5 курс / ОЗИЗО Общественное здоровье и здравоохранение / Медицинская_статистика_Жижин_К_С_

вив флажок (Диапазон решений), зададим диапазон,

указав значения: от 2 до 4.

•Нажав (Продолжить), возвратимся в основное окно,

жмем ОК.

4. В окне (Просмотр результатов) - результаты класте­ ризации и (Дендрограмма). Ее вид ничем не отличается от

таковой в пакете Statistica, может быть, только с точки зре­

ния художника-графика рисунок несколько примитивнее.

Но здесь приведены таблицы (Порядок объединения) и

(Принадлежность к кластерам):

•Для дивизивной КЛ,астеризации в пункте главного

меню (Статистики) выберем (Классифицировать) -

(Кластерный анализ методом k-средних).

6.В открывшемся диалоговом окне метода:

• зададим (Переменные) - Var 1-3;

•установим (Метод) в поле (Итерировать и классифи­

цировать);

•зададим (Количество кластеров) - два;

•нажав кнопку (Итерировать), укажем (Максимальное

число итераций), наl~ример, 15 (этот параметр зада-

•оставим значение «О» дЛЯ критерия сходимости, он

принимает значение от О до 1, понимаемое так, что

итерации прекращаются в случае, если очередная из

них не перемещает ни один из центров на расстоя­

ние большее, чем значение критерия;

•нажав (Сохранить), (Принадлежность к кластерам),

сохраняем полученные результаты;

•нажимаем кнопки (Параметры), (Таблица результатов

проверки качества разбиения с помощью ANOVA) и

(Информация по кластеру для каждого случая).

7.Выполнив кластеризацию для двух кластеров, повто­ рим ее для трех, а затем - ДЛЯ чеtырех, пяти, десяти клас­ теров, изменяя для этого поле (Количество кластеров).

8.В окне (Просмотр результатов) проанализируем ито­

ги разбиения соответственно на два, три, четыре и более

кластеров:

чение «1) на самом деле не было, но иначе не показать про­

цедуру кодирования переменной темперамент.

Далее - (Все остальные значения), в (Новое значение)

введем «О» и (Добавить).

Нажав (Продолжить) и ОК, выполним перекодирование,

результаты которого автоматически вводятся в столбец пе­ ременной Vaг 1, которая стала дихотомической.

Аналогично перекодируем Var 2, (Преобразовать) -

(Перекодировать) - Into Some VariabIes (8 те же самые пе­

ременные), заменим в СI"lиске Var 1 на Var 2.

Нажав (Старые и новые значения), укажем в поле (Ста­

Старый вариант (1-1) удалим кнопкой (Переместить) и

выполним перекодирование. После перекодирования всех

переменных, соответствующих категориям темперамента,

данные по признаку «темпераменп) перепишутся следующим

образом (на примере испытуемых с номерами 1 и 4):

Для дихотомизации введем аналогично отдельные дихото­

мические признаки для каждой из его градаций:

разделим всю область принимаемых им значений на три гра­

Анализ таблицы показывает, что процентное соотноше­

ние Гlризнаков не выходит за пределы двух первых града-

ций, поэтому можно ограничиться только двумя градация­ ми. Введем для них дихотомические признаки (пример пр~­

веден для испытуемых 1 и 4):

Состав следующей группы признаков псевдоранговый~ как и признак, однако количество градаций у каждого из

них равно пяти. Соответственно можно ввести отдельный

дихотомический признак для каждой из градаций, но из со­

держательных соображений количество градаций лучше сократить следующим образом:

•для признаков К, С и Р в выборах испытуемых фигу­

рируют все пять исходных градаций, отсюда к пер­

вой градации - ранг 1, ко второй - ранги 2 и З, к

•ДЛЯ Г - ранги 4 и 5 в выборах испытуемых не фигу­

РИРУЮТ, отсюда к первой градации отнесем ранг 1,

•ДЛЯ Ч - ранги 1 и 2 в выборах испытуемых не фигу­

ко второй - 4, третьей - 5 (ДЛЯ испытуемых 1 и 4):

NI Ч=3 Ч=4 Ч=5

Теперь каждая из переменных К, Г,С,Ч, Р представлена

дихотомическими приэнаками.

Признак Возраст - интервальный; выполним -его -дихо­

томизацию аналогично признаку %соотношения, выбрав три

градаци":t: 18-20,21-23 'и 24-25. Затем введем отдельные дихотомические признаки для каждой из этих градаций (при­

мер приведен ДЛЯ испытуемых 1 и 4):

Признак П (пол) - дихотомический. Закодируем его

Дихотомизация закончена; число переменных( в первич­

ной выборке уменьшилось до 29), а в модификациях увели­

чилось.

3. Дважды щелкаем (Определение переменной), задав:

•(Тип данных):

Туре (Тип) - (Числовой),

-(Ширина) -1,

- (Количество знаков после запятой) - О;

•в (Формат столбца) задаем параметры:

-(Ширина столбца) - 5,

-(Выравнивание) - (По центру).

Итак, предпочтительным является разделение выборки

на пять кластеров. Такое разбиение, во-первых, выделяет наибольшее число индивидов по главному результирующе­

му приэнаку классификации"'" «тип темперамента по Д. Кей­ си», во-вторых, увеличение числа кластеров только дробит

Основы диc"pu.м.иHaHmHoгo анализа

Кластерный анализ rюзволяет разделить эмпирическую

выборку на несколько классов (кластеров), однако не дает

, - '

ни правил, ни четких кри,!ериев оценки качества класси­

фикации. В то же время и правила, и критерии важны

прежде всего в вопросах диагностики редких, нетипичных

патологич~ских процессов, симптоматика которых весь­

ма размыта. И особенно в процессе оказания ургентной

(экстренной) медицинской помощи, когда у врача на пе­ pe~op вариантов лечебно-диагностической тактики счи­

танные минуты.

Для решения подобных задач и сущес~вует дискрими­ нантный анализ. И хотя дискриминантный и кластерный

анализы близки по сути (направлены на решение задач

классификации), но подходами к классификации прин-

о.

ципиально различаются.

Дискриминантный анализ, как и кластерный анализ, направлен на разделение выборки на ряд кластеров, но его