SPSS PHÂN TÍCH cụm và bản đồ NHẬN THỨC . NHỮNG VẤN ĐỀ CẦN NẮM VỀ SPSS PHÂN TÍCH cụm và bản đồ NHẬN THỨC . HỆ THỐNG TỔNG QUÁT VỀ SPSS PHÂN TÍCH cụm và bản đồ NHẬN THỨC . LÝ THUYẾT VỀ SPSS PHÂN TÍCH cụm và bản đồ NHẬN THỨC
Trang 1NỘI DUNG CHÍNH
Trang 2Phân loại kỹ thuật định lượng
Phân tích cụm là nhận diện và phân loại các đối tượng hay các biến sao cho các đối tượng trong cùng một cụm tương
tự nhau xét theo các đặc tính lựa chọn để nghiên cứu.
Phân tích cụm là nhận diện và phân loại các đối tượng hay các biến sao cho các đối tượng trong cùng một cụm tương
tự nhau xét theo các đặc tính lựa chọn để nghiên cứu.
Trang 3phân tích cụm được sử dụng để xác định các nhóm của người dân mà có thể được hưởng lợi từ các dịch vụ y tế
Sức khỏe
tâm lý
Ứng dụng
Trang 4Tiến hành phân tích cụm
Trang 5Chọn lựa các biến để phân cụm, nên chọn tập hợp biến
có khả năng mô tả được sự giống nhau giữa các đối tượng theo mục đích nghiên cứu.
Các biến này có thể được chọn trên cơ sở phân tích lý thuyết, kết quả nghiên cứu trong quá khứ, hay xem xét các giả thuyết có liên quan để được kiểm định
Bước 1 :Xác định vấn đề
Trang 6Mua sắm là một thú vui 1 2 3 4 5 6 7
Tôi đi mua sắm kết hợp với ăn uống 1 2 3 4 5 6 7 Tôi tìm mua những gì đáng mua nhất khi đi mua sắm 1 2 3 4 5 6 7 Tôi không quan tâm đến việc khi mua sắm 1 2 3 4 5 6 7
Đi mua sắm giúp tiết kiệm được nhiều nhờ so sánh giá cả 1 2 3 4 5 6 7
Bước 1 :Xác định vấn đề
Mã hóa thành 6 biến:
V1 Mua sắm là một thú vui
V2 Mua sắm là tốn tiền
V3 Mua sắm kết hợp với ăn uống
V4 Cố gắng tìm mua những gì đáng mua nhất khi đi mua sắm
V5 Không quan tâm đến việc đi mua sắm
V6 Đi mua sắm có thể giúp tiết kiệm được tiền nhờ so sánh nhiều giá cả khác nhau
Không đồng ý đồng ý
Ví dụ (P80)
Trang 7• Chênh lệch tuyệt đối lớn nhất của các giá trị trên từng biến
• Căn bậc 2 của tổng các độ lệch bình phương của các giá trị trên từng biến của 2 đối tượng
• Tổng các độ lệch tuyệt đối của các giá trị trên từng biến
Bước 2: Chọn thước đo khoảng cách
Trang 8Song song Tuần tự Phân chia tối ưu
Không thứ bậc Thủ tục phân cụm
Bước 3: Chọn thủ tục phân cụm
Trang 9 Phân cụm thứ bậc là thủ tục được xây dựng theo một cấu trúc thứ bậc dạng hình cây Tiến hành theo cách tích tụ lại (agglomerative)
đối tượng thành các cụm nhỏ cho đến khi mỗi đối tượng là một cụm riêng.
đến khi tất cả các đối tượng nằm trong một cụm duy nhất.
Khoảng cách liên kết (linkage method)
Tổng độ lệch bình phương hay phương sai (error sum of squares
or variance method)
Khoảng cách trung tâm ( centroid method)
Phân cụm thứ bậc (hierarchical clustering)
Trang 10 Các phương pháp phân cụm tích tụ dựa vào các
khoảng cách liên kết
Khoảng cách
tối thiểu Cụm 1 Cụm 2
Khoảng cách
tối đa Cụm 1 Cụm 2
Phương pháp khoảng cách
liên kết đơn Phương pháp khoảng cách liên kết hoàn toàn
Khoảng cách
trung bình Cụm 1 Cụm 2
Phương pháp khoảng cách
liên kết trung bình
Phân cụm thứ bậc (hierarchical clustering)
Trang 11• Tính giá trị trung bình tất cả các biến cho từng cụm một.
• Tính khoảng cách Euclid bình phương giữa các phần tử trong cụm với trị trung bình của cụm.
Trang 12 Phương pháp phân cụm tích tụ dựa vào khoảng cách trung tâm
Khoảng cách trung tâm
Cứ mỗi lần các đối tượng được nhóm lại thì phải tính lại các trung tâm cụm
Trong số các phương pháp phân tích cụm tích tụ thì phương pháp khoảng cách trung tâm và thủ tục Ward
đã được chứng minh là có kết quả tốt hơn các phương pháp khác.
Phân cụm thứ bậc (hierarchical clustering)
Trang 13Phân cụm Không thứ bậc (Non - hierarchical clustering)
Thường được gọi là phân cụm K - means
Phương pháp bắt đầu tuần tự (sequential threshold) : quá trình bắt đầu từ một hạt giống cụm được chọn và tất cả các đối tượng cách hạt giống này trong một khoảng cách đã được định trước sẽ nhập vào cụm này.
Phương pháp bắt đầu song song (parallel threshold) : tương
tự như phương pháp ở trên nhưng có nhiều hạt giống được chọn và quá trình được tiến hành song song.
Phương pháp phân chia tối ưu (optimizing partitioning) : thủ tục này khác với hai phương pháp trên ở chổ các đối tượng sau khi phân vào một cụm nào đó sẽ có thể được phân lại vào cụm khác để thỏa một tiêu chuẩn tối ưu toàn bộ.
Trang 14• Phải thử xác định trước số cụm
• Lựa chọn hạt giống của cụm khá tùy ý
• Khối lượng tính toán ít hơn
• Thời gian thực hiện nhanh hơn
Phân cụm Không thứ bậc
(Non - hierarchical clustering)
Trang 15Bước 1: Mở file phantichcum.sav chọn Anlalyze → Classify → Hierarchical Cluster
Các bước phân cụm thứ bậc bằng SPSS
Trang 16Bước 2: Thiết lập các yếu tố cần thiết sau để thực hiện phân tích
Các bước phân cụm thứ bậc bằng SPSS
Trang 17Stage Cluster Combined Coefficients Stage Cluster First Appears Next Stage
Cluster 1 Cluster 2 Cluster 1 Cluster 2
Trang 18Case 4 Clusters 3 Clusters 2 Clusters
Trang 19Hình 14.7 Vertical Ichicle (p90)
Trang 20Hình 14.8: Dendrogram (p91)
Trang 21• Qui mô tương đối của các cụm
Trang 22Bước 4: Diễn tả và mô tả các cụm
Trang 23không quan tâm đến việc đi mua sắm
đi mua sắm giúp tiết kiệm được tiền nhờ
Bước 4: Diễn tả và mô tả các cụm
Bảng 14.2: Kết quả tính toán trung bình của các biến theo từng cụm (p93)
Cụm số 1 có trị trung bình lớn ở V1 và V3 => “nhóm quan tâm và thích thú
đi mua sắm”
Cụm số 2 có biến V5 => “nhóm thờ ơ với việc đi mua sắm”
Cụm số 3 có biến V2, V4, và V6 => “nhóm mua sắm quan tâm đến kinh tế”
Trang 24dữ liệu con này
Bỏ bớt một vài biến => thực hiện phân tích cụm trên tập hợp các biến còn lại => so sánh kết quả này với kết quả khi sử dụng hết các biến cần thiết.
Thực hiện phân tích cụm không thứ bậc nhiều lần với nhiều thứ
tự khác nhau => kết quả ổn định
Trang 25Các bước phân cụm không thứ bậc bằng SPSS
Bước 1: chọn Anlalyze → Classify → K – Means Cluster
Trang 26Các bước phân cụm không thứ bậc bằng SPSS
Bước 1: Đưa 6 biến vào ô Variables và thiết lập option như sau
Chọn 3 cụm
Trang 27a Convergence achieved due to no or
small change in cluster centers
The maximum absolute coordinate
change for any center is 000 The
current iteration is 2 The minimum
distance between initial centers is
7.746.
Diễn giải
Trang 28Bảng 14.3f: ANOVA
Cluster Error
F Sig Mean Square df Mean Square df
di mua sam la thu vui 29.108 2 608 17 47.888 000
di mua sam la ton tien 13.546 2 630 17 21.505 000 ket hop mua sam voi an uong 31.392 2 833 17 37.670 000 tim mua nhung gi dang mua nhat khi di mua sam 15.712 2 .728 17 21.585 .000khong quan tam viec di mua sam 22.538 2 816 17 27.614 000
co the tiet kiem nhieu khi so sanh gia ca 12.171 2 1.071 17 11.363 001 The F tests should be used only for descriptive purposes because the clusters have been chosen to maximize the differences among cases in different clusters The observed significance levels are not corrected for this and thus cannot be interpreted as tests of the hypothesis that the cluster means are equal.
Bảng 14.3g: Number of Cases in each Cluster
Trang 29So Sánh Phân tích nhân tố Phân tích biệt số Phân tích cụm
Khác nhau
Mục đích
sử dụng
Rút gọn và tóm lược nhiều biến nghiên cứu
có tương quan với nhau
để dễ dàng quản lý.
Tìm được quy tắc
để xếp một quan sát mới vào một trong những nhóm đã có
từ trước.
Phân loại đối tượng thành những nhóm nhỏ hoàn toàn khác biệt.
Số liệu đưa vào
Các biến được đo lường 1 cách thích hợp bằng thang đo định lượng (khoảng cách hay tỷ lệ)
- Biến phụ thuộc:
định tính (biến chia nhóm).
- Biến độc lập: định lượng
Tập hợp các biến định lượng có khả năng mô tả sự giống nhau giữa các đối tượng.
Quyết định
số nhóm
Hiểu biết trước về các nhóm để xây dựng qui tắc phân loại
Không có thông tin trước về các nhóm hay cụm.
SO SÁNH PHÂN TÍCH NHÂN TỐ - BIỆT SỐ - CỤM
Trang 30(Perceptual Map)
- Biểu diễn nhận thức của khách hàng hay khách hàng tiềm năng về đối tượng cần đánh giá.
- Định vị sản phẩm, dòng sản phẩm và thương hiệu của công ty so với đối thủ cạnh tranh.
- Bản đồ nhận thức được áp dụng trong rất nhiều trường hợp như: cảm nhận của học sinh, sinh viên đối với trường Đại học, nhận thức của các nhà đầu tư đối với các ngân hàng thương mại cổ phần chưa niêm yết…
Trang 31Một số biểu đồ Nhận thức minh họa
Bản đồ Nhận thức (Bản đồ Định vị) có rất nhiều đường, nhưng để đơn giản, các nhà marketing thường chỉ sử dụng hai chiều
Trang 32Ý nghĩa của Bản đồ Nhận thức
Giúp công ty hiểu được những suy nghĩ của khách hàng về công ty và đối thủ trong cùng thị trường. Ngoài ra, bản đồ nhận thức còn giúp công ty thiết lập chiến lược marketing hiệu quả thông qua việc:
- Xây dựng chiến lược cạnh tranh
- Xây dựng chiến lược truyền thông hiệu quả
- Xác định cơ hội mới trên thị trường
- Xây dựng chiến lược thương hiệu
Trang 33Quy trình lập Bản đồ Nhận thức
1 Multidimension scaling (MDS): đo lường và thể hiện các đối tượng trong không gian đa chiều hướng hay gọi là đo lường đa hướng. Thang đo khoảng.
2 Correspondence analysis (CA): phân tích và thể hiện sự tương hợp giữa các đối tượng với các thuộc tính, gọi là phân tích tương hợp. Thường là thang đo tỷ lệ.
Trang 34Ví dụ: Trong tiếp thị, chúng ta cần biết được khách hàng dựa vào các yếu tố nào cảm nhận về thương hiệu, qua hình logo, qua quảng cáo, các panno, áp phích…Khách hàng cảm nhận thương hiệu của Cty giống với thương hiệu nào nhất? yếu tố nào tạo nên
sự khác biệt chính cho thương hiệu của ta
Quy trình lập Bản đồ Nhận thức
Trang 35Ví dụ: Trong tiếp thị thì ta đánh giá vị trí của thương hiệu để xem chúng ta đã thực hiện tốt các công tác của chiến lượt định vị sản phẩm hay chưa? Nhận ra các yếu tố quan trọng để tạo sự khác biệt, phân khúc thị trường nào là hấp dẫn…
Quy trình lập Bản đồ Nhận thức
Trang 36Trên bản đồ không chỉ biểu diễn vị trí của thương hiệu khác nhau, mà còn thể hiện thị phần của từng thương hiệu
Quy trình lập Bản đồ Nhận thức
Trang 37-Sự trùng khớp với định hướng của công ty ?
-Đối thủ cạnh tranh có giống với điều mà công ty đang nghĩ ?
-Vị trí tiềm năng cho thương hiệu mới ?
Quy trình lập Bản đồ Nhận thức
Trang 381. Khoảng cách giữ 2 đối tượng thể hiện “mức độ giống nhau” của 2 đối tượng này theo cảm nhận của khách hàng.
2. Một véc tơ đoạn thẳng trên bản đồ biểu thị độ lớn và chiều hướng trong không gian Euclid của các thuộc tính
Quy trình lập Bản đồ Nhận thức
Trang 41Thực hành Bản đồ Nhận thức - MDS
Trang 42(2)
(1): Chọn các biến chứa điểm đánh giá cần chạy.(2): Chọn tab Summary Statistics
Thực hành Bản đồ Nhận thức - MDS
Kỹ thuật phân tích đo lường đa hướng
Trang 43Thực hành Bản đồ Nhận thức -
MDSKỹ thuật phân tích đo lường đa hướng
Trang 44Thực hành Bản đồ Nhận thức -
MDSKỹ thuật phân tích đo lường đa hướng
Trang 45Sau khi chạy được 5 bảng, coppy qua Excel
lập bảng như sau
Trang 47Bước 2: chạy lệnh MDS để chuyển dữ liệu đánh giá các
TH theo các thuộc tính thành các khoảng cách phản ánh mức độ giống nhau trong không gian đa chiều hướng.
Thực hành Bản đồ Nhận thức - MDSKỹ thuật phân tích đo lường đa hướng
Trang 48(2)
Thực hành Bản đồ Nhận thức -
MDSKỹ thuật phân tích đo lường đa hướng
Trang 50tính trong không gian 2 chiều
Thực hành Bản đồ Nhận thức -
MDSKỹ thuật phân tích đo lường đa hướng
Trang 53Thực hành Bản đồ Nhận thức - MDSKỹ thuật phân tích đo lường đa hướng
Trang 54Bước 3: Vẽ bản đồ vị trí
Chọn Simple Scatter
Thực hành Bản đồ Nhận thức -
MDSKỹ thuật phân tích đo lường đa hướng
Trang 552
34
(1) Chọn các biến để vào vị trí
thích hợp (2) Chọn tab Option >> chọn
nut Display Chart
Thực hành Bản đồ Nhận thức - MDSKỹ thuật phân tích đo lường đa hướng
Trang 56Thực hành Bản đồ Nhận thức -
MDSKỹ thuật phân tích đo lường đa hướng
Trang 59Thực hành Bản đồ Nhận thức - CA
Kỹ Thuật Tương Hợp
Bước 2: Sắp xếp tần số trong Excel và chuẩn bị dữ liệu thực hiện CA
Sắp xếp tần số đã chạy
được bên SPSS,
copy qua Excel lập
thành bảng
Trang 61Thực hành Bản đồ Nhận thức - CA
Kỹ Thuật Tương Hợp
Trong Data View
dung dữ liệu (tanso)
bên Excel vào cột
Trang 62Thực hành Bản đồ Nhận thức - CA
Kỹ Thuật Tương Hợp
Trang 63Thực hành Bản đồ Nhận thức - CA
Kỹ Thuật Tương Hợp
Bước 3: Thực hiện CA và hiệu chỉnh bản đồ
Trang 64Thực hành Bản đồ Nhận thức - CA
Kỹ Thuật Tương Hợp
Trang 65Thực hành Bản đồ Nhận thức - CA
Kỹ Thuật Tương Hợp
Trang 66Thực hành Bản đồ Nhận thức - CA
Kỹ Thuật Tương HợpBản đồ thể hiện vị trí các thương hiệu đã điều chỉnh định dạng
Trang 67BÀI BÁO MINH HỌA
Phân tích cụm
Phân khúc thị trường du lịch sinh thái tại thành phố Cần
Quỳnh Như Khoa Kinh tế - QTKD, Trường Đại học Cần
Thơ.
Phân khúc thị trường dựa trên sở thích: một nghiên cứu
về sở thích các loại món ăn ở thanh thiếu niên
Preference-based segmentation: A study of food category
preferences among teenagers Vũ Thị Hoa và Đặng Hoàng
Xuân Huy Khoa Kinh tế - Đại học Nha Trang
Trang 68 Biểu đồ nhận thức
đánh giá 100 nhận thức hiệu quả)
Tác giả: Yaliang Chuang * and Lin-Lin Chen
Graduate School of Design, National Taiwan University of
Science and Technology, Taipei, Taiwan
bành’
BÀI BÁO MINH HỌA
Trang 69Bản đồ nhận thức How to Rate 100 Visual Stimuli Efficiently
Trang 70Một số bài nghiên cứu khác