Cluster analysis for the respondent

Cluster analysis for the respondent firms

In order to classify the firms according to their common characteristics, a cluster analysis was conducted. A cluster analysis is a multivariate data analysis technique used in grouping objects according to the characteristics they possess. If the classification is successful, the objects within clusters will have similar characteristics and there will be important differences between clusters. In this study, Hierarchical Agglomerative Clustering was used. In this method, each object starts out as its own cluster. In subsequent steps, the two closest clusters are combined to form a new cluster, thus reducing the number of clusters in each step. Wards Method is selected as the agglomeration procedure because this clustering procedure minimizes the within-cluster sum of squares at each stage. It attempts to combine clusters with a small number of observations and form clusters which tend to have the same number of objects. The distance between objects is measured via a squared Euclidean distance measure. (For more information about cluster analysis, one may consult Hair, 1995). In this study, the programs are clustered according to the similarity of importance that they attach to the seven factors revealed in the previous step. The analysis of the dendrogram and ANOVA used to test the significance of the differences between the group means finally resulted in four significant clusters. The categories common in the programs assigned to each cluster were specified and a title was given according to these common categories. The firms that are grouped in the same cluster, together with the mean and standard deviation of each cluster, are given in Figure

ผลลัพธ์ (ไทย) 1:

วิเคราะห์กลุ่มสำหรับ บริษัท ที่ตอบแบบสอบถาม

เพื่อแยกประเภทของ บริษัท ให้เป็นไปตามลักษณะทั่วไปของพวกเขาวิเคราะห์กลุ่มได้ดำเนินการ วิเคราะห์กลุ่มเป็นข้อมูลที่มีเทคนิคการวิเคราะห์หลายตัวแปรที่ใช้ในการจัดกลุ่มวัตถุตามลักษณะที่พวกเขามี ถ้าการจัดหมวดหมู่เป็นที่ประสบความสำเร็จวัตถุภายในกลุ่มจะมีลักษณะที่คล้ายกันและจะมีความแตกต่างที่สำคัญระหว่างกลุ่ม ในการศึกษาครั้งนี้การจัดกลุ่ม agglomerative ลำดับชั้นถูกนำมาใช้ ในวิธีนี้แต่ละวัตถุเริ่มออกเป็นกลุ่มของตัวเอง ในขั้นตอนต่อมาทั้งสองกลุ่มที่ใกล้เคียงที่สุดที่จะรวมกันเพื่อสร้างกลุ่มใหม่ซึ่งช่วยลดจำนวนของกลุ่มในแต่ละขั้นตอนวิธีการที่คนไข้จะถูกเลือกเป็นขั้นตอนการรวมตัวกันเพราะขั้นตอนการจัดกลุ่มนี้จะช่วยลดผลรวมภายในคลัสเตอร์ของสี่เหลี่ยมแต่ละขั้นตอน มันพยายามที่จะรวมกลุ่มที่มีจำนวนเล็กของการสังเกตรูปแบบและกลุ่มที่มีแนวโน้มที่จะมีจำนวนเท่ากันของวัตถุ ระยะห่างระหว่างวัตถุที่ถูกวัดผ่านวัดระยะทางแบบยุคลิด squared(สำหรับข้อมูลเพิ่มเติมเกี่ยวกับการวิเคราะห์กลุ่มหนึ่งอาจปรึกษาหา​​รือผม, 1995) ในการศึกษาครั้งนี้โปรแกรมที่เป็นคลัสเตอร์ตามความคล้ายคลึงกันของความสำคัญที่พวกเขาแนบไปกับเจ็ดปัจจัยเปิดเผยในขั้นตอนก่อนหน้า การวิเคราะห์ dendrogram และ ANOVA ใช้ในการทดสอบความสำคัญของความแตกต่างระหว่างกลุ่มหมายถึงการส่งผลในที่สุดสี่กลุ่มอย่างมีนัยสำคัญประเภททั่วไปในโปรแกรมที่ได้รับมอบหมายให้แต่ละกลุ่มที่ถูกระบุชื่อและได้รับมอบหมายให้เป็นไปตามหมวดหมู่ของเหล่านี้ร่วมกัน บริษัท ที่จะถูกจัดกลุ่มอยู่ในกลุ่มเดียวกันร่วมกับค่าเบี่ยงเบนมาตรฐานของแต่ละกลุ่มจะได้รับในรูป

ผลลัพธ์ (ไทย) 2:

คลัสเตอร์การวิเคราะห์สำหรับบริษัท respondent

การจำแนกตามลักษณะทั่วไปของบริษัท การแบ่งกลุ่มดำเนินการ ที่ใช้ในการจัดกลุ่มวัตถุตามลักษณะที่พวกเขามีเทคนิคการวิเคราะห์ข้อมูลตัวแปรพหุการวิเคราะห์แบบคลัสเตอร์ได้ ถ้าจัดประเภทจะประสบความสำเร็จ วัตถุภายในคลัสเตอร์จะมีลักษณะคล้ายกัน และจะมีความแตกต่างที่สำคัญระหว่างคลัสเตอร์ ในการศึกษานี้ คลัสเตอร์ Agglomerative ลำดับใช้ ในวิธีการนี้ แต่ละวัตถุเริ่มออกเป็นคลัสเตอร์ของตนเอง ในขั้นตอนต่อไป จะมีรวมคลัสเตอร์ใกล้เคียงที่สุดที่สองในรูปแบบคลัสเตอร์ใหม่ ลดจำนวนของคลัสเตอร์ในแต่ละขั้นตอน คุณสามารถเลือกวิธีการเขตการปกครองเป็นกระบวนการ agglomeration เนื่องจากขั้นตอนนี้ระบบคลัสเตอร์ช่วยลดจำนวนสี่เหลี่ยมภายในคลัสเตอร์ในแต่ละขั้น จะพยายามรวมคลัสเตอร์ มีจำนวนเล็ก ๆ ของสังเกตและคลัสเตอร์ฟอร์มซึ่งมักจะมีหมายเลขเดียวกันของวัตถุ วัดระยะห่างระหว่างวัตถุผ่านการวัดกำลังสองแบบยุคลิด (สำหรับข้อมูลเพิ่มเติมเกี่ยวกับคลัสเตอร์วิเคราะห์ หนึ่งอาจปรึกษาผม 1995) ในการศึกษานี้ โปรแกรมจะจับกลุ่มตามเฉพาะความสำคัญที่จะแนบกับปัจจัยเจ็ดเปิดเผยขั้นตอนก่อนหน้านี้ Dendrogram และใช้ในการทดสอบนัยสำคัญของความแตกต่างระหว่างวิธีการกลุ่มการวิเคราะห์ความแปรปรวนการวิเคราะห์ผลสุดท้ายใน 4 กลุ่มสำคัญ ประเภททั่วไปในโปรแกรมที่กำหนดให้กับแต่ละคลัสเตอร์มีระบุ และให้ชื่อตามประเภทเหล่านี้ทั่วไป บริษัทที่เป็นกลุ่มคลัสเตอร์เดียวกัน พร้อมด้วยค่าเฉลี่ยและส่วนเบี่ยงเบนมาตรฐานของแต่ละคลัสเตอร์ จะได้รับในรูป

ผลลัพธ์ (ไทย) 3:

การวิเคราะห์กลุ่มสำหรับบริษัทจำเลยที่

ในการจัด ประเภท บริษัทตามลักษณะทั่วไปของการวิเคราะห์เป็นกลุ่มที่ได้รับการศึกษา การวิเคราะห์เป็นกลุ่มเป็นเทคนิคการวิเคราะห์ข้อมูล multivariate ที่ใช้ในวัตถุการจัดกลุ่มตามลักษณะที่มี หากการแบ่ง ประเภท ที่จะประสบความสำเร็จวัตถุที่อยู่ ภายใน กลุ่มคลัสเตอร์จะมีลักษณะคล้ายๆกันและจะมีความแตกต่างที่สำคัญระหว่างคลัสเตอร์ ในการศึกษาวิจัยนี้ agglomerative ระบบคลัสเตอร์แบบลำดับชั้นนำมาใช้ ในวิธีนี้ออบเจกต์แต่ละครั้งจะเริ่มจากการเป็นกลุ่มของตัวเอง ในขั้นตอนต่อไปต่อมาทั้งสองระบบคลัสเตอร์ซึ่งอยู่ใกล้กับที่จะรวมกันในรูปแบบคลัสเตอร์ใหม่และลดจำนวนคลัสเตอร์ของในแต่ละขั้นตอนมักมีการเลือกวิธีการตามขั้นตอนรวมกันเข้าเป็นก้อนได้เพราะตามขั้นตอนระบบคลัสเตอร์ซึ่งช่วยลดจำนวนเงิน ภายใน กลุ่มในจัตุรัสที่แต่ละขั้นตอน เป็นความพยายามในการรวมกลุ่มขนาดเล็กที่พร้อมด้วยหมายเลขของการสังเกตการณ์และรวมกลุ่มกันซึ่งมีแนวโน้มที่จะมีจำนวนเท่าเดิมของวัตถุ ระยะห่างระหว่างวัตถุมีขนาดวัดได้โดยผ่านทางวัดตามแบบยูคลิดระยะไกลบนสังเวียนได้(สำหรับข้อมูลเพิ่มเติมเกี่ยวกับการวิเคราะห์กลุ่มหนึ่งอาจปรึกษาผม 1995 ) ในการศึกษาวิจัยนี้โปรแกรมที่มีอยู่ตามลักษณะคล้ายคลึงกันถึงที่มีความสำคัญที่ต่ออยู่กับ 7 ปัจจัยที่พบในขั้นตอนก่อนหน้าที่ การวิเคราะห์ของ anova และเดลที่จะใช้ในการทดสอบความสำคัญของความแตกต่างระหว่างหมายถึงกลุ่มนี้ก็ส่งผลให้ในสี่ระบบคลัสเตอร์อย่างมีนัยสำคัญประเภท ที่พบได้ทั่วไปในโปรแกรมที่ได้รับมอบหมายในแต่ละคลัสเตอร์เป็นที่ระบุชื่อและที่ได้รับตาม ประเภท ทั่วไปเหล่านี้ บริษัทที่จะรวมเป็นกลุ่มอยู่ในกลุ่มเดียวกันกับที่ร่วมกันพร้อมด้วยว่าที่และการผูกกับการเบี่ยงเบน(มาตรฐานของแต่ละคลัสเตอร์จะได้รับในรูปที่