「統計学関連なんでもあり」の過去ログ--- 045

No.17176　K-means法初心者です。　　【やました】　2012/07/13(Fri) 14:10

アンケートの回答をしてくれた人（サンプル数）は120人。
質問項目は14項目。
その質問項目のうち，二つは数値を直接入力してもらうもので，0～最大で100までの数値がランダムに入っています。
残りの12項目は，「○○には満足していますか？」というもので，3が満足している，2がどちらでもない，1が満足していない，という3段階のデータです。

とりあえず，K-meansで解析してみたところ，感覚にも合うし，面白い結果が出たのですが，上司から，「カテゴリデータで本当に分析できるのか確認するように」といわれ，ネットで検索してみた所，どうもダメな感じがします。

せっかく面白い結果がでたのに，使えないと知って，かなり悔しいのですが，なぜダメなのでしょうか。
ある空間上にある点の重心を求めて，近いものを集めるという方法なら，たとえ0と1のデータでも12軸もあったらできそうな気がするのですが。。。

また，そのあたりが，わかりやすく書いてある本やホームページのサイトがあったら，教えていただけないでしょうか。

最近，クラスタを始めたばかりの初心者なので，不可思議なことを書いているかもしれませんが，どうかよろしくお願いします。

また，この質問は他の掲示板（○ahoo!）で質問したのですが，回答が得られず，さらに困っています。
どうかよろしくお願いします！！！

No.17177　Re: K-means法初心者です。　　【青木繁伸】　2012/07/13(Fri) 14:17

> 残りの12項目は，「○○には満足していますか？」というもので，3が満足している，2がどちらでもない，1が満足していない，という3段階のデータ

が，問題なわけです。
1,2,3 の平均値を取れないでしょう（取ったとしても，正しいかどうか疑問でしょう）

あなたが「たとえ0と1のデータでも」といっているように，0/1 データ（ダミー変数）ならば平均値を取れます（比率になるので意味もあります）。

ですから，1,2,3 をダミー変数にすればよいのです。カテゴリーが3個の場合，2つのダミー変数を使います。ので，12個のカテゴリー変数の場合，計24個のダミー変数を使うことになります。

No.17178　Re: K-means法初心者です。　　【やました】　2012/07/13(Fri) 14:19

はじめましての挨拶が抜けました。
失礼しました。

私は重回帰分析は，かなりやってきたのですが，k-means法を使うように上司から言われて，参考資料もあまり良いものがなくて困っています。
これから買いに行こうと思っています。

使っているソフトはSPSSとstat warksです。

一生懸命勉強しますので，どうかよろしくお願いします。

No.17181　Re: K-means法初心者です。　　【やました】　2012/07/13(Fri) 17:53

私の始めましての挨拶より先に回答いただいてしまって，すみません。

>12個のカテゴリー変数の場合，計24個のダミー変数を使うことになります。

ここの部分ですが，質問させてください。

?
カテゴリ1 みかんが好き＝1　嫌い＝2
カテゴリ2 りんごが好き＝3　嫌い＝4
カテゴリ3 スイカが好き＝5　嫌い＝6
　　　…　　　　　　　…
カテゴリ12 メロンが好き＝23　嫌い＝24

という1～24のダミー変数ならできるという意味ですか？

?
カテゴリ1～12全てにおいて，
「好き＝1，嫌い＝0」
という意味でしょうか？

?は私的には，k-meansの空間上にある点の重心を求めて，近いものを集めるという方法ならできそうな気がするのですが，実はstatworksのサービスセンターに問い合わせたところ，1/0はできないと言われています。

No.17184　Re: K-means法初心者です。　　【青木繁伸】　2012/07/14(Sat) 09:20

> 3が満足している，2がどちらでもない，1が満足していない

各問ごとに2つのダミー変数を用意するというのは，
　　　　　　　　　ダミー変数1　ダミー変数2
満足している　　　　　　0　　　　　　0
どちらでもない　　　　　1　　　　　　0
満足していない　　　　　0　　　　　　1
のようにするということです。
元の変数ダミー変数1　ダミー変数2
3　　　　　　　0　　　　　　　1
1　　　　　　　0　　　　　　　0
1　　　　　　　0　　　　　　　0
2　　　　　　　1　　　　　　　0
3　　　　　　　0　　　　　　　1
2　　　　　　　1　　　　　　　0
のように1つの変数のデータが2つのダミー変数のデータとして使われるということです。

ダミー変数についてちゃんと理解するために，
http://aoki2.si.gunma-u.ac.jp/lecture/Regression/mreg/dummy-variable/dummy.html
なども参照してください。

> statworksのサービスセンターに問い合わせたところ，1/0はできないと言われています。

あなたの質問をちゃんと理解してもらえなかったのかな？
0/1 データであっても，距離も平均もちゃんと計算できます。

丸付き数字を使わないように

No.17192　Re: K-means法初心者です。　　【やました】　2012/07/15(Sun) 16:47

青木先生

大変丁寧な回答ありがとうございます。
その方法で計算してみます。

k-meansは初心者で，参考にできそうな資料も少なくて，困っていた所です。
これからもう少し勉強して，次はもう少しまともな質問ができたらと思っています。

丸付き数字も，申し訳ありませんでした。