Hierarchical cluster analysis may b

Hierarchical cluster analysis may be combined with kmeans
clustering to combine tbe strengths of botb approaches
(Hair et al. 1998). Tbe agglomeration schedule
is able to indicate tbe most appropriate number of clusters,
and tbis provides tbe basis for tbe number of clusters
to be specified for the k-means cluster procedure. In
addition, the cluster centroids produced by the hierarchical
clustering procedure may be used as initial cluster
centers for the k-means procedure. We adopt tbis approach
for this study. Missing values for some cases reduced
the sample size for the clustering procedure from
404 to 371 firms. The agglomerative schedule from tbe
hierarchical clustering procedure indicated that a twoor
four-cluster solution would be most appropriate. After
we conducted k-means clustering solutions for both
Clusters 2 and 4, we found a four-cluster solution to be
tbe most interpretable. We then used several procedures
to establish cluster stability.

ผลลัพธ์ (ไทย) 1:

การแบ่งลำดับชั้นอาจใช้ร่วมกับ kmeansคลัสเตอร์รวม tbe จุดแข็งของวิธี botb(ผม et al. 1998) กำหนดการ agglomeration Tbeสามารถระบุจำนวนที่เหมาะสมที่สุด tbe ของคลัสเตอร์และ tbis พื้นฐาน tbe tbe จำนวนคลัสเตอร์เมื่อต้องการระบุสำหรับกระบวนงานคลัสเตอร์ k หมายถึง ในนอกจากนี้ centroids คลัสเตอร์ผลิต โดยที่ลำดับอาจใช้วิธีคลัสเตอร์เป็นคลัสเตอร์เริ่มต้นศูนย์สำหรับกระบวนการหมายถึง k เราใช้วิธี tbisสำหรับการศึกษานี้ ค่าขาดหายไปในบางกรณีที่ลดลงขนาดตัวอย่างสำหรับกระบวนงานระบบคลัสเตอร์จากบริษัท 404-371 กำหนดการ agglomerative จาก tbeระบุลำดับขั้นตอนระบบคลัสเตอร์ที่เป็น twoorโซลูชันคลัสเตอร์ 4 จะเหมาะสมสุด หลังจากเราดำเนินการแก้ไขปัญหาระบบคลัสเตอร์ k หมายถึงทั้งคลัสเตอร์ที่ 2 และ 4 เราพบโซลูชัน 4 คลัสเตอร์จะtbe interpretable มากที่สุด เราใช้หลายขั้นตอนเพื่อสร้างความมั่นคงของคลัสเตอร์

ผลลัพธ์ (ไทย) 2:

การวิเคราะห์กลุ่มตามลำดับชั้นอาจจะรวมกับ kmeans
การจัดกลุ่มที่จะรวมจุดแข็งของวิธีการ TBE botb
(ผม et al. 1998) Tbe ตารางเวลาการรวมตัวกัน
สามารถที่จะบ่งบอกถึง TBE จำนวนที่เหมาะสมที่สุดของกลุ่ม
และ TBIs มีพื้นฐาน TBE สำหรับจำนวน TBE ของกลุ่ม
ที่จะระบุสำหรับ k หมายถึงขั้นตอนของคลัสเตอร์ ใน
นอกจากนี้จุดศูนย์ถ่วงคลัสเตอร์ที่ผลิตโดยลำดับชั้น
ขั้นตอนการจัดกลุ่มอาจใช้เป็นคลัสเตอร์เริ่มต้น
ศูนย์สำหรับขั้นตอน k หมายถึง เรานำวิธี TBIs
การศึกษาครั้งนี้ ที่ขาดหายไปค่าสำหรับบางกรณีลด
ขนาดตัวอย่างสำหรับขั้นตอนการจัดกลุ่มจาก
404 ไป 371 บริษัท กำหนดการ agglomerative จาก TBE
ขั้นตอนการจัดกลุ่มตามลำดับชั้นชี้ให้เห็นว่า twoor
แก้ปัญหาสี่คลัสเตอร์จะเหมาะสมที่สุด หลังจากที่
เราดำเนิน k หมายถึงการจัดกลุ่มโซลูชั่นสำหรับทั้ง
2 และกลุ่มที่ 4 ที่เราพบทางออกที่สี่คลัสเตอร์จะเป็น
TBE ที่สุด interpretable จากนั้นเราจะใช้วิธีการหลาย
ที่จะสร้างความมั่นคงของคลัสเตอร์

ผลลัพธ์ (ไทย) 3:

การวิเคราะห์กลุ่มการวิเคราะห์อาจจะรวมกับ kmeans
การจัดกลุ่มการรวมจุดแข็งของทีบี botb แนวทาง
( ผม et al . 1998 ) ทีบีการกำหนดการ
สามารถระบุหมายเลขของทีบีที่เหมาะสมที่สุดในกลุ่ม และมีฐาน tbis
ทีบีหมายเลขทีบีกลุ่ม
สามารถระบุสำหรับ k-means กลุ่มกระบวนการ ใน
2 , กลุ่มจุดเซนทรอยด์ผลิตโดยลำดับชั้น
สำหรับขั้นตอนนี้อาจใช้เป็นศูนย์กลุ่ม
เบื้องต้นสำหรับ k-means ขั้นตอน เราใช้วิธี tbis
สำหรับการศึกษานี้ ค่าสูญหายสำหรับบางกรณีลดลง
ขนาดตัวอย่างสำหรับการแบ่งกลุ่มขั้นตอนจาก
เป็น 371 บริษัท . ตาราง agglomerative จากทีบี
การจัดกลุ่มลำดับชั้นขั้นตอน พบว่า twoor
4 กลุ่มโซลูชั่นจะเหมาะสมที่สุด หลังจาก
เราดำเนินการ k-means clustering โซลูชั่นทั้ง
กลุ่ม 2 และ 4 เราพบทางออกสี่กลุ่มถูก
ทีบี interpretable ที่สุด เราก็ใช้หลายวิธีเพื่อสร้างเสถียรภาพ

กลุ่ม