İstatistik Sözlüğü → Değişken Kümeleme
Değişken Kümelemeanaliz
Birbiriyle yüksek korelasyonlu sayısal değişkenleri gruplara ayıran, her grubu tek bir özet bileşenle temsil eden ve her grubun en iyi temsilci değişkenini gösteren yöntem.
Kavram
Bir ankette ya da veri setinde çok sayıda değişken varsa, bunların bir kısmı aslında aynı şeyi ölçüyor olabilir. Değişken kümeleme, gözlemleri değil değişkenleri gruplar: aynı kümedeki değişkenler birbiriyle güçlü, farklı kümelerdeki değişkenler zayıf ilişkilidir. Böylece çok sayıda maddenin hangi boyutlara ayrıldığı görülür ve analizde kullanılacak değişken sayısı azaltılabilir.
Değişkenler arasındaki benzerlik korelasyonla ölçülür (uzaklık çoğunlukla 1 − |r|). Ya en benzer değişkenler adım adım birleştirilerek (birleştirici) ya da tüm değişkenler tek kümeden başlanıp en heterojen küme ikiye bölünerek (bölücü) kümeler oluşturulur. Her küme, o kümedeki değişkenlerin ortak değişkenliğini en iyi özetleyen birinci temel bileşenle temsil edilir. Her değişken için iki R² hesaplanır: kendi kümesinin bileşeniyle (R²_own) ve en yakın diğer kümenin bileşeniyle (R²_next). (1 − R²_own) / (1 − R²_next) oranının küçük olması değişkenin doğru kümede olduğunu gösterir; bu oranı en küçük olan değişken kümenin temsilcisi olarak seçilebilir.
Değişken kümeleme keşifsel bir yöntemdir; kümelerin sayısı ve içeriği seçilen algoritmaya ve küme sayısına göre değişebilir ve yorumun alan bilgisiyle desteklenmesi gerekir. Yöntem yalnız doğrusal ilişkileri (korelasyonları) dikkate alır ve korelasyon matrisinin güvenilir olması için yeterli örneklem ister. Her değişken tek bir kümeye atanır; birden fazla boyuta yüklenen değişkenler için faktör analizi daha esnek bir tablo verir.
Ne zaman kullanılır?
- Çok sayıda ilişkili sayısal değişkeni (ölçek maddeleri, sensör ölçümleri, ekonomik göstergeler) anlamlı gruplara ayırmak ya da her gruptan bir temsilci seçerek değişken sayısını azaltmak istendiğinde.
- Değişkenler birden fazla gizil boyuta aynı anda yüklenebiliyorsa ya da ölçek yapısı sınanacaksa açımlayıcı ya da doğrulayıcı faktör analizi daha uygundur.
- Değişkenleri değil gözlemleri (kişileri, tarlaları, müşterileri) gruplamak isteniyorsa hiyerarşik kümeleme ya da k-ortalamalar kümeleme kullanılır; bilgiyi az sayıda bileşende toplamak için temel bileşenler analizi uygundur.
Gündelik bir örnek
Bir restoran zinciri müşterilere 12 soruluk bir memnuniyet anketi uyguluyor: yemeğin lezzeti, porsiyon, tazelik, garsonların ilgisi, servis hızı, siparişin doğruluğu, temizlik, gürültü, oturma rahatlığı gibi. Değişken kümeleme bu 12 soruyu ör. üç kümeye ayırabilir: 'yemek' (lezzet, porsiyon, tazelik), 'hizmet' (ilgi, hız, sipariş doğruluğu) ve 'ortam' (temizlik, gürültü, oturma). Her kümede R² oranı en düşük soru, ör. 'yemeğin lezzeti', o kümenin temsilcisi olarak seçilir; zincir kısa anketinde 12 yerine yalnız 3 soru sorabilir.
MerQur'da parametreler
Değişkenler
Kavram: Kümelenecek sayısal değişkenlerdir. Kümeleme yalnız bu değişkenlerin aralarındaki korelasyonlara dayanır; bu yüzden hangi değişkenlerin seçildiği sonucu doğrudan belirler. Hiç değişmeyen (sabit) bir değişkenin korelasyonu tanımsızdır.
Gündelik örnek: Restoran örneğinde 12 anket sorusu seçilir. Analize müşterinin yaşı da eklenseydi, yaş hiçbir memnuniyet sorusuyla güçlü ilişkili değilse kendi başına bir küme oluşturabilirdi.
Ne işe yarar: Kümelenecek sayısal değişkenleri seçer (listwise eksik silme; korelasyon matrisi üzerinden çalışır).
Sonuca etkisi: Kümeleme yalnız seçilen değişkenlerin korelasyon yapısına bağlıdır. Sabit (varyansı 0) sütunda korelasyon tanımsızdır; MerQur arayüz dilinde açık ileti verir.
Algoritma (Ortalama bağlantı (1-|r|, birleştirici), Bölücü (SAS VARCLUS tipi))
Kavram: Kümelerin nasıl oluşturulacağını belirler. Ortalama bağlantılı birleştirici yöntem her değişkeni ayrı bir küme olarak başlatıp en benzer kümeleri adım adım birleştirir; bölücü yöntem tüm değişkenlerle başlar ve en heterojen kümeyi ikiye bölerek ilerler, değişkenleri gerektiğinde kümeler arasında yeniden dağıtır.
Gündelik örnek: Birleştirici yöntem önce en benzer iki soruyu (ör. 'lezzet' ve 'tazelik') birleştirir, sonra onlara 'porsiyon'u ekler. Bölücü yöntem ise tüm soruları önce 'yemek' ve 'yemek dışı' diye ikiye ayırıp ikinci grubu sonra 'hizmet' ve 'ortam' diye böler.
Ne işe yarar: Ortalama bağlantı 1 - |r| uzaklığıyla hiyerarşik birleştirici kümeleme yapar; bölücü yöntem ikinci özdeğeri en büyük kümeyi ikiye böler (orthoblique döndürme), değişkenleri yeniden atar ve arama evresi uygular. Hızlı keşif için ortalama bağlantı, bileşen temelli küme yapısı için bölücü uygundur.
Sonuca etkisi: Küme üyeliğini ve tüm küme istatistiklerini değiştirir; çıktı tanımları aynı kalır. Bölücüde "Bölme geçmişi" bölümü eklenir; en çok 10 yeniden atama yinelemesi ve 1000/p arama adımı kullanılır.
Doğrulama verisinde: JobRat, K = 3: ortalama bağlantı toplam açıklanan oran 0.6695; bölücü 0.6715. USJudgeRatings K = 3 bölücü 0.9565, mtcars ikinci özdeğer eşiği 1 (2 küme) 0.7536.
MAXEIGEN (bölücü)
Kavram: Bölücü yöntemde bir kümenin daha fazla bölünüp bölünmeyeceğine karar veren eşiktir. Kümenin ikinci özdeğeri bu eşiğin altındaysa küme tek bir boyutla yeterince iyi özetleniyor sayılır ve bölünmez; eşik 1 seçildiğinde Kaiser ölçütüne benzer bir kural uygulanmış olur.
Gündelik örnek: 'Hizmet' kümesinin ikinci özdeğeri 0,7 ise ve eşik 1 ise küme bölünmez: üç hizmet sorusu tek bir 'hizmet kalitesi' boyutu olarak yeterlidir. İkinci özdeğer 1,3 olsaydı küme ör. 'garson ilgisi' ve 'mutfak hızı' diye ikiye ayrılabilirdi.
Ne işe yarar: Bölücü yöntemde en büyük ikinci özdeğer bu eşiğin altına inince bölmeyi durdurur (Kaiser benzeri ölçüt; küme sayısı verildiğinde varsayılan 0).
Sonuca etkisi: Küme sayısı K'dan az olabilir (1 küme dahil). Ortalama bağlantıda alan devre dışıdır.
Doğrulama verisinde: JobRat, bölücü, K = 20: 0 -> 13 küme; 0.7 -> 4 küme (oran 0.7236); 1 -> 2 küme (0.6129); 2 (K = 3) -> 1 küme (0.5036; 1. adımda 2. özdeğer 1.7727 < 2).
Küme sayısı (K)
Kavram: Kaç küme oluşturulacağını belirler (bölücü yöntemde üst sınırdır). Az küme seçmek daha sade ama kaba bir özet, çok küme seçmek daha ayrıntılı ama yorumu zor bir yapı verir; kümelerin açıkladığı toplam varyans oranı bu seçimde yol gösterir.
Gündelik örnek: Restoran 2 küme seçerse 'yemek' ve 'yemek dışı' ayrımı elde eder; 3 küme seçerse 'hizmet' ve 'ortam' ayrı ayrı görünür. 3 küme toplam varyansın %70'ini, 4 küme yalnız %74'ünü açıklıyorsa dördüncü küme pek bilgi katmaz.
Ne işe yarar: Ortalama bağlantıda kesilen küme sayısını, bölücüde üst sınırı belirler (2-20).
Sonuca etkisi: Küme üyeliği ve açıklanan varyans oranı. K değişken sayısını aşarsa değişken sayısına indirilir.
Doğrulama verisinde: JobRat, ortalama bağlantı: K = 2 -> 0.5602, 3 -> 0.6695, 4 -> 0.7169, 5 -> 0.7668; K = 20 değişken sayısına (13) indirilir (oran 1.0000).
Ek çıktılar: R² ve 2. özdeğer
Kavram: Her kümenin birinci ve ikinci özdeğerini ve açıkladığı varyans oranını, her değişkenin de kendi kümesiyle (R²_own) ve en yakın diğer kümeyle (R²_next) olan R²'sini ayrıntılı verir. Kendi kümesiyle yüksek, diğer kümeyle düşük R² iyi ayrışmış bir değişkene işaret eder.
Gündelik örnek: 'Servis hızı' sorusunun R²_own'ı 0,75, R²_next'i 0,20 ise bu soru açıkça 'hizmet' kümesine aittir. 'Temizlik' sorusunun iki değeri de 0,40 civarındaysa soru hem ortam hem hizmet algısıyla ilişkilidir ve kümesi tartışmalıdır.
Ne işe yarar: Küme özetini (1. ve 2. özdeğer, açıklanan oran) ve değişken başına R²_own / R²_next değerlerini tam duyarlıkla basar (ana tablo 1 - R² oranlarını 4 ondalıkla verir).
Sonuca etkisi: Ek tablo.
Doğrulama verisinde: JobRat bölücü: Communication_Skills R²_own 0.6403, R²_next 0.3599; küme 1'in 2. özdeğeri 0.7093.
Ek çıktılar: Küme arası korelasyon
Kavram: Kümeleri özetleyen bileşenlerin birbirleriyle korelasyonunu gösterir. Kümeler arası korelasyonların düşük olması kümelerin birbirinden iyi ayrıştığını, yüksek olması ise kümelerin ortak bir üst boyut paylaştığını düşündürür.
Gündelik örnek: 'Yemek' ve 'hizmet' bileşenleri arasındaki korelasyon 0,55 ise yemeği beğenen müşteriler hizmeti de beğenme eğilimindedir; belki ikisinin arkasında genel bir 'restorandan memnuniyet' duygusu vardır.
Ne işe yarar: Küme 1. bileşenleri arası korelasyon matrisi ve standartlaştırılmış skor katsayılarını (v₁/√λ₁) verir.
Sonuca etkisi: Ek tablo.
Doğrulama verisinde: JobRat bölücü: r(C1, C2) = 0.6085, r(C1, C3) = 0.5922, r(C2, C3) = 0.4871; Communication_Skills katsayısı 0.2122.
Ek çıktılar: Dendrogram ve k taraması
Kavram: Dendrogram, değişkenlerin hangi sırayla ve hangi benzerlik düzeyinde birleştiğini gösteren ağaç grafiğidir. k taraması ise küme sayısı arttıkça açıklanan varyans oranının nasıl değiştiğini gösterir; eğrinin düzleşmeye başladığı nokta makul bir küme sayısına işaret eder.
Gündelik örnek: Restoranın dendrogramında 'lezzet' ile 'tazelik' en alttan, 'yemek' kümesi ile 'hizmet' kümesi ise daha yukarıdan birleşir. k taramasında açıklanan varyans 3 kümeye kadar hızla artıp sonra yavaşlıyorsa 3 küme iyi bir seçimdir.
Ne işe yarar: 1 - |r| ortalama bağlantı dendrogramı ve k = 1...10 için açıklanan varyans oranı eğrisini verir.
Sonuca etkisi: Grafik sekmesi dendrogram ve eğriye döner; metne tarama satırı eklenir. Bölücü yöntem seçiliyken de ağaç ve tarama ortalama bağlantıdır (başlıkta yazılıdır).
Doğrulama verisinde: JobRat k = 1...10: 0.504, 0.560, 0.669, 0.717, 0.767, 0.809, 0.846, 0.877, 0.912, 0.940 (ortalama bağlantı ağacının her kesiminden hesaplanır).
Gerçek veride örnek
Veri: SAS/STAT PROC VARCLUS örneği (JobRat iş değerlendirme puanları)
Değişkenler: 13 iş değerlendirme maddesi (iletişim, problem çözme, öğrenme ... dürüstlük)
- Soru: 13 iş değerlendirme maddesi (n = 103) birbirine benzeyen (yüksek korelasyonlu) gruplara nasıl ayrılır ve her grubu en iyi hangi madde temsil eder?
- Yöntem: Uzaklık 1 - |r|, ortalama bağlantılı birleştirici kümeleme, 3 küme; her kümenin özeti 1. temel bileşenidir.
- Sonuç: Küme 1 (kişilerarası): Interest_in_People, Interpersonal_Sensitivity, Integrity, Judgement_under_Pressure (1. özdeğer 3.04, açıklanan oran 0.760). Küme 2 (bilişsel ve iş becerileri): 8 madde (1. özdeğer 4.66, oran 0.583). Küme 3: yalnız Physical_Ability.
- Model uyumu: Üç küme bileşeni toplam varyansın %66.95'ini açıklar.
- Temsilciler: En düşük 1 - R² oranına sahip maddeler küme temsilcisidir: Interest_in_People (0.210), Observational_Skills (0.420), Physical_Ability (0).
- Sınırlılık: Physical_Ability diğer maddelerle zayıf ilişkili olduğundan tek başına küme oluşturur; küme sayısı (3) araştırmacının seçimidir.
- APA: Ortalama bağlantılı değişken kümelemesi üç küme verdi; küme bileşenleri toplam varyansın %67.0'ını açıkladı.
İlgili kavramlar
Bağlantı yöntemi (Ward, tam, ortalama, tek)Açıklanan varyans oranıDendrogram ve kofenetik korelasyonÖzdeğer ve özvektörKüme sayısının seçimiKovaryans (korelasyon) yapısı (UN, VC, AR(1), değiştirilebilir)Belirleme katsayısı (R²) ve düzeltilmiş R²Kovaryans ve korelasyon matrisi
Örneklerdeki sayılar MerQur'un bağımsız, kamuya açık doğrulama verileri üzerindeki çıktılarıdır; ayrıntılar için MerQur Teknik Not'a bakınız.