Zusammenfassung
Unter dem Begriff Clusteranalyse versteht man Verfahren zur Gruppenbildung. Das durch sie zu verarbeitende Datenmaterial besteht im allgemeinen aus einer Vielzahl von Personen bzw. Objekten. Beispielhaft seien die 20000 eingeschriebenen Studenten einer Universität genannt. Von diesen Personen hat man einige Eigenschaften ermittelt. In unserem Fall mögen dies das Geschlecht, das Studienfach, die Semesterzahl, der Studienwohnort, die Nationalität und der Familienstand sein. Ausgehend von diesen Daten besteht die Zielsetzung der Clusteranalyse in der Zusammenfassung der Studenten zu Gruppen. Die Mitglieder einer Gruppe sollen dabei eine weitgehend verwandte Eigenschaftsstruktur aufweisen; d.h. sich möglichst ähnlich sein. Zwischen den Gruppen sollen demgegenüber (so gut wie) keine Ähnlichkeiten bestehen. Ein wesentliches Charakteristikum der Clusteranalyse ist die gleichzeitige Heranziehung aller vorliegenden Eigenschaften zur Gruppenbildung.
This is a preview of subscription content, log in via an institution to check access.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Anmerkungen
Vgl. Green, Paul E/ Frank, Ronald E/ Robinson, Patrick J.: Cluster Analysis in Test Market Selection, in: Management Science, Serie B, 13. Jg., 1967, S. B387–400.
Vgl. Goronzy, F.: A Numerical Taxonomy of Business Enterprises, in: Numerical Taxonomie, hrsg. von Cole, A. J., London New York 1969, S. 42-52.
Steinhausen, Detlef/Steinhausen, Jörg: Cluster-Analyse als Instrument der Zielgruppendefinition in der Marktforschung, in: Fallstudien Cluster-Analyse, hrsg. von Späth, Helmuth, München 1977, S. 7-36.
Vgl. Steinhausen, Detlef/Langer, Klaus: Clusteranalyse, Berlin New York 1977, S. 54.
Eine Darstellung weiterer Ähnlichkeitskoeffizienten findet man u. a. bei Steinhausen/Langer, a. a. O., S. 53 ff.
Vgl. Bock, Hans Herrmann: Automatische Klassifikation, Göttingen 1974, S. 74 f. Vogel, Friedrich: Probleme und Verfahren der numerischen Klassifikation, Göttingen 1975, S. 73 ff.
Vgl. Steinhausen/Langer, a. a. O., S. 76.
Vgl. dieselben, ebenda, S. 77.
Vgl. Bergs, Siegfried: Optimalität bei Cluster-Analysen, Diss. Münster 1981, S. 96 f.
Vgl. Steinhausen/Langer, a. a. O., S. 75 ff.
Vgl. zur Diskriminanzanalyse Kap. 5 in diesem Buch.
Vgl. Späth, Helmuth: Cluster-Analyse-Algorithmen zur Objektklassifizierung und Datenreduktion, München Wien 1975, S. 35 ff.
Vgl. zu diesen Problemkreisen auch: Bergs, a. a. O., S. 51 ff.
Vgl. hierzu: Bock, a. a. O., S. 40 ff. Steinhausen/Langer, a. a. O., S. 59 ff. Vogel, a. a. O., S. 89 ff.
Vgl. auch Vogel, a. a. O., S. 92.
Weitere Möglichkeiten zur Sicherstellung der Vergleichbarkeit von Merkmalen zeigt z. B. Bergs, a. a. O., S. 59 f.
Bergs, a. a. O., S. 97.
Literaturhinweise
Bergs S (1981) Optimalität bei Cluster-Analysen, Diss. Münster
Baumann U (1971) Psychologische Taxonomie, Bern Stuttgart Wien
Bock HH (1974) Automatische Klassifikation, Göttingen
Everitt B (1974) Cluster Analysis, London
Späth H (1975) Cluster-Analyse-Algorithmen zur Objektklassifizierung und Datenreduktion, München Wien
Steinhausen D, Langer K (1977) Clusteranalyse, Berlin New York
Vogel F (1975) Probleme und Verfahren der numerischen Klassifikation, Göttingen
Author information
Authors and Affiliations
Rights and permissions
Copyright information
© 1987 Springer-Verlag Berlin Heidelberg
About this chapter
Cite this chapter
Backhaus, K., Erichson, B., Plinke, W., Schuchard-Ficher, C., Weiber, R. (1987). Clusteranalyse. In: Multivariate Analysemethoden. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-662-08891-3_4
Download citation
DOI: https://doi.org/10.1007/978-3-662-08891-3_4
Publisher Name: Springer, Berlin, Heidelberg
Print ISBN: 978-3-540-17226-0
Online ISBN: 978-3-662-08891-3
eBook Packages: Springer Book Archive