Методы построения многомерных группировок

Введение

В настоящее время большое внимание уделяется статистическим исследованиям и моделям, на их основании многие крупные корпорации строят прогнозы на несколько лет вперед. Для того, чтобы полнее и глубже изучить сложное общественное явление, необходимо сгруппировать данные по двум или более признакам. Такие группировки называют сложными.

Наиболее распространенным видом сложных группировок являются комбинированные группировка, когда группы, образованные по одному признаку, делятся затем на подгруппы по второму и т. д. признакам. Обычно в основание группировки кладется от 2 до 4 признаков. Данный факт и обуславливает актуальность изучения данной темы.

Одновременное использование группировочных признаков позволяет выявить и сравнить такие различия и связи между исследуемыми признаками, которые нельзя обнаружить на основе изолированной группировки по ряду группировочных признаков.

При изучении влияния большого числа признаков применение комбинированных группировок становится невозможным, поскольку чрезмерное дробление информации затушевывает проявление закономерностей и тем самым не позволяет выявить одновременное влияние всего комплекса факторных признаков на исследуемый показатель.

Данная задача может быть решена одним из методов статистической теории распознавания образов — кластерным анализом, разработанного в 60-х годах ХХ века.

Кластерный анализ позволяет решать задачи многомерной группировки. Весь набор признаков образует так называемое «признаковое пространство». Каждому из признаков придается смысл координаты. Задача многомерной группировки сводится к выделению сгущений точек (групп объектов) в этом пространстве.