуру объединения, по­ зволяющую сделать это. Однако двувходовое объединение исполь­ зуется (относительно редко) в обстоятельствах, когда ожидается, что и наблюдения, и переменные одновременно вносят вклад в об­ наружение осмысленных кластеров. 1.4. Методика р еше н и я задачи п р и исполь зовании кластерно г о анализа Рассмотрим пример из области экономики. Требуется раз­ бить множество субъектов РФ на группы в зависимости от эконо­ мических показателей, используя кластерный анализ. Данные взя­ ты с сайта http://www.rg.ra/2006/03/24/regiony-razvitie-dok.html. Ис­ ходные данные: файл Stat.xls (лист 1). Показатели: XI - среднемесячная заработная плата работников по пол­ ному кругу организаций; 17