(This question is an edited version

(This question is an edited version of a question I previously posted which one user recommended would benefit from more focus).

I have 2000 questionnaires from respondents which ask 33 different questions about which issues are present in their lives - i.e. alcohol abuse, domestic violence, mental health, child abuse, learning difficulties etc.

Each question can only be answered yes/no (which I've re-coded as 1/0).

I'd like to use this dataset to start creating n profiles of respondents to define which variables naturally cluster together e.g. (alcohol abuse and domestic violence), (mental health, child abuse, domestic violence), (alcohol abuse, learning difficulties) across some/all of the 33 differnt variables.

A note I've read on-line indicates that hierarchical cluster analysis is not appropriate for a dataset of this scale/type due to sensitivity of the position of how data is sorted in the dataset, and recommends two-step cluster analysis instead.

Consequently, I'd be really interested in your input on whether hierarchical, two-step or other methods are most appropriate for exploring clusters of responses that natually associate together using a binary dataset.

ผลลัพธ์ (ไทย) 1:

(คำถามนี้คือ เป็นฉบับแก้ไขของคำถามที่ผมเคยโพสต์ผู้ใช้หนึ่งที่แนะนำจะได้รับประโยชน์จากโฟกัสเพิ่มเติม)2000 แบบสอบถามจากผู้ตอบที่ถาม 33 คำถามต่าง ๆ เกี่ยวกับปัญหาที่มีอยู่ในชีวิตของพวกเขา - เช่นแอลกอฮอล์ ความรุนแรง สุขภาพจิต ละเมิด สิทธิเด็ก การเรียนรู้ความยากลำบากฯลฯ ได้แต่ละคำถามเฉพาะคำตอบใช่/ไม่ใช่ (ซึ่งผมได้กำหนดรหัสใหม่เป็น 1/0)อยากจะใช้ชุดข้อมูลนี้ในการเริ่มต้นการสร้างโพรไฟล์ n ของผู้ตอบเพื่อกำหนดตัวแปรที่ธรรมชาติคลัสเตอร์ร่วมกันเช่น (แอลกอฮอล์และความรุนแรง), (สุขภาพจิต ละเมิดสิทธิเด็ก ความรุนแรง), (แอลกอฮอล์ การเรียนรู้ความยากลำบาก) ข้ามบาง/ทั้งหมดของตัวแปรที่แตกต่างกัน 33หมายเหตุผมได้อ่านออนไลน์บ่งชี้ว่า ไม่เหมาะสมสำหรับชุดข้อมูลขนาด/ชนิดนี้เนื่องจากความไวของตำแหน่งของวิธีการข้อมูลจะเรียงลำดับในชุดข้อมูล และแนะนำการวิเคราะห์คลัสเตอร์สองชั้นแทนคลัสเตอร์ลำดับวิเคราะห์ดังนั้น ฉันจะสนใจจริง ๆ ในการป้อนข้อมูลเกี่ยวกับ ลำดับชั้น สองขั้นตอนหรือวิธีการอื่น ๆ เหมาะสมสำหรับการสำรวจกลุ่มของการตอบสนองที่ร่วม natually ด้วยกันโดยใช้ชุดข้อมูลไบนารี

ผลลัพธ์ (ไทย) 2:

(คำถามนี้เป็นรุ่นที่แก้ไขคำถามผมโพสต์ก่อนหน้านี้ซึ่งผู้ใช้คนหนึ่งแนะนำจะได้รับประโยชน์จากการมุ่งเน้นเพิ่มเติม). ฉันมี 2,000 แบบสอบถามจากผู้ตอบแบบสอบถามที่ถามคำถามที่แตกต่างกัน 33 เกี่ยวกับปัญหาที่มีอยู่ในชีวิตของพวกเขา - คือการละเมิดแอลกอฮอล์ความรุนแรงในครอบครัว สุขภาพจิตการล่วงละเมิดเด็กปัญหาการเรียนรู้ ฯลฯคำถามแต่ละข้อเท่านั้นที่สามารถตอบ Yes / No (ซึ่งผมได้อีกครั้งกำหนดเป็น 1/0). ฉันต้องการที่จะใช้ชุดนี้เพื่อเริ่มต้นการสร้างโปรไฟล์ n ของผู้ตอบแบบสอบถามเพื่อ กำหนดตัวแปรตามธรรมชาติกลุ่มด้วยกันเช่น (เครื่องดื่มแอลกอฮอล์และความรุนแรงในครอบครัว), (สุขภาพจิตการล่วงละเมิดเด็ก, ความรุนแรงในครอบครัว), (การละเมิดแอลกอฮอล์ปัญหาการเรียนรู้) ข้ามบางส่วน / ทั้งหมดของตัวแปร differnt 33. ทราบฉันได้อ่านบน บรรทัดแสดงให้เห็นว่าการวิเคราะห์กลุ่มลำดับชั้นไม่เหมาะสมสำหรับชุดข้อมูลขนาดนี้ / ชนิดเนื่องจากมีความไวของตำแหน่งของวิธีการที่ข้อมูลจะถูกจัดเรียงในชุดข้อมูลและแนะนำการวิเคราะห์กลุ่มสองขั้นตอนแทน. ดังนั้นฉันจะสนใจจริงๆ ในการป้อนข้อมูลของคุณว่าลำดับชั้นสองขั้นตอนหรือวิธีการอื่น ๆ ที่มีความเหมาะสมมากที่สุดสำหรับการสำรวจกลุ่มของการตอบสนองที่ Natually เชื่อมโยงกันโดยใช้ชุดข้อมูลไบนารี