|
|
Analýza úrovně kvality života pomocí shlukové analýzy a porovnání s Human Development Indexem
Pánková, Barbara ; Miskolczi, Martina (vedoucí práce) ; Langhamrová, Jana (oponent)
Kvalita života je v dnešní době často skloňovaným tématem. Při vymezování tohoto pojmu však panuje nejednoznačnost a nejednotnost, jelikož neexistuje ani všeobecně přijímaná definice, ani teoreticky propracovaný model. Nicméně, i přes tento fakt je úroveň lidského života v současné době jedním z nejdiskutovanějších témat. Sledováním kvality života pomocí různých indikátorů se zabývá celá řada světových organizací, jako například Rozvojový program Organizace spojených národů. Tato organizace každoročně publikuje index lidského rozvoje, který rozděluje státy celého světa do čtyř skupin, dle jejich celkového rozvoje, a to na státy s nízkým, středním, vysokým a velmi vysokým rozvojem. Cílem této diplomové práce je analyzovat kvalitu života ve 125 zemích světa pomocí shlukové analýzy, přesněji Wardovy metody. Kvalita života je v této práci hodnocena na základě 19 demografických a ekonomických ukazatelů, mezi něž patří například střední délka života, míra gramotnosti, dostupnost pitné vody nebo kojenecká úmrtnost. Shluková analýza rozdělila země do jednotlivých shluků podle podobnosti. Celkem bylo vytvořeno 6 shluků, které byly následně porovnány s výsledky indexu lidského rozvoje. Shluky, které na základě analýzy vznikly, velmi dobře vystihují dělení, které se běžně používá při charakteristice rozvojových a rozvinutých zemí. Každý ze šesti výsledných shluků lze velmi dobře popsat a charakterizovat z hlediska kvality života, a označit ho jako stát nejchudší rozvojový, rozvojový, mírně rozvinutý, středně rozvinutý, rozvinutý či velmi rozvinutý. Na základě výsledků lze konstatovat, že provedená analýza je konzistentní s dalšími indikátory kvality života a výsledné shluky se do velké míry překrývají s rozvrstvením, které se běžně používá.
|
|
|
Shluková a regresní analýza mikropanelových dat
Sobíšek, Lukáš ; Pecáková, Iva (vedoucí práce) ; Komárek, Arnošt (oponent) ; Brabec, Marek (oponent)
Panelové studie se provádí především za účelem analýzy změn hodnot sledovaných proměnných v čase. V mikropanelovém výzkumu se sleduje velké množství objektů periodicky během relativně krátkého časového úseku (v řádu let). Počet opakovaných měření je v řádu jednotek. Tato práce se věnuje stávajícím přístupům k regresní a shlukové analýze mikropanelových dat. Jedním z přístupů k analýze mikropanelu je využití modifikovaných vícerozměrných statistických modelů pro průřezová data, které zohledňují korelaci měření pro daný objekt. V práci jsou shrnuty dostupné nástroje pro regresní analýzu mikropanelových dat. Kromě rekapitulace známých a užívaných smíšených lineárních modelů pro normálně rozdělenou závisle proměnnou jsou stručně představeny nové přístupy pro analýzu vysvětlovaných proměnných s jiným než normálním rozdělením. Mezi ně patří například zobecněný lineární marginální model, zobecněný lineární model se smíšenými efekty a bayesovský přístup. Kromě popisu těchto modelů je uveden stručný přehled jejich implementace v systému R. S regresními modely upravenými pro mikropanelová data je spjato úskalí v nejednoznačnosti odhadu jejich parametrů. V práci je navrženo, jak zpřesnit odhady pomocí shlukové analýzy. Proto jsou v práci popsány metody shlukové analýzy mikropanelových dat. Vzhledem k tomu, že nabídka metod je omezená, hlavním cílem práce bylo navrhnout vlastní dvoukrokový postup shlukování mikropanelových dat. V prvním kroku jsou transformována panelová data na statická pomocí skupiny navržených charakteristik dynamiky, které reprezentují různé vlastnosti časového vývoje sledované proměnné. Ve druhém kroku jsou shlukovány objekty konvenčními prostorovými technikami (aglomerativní shlukování a metoda C-průměrů) na základě matice nepodobnosti hodnot shlukovacích proměnných spočítaných v prvním kroku. Dalším cílem práce je zjistit, zda navržený postup shlukování vede ke zkvalitnění regresních modelů pro tento typ dat. Pomocí simulační studie je porovnáván navržený shlukovací přístup s postupem aplikovaným v balíčku kml systému R a se shlukovacími charakteristikami, které navrhuje Urso (2004). V provedené studii dosáhla kombinace navržených shlukovacích proměnných lepších výsledků než používané skupiny shlukovacích proměnných. Dalším přínosem práce je skript napsaný pro jazyk R přiložený na CD. Tento skript je možno použít pro analýzu vlastních mikropanelových dat.
|
|
|
Shluková analýza jako nástroj klasifikace objektů
Budilová, Šárka ; Löster, Tomáš (vedoucí práce) ; Šulc, Zdeněk (oponent)
Shluková analýza dat je oblíbená klasifikační metoda vícerozměrné statistiky. Pomocí této metody lze klasifikovat zkoumané objekty na základě jejich vzájemných podobností, tj. rozdělit je do několika skupin, respektive shluků. Výsledky shlukování mohou být při zvolení různých metod, měr vzdáleností a postupů odlišné. Cílem této diplomové práce je srovnání úspěšnosti zařazení objektů do známých klasifikačních tříd v rámci zvolených metod a postupů. Celkem bylo analyzováno 15 různých datových souborů, z nichž každý obsahoval známou informaci o zařazení objektů do skupin. Úspěšnost zařazení dané metody byla vypočtena na základě porovnání známých klasifikačních tříd a vzniklých shluků. Kromě porovnání úspěšnosti vybraných metod shlukové analýzy byl v rámci každé metody zkoumán vliv standardizace a korelace na úspěšnost zařazení jednotlivých objektů. Pro vyjádření vzdálenosti mezi objekty byla využita euklidovská čtvercová vzdálenost. Výsledky práce poukazují na lepší úspěšnost zařazování objektů v případě zachování korelovaných proměnných v datovém souboru. Před standardizací zařadily metody v průměru 69,8 % objektů a po standardizaci 70,8 % objektů do správných klasifikačních tříd. Úspěšnost zařazení byla v průměru o dva procentní body vyšší než v případě vypuštění korelovaných proměnných. Výsledky dále také ukazují značnou důležitost standardizace v případě Wardovy metody. Po provedené standardizaci datového souboru je Wardova metoda v průměru o devět procentních bodů úspěšnější a zařazuje do správných klasifikačních tříd nejvíce objektů. Při zachování korelovaných proměnných a po standardizaci dat činí úspěšnost této metody 76,4 %. Standardizace pozitivně ovlivňuje také centroidní metodu a metodu nejvzdálenějšího souseda. Při ponechání původních, nestejnoměrných proměnných zařazují objekty naopak lépe mediánová metoda, metoda nejbližšího souseda a metoda průměrné vazby.
|
|
|
Diskriminační a shluková analýza jako nástroj klasifikace objektů
Rynešová, Pavlína ; Löster, Tomáš (vedoucí práce) ; Řezanková, Hana (oponent)
Shluková a diskriminační analýza patří mezi základní klasifikační metody. Pomocí shlukové analýzy lze neuspořádanou skupinu objektů uspořádat do několika vnitřně sourodých tříd či shluků. Diskriminační analýza vytváří na základě znalosti příslušností již existujících tříd klasifikační pravidlo, podle kterého lze následně zařadit jednotky s neznámou skupinovou příslušností. Cílem této práce je srovnání diskriminační analýzy a vybraných metod shlukové analýzy. K vyjádření vzdáleností mezi objekty je v rámci každé metody shlukové analýzy využita čtvercová Euklidovská a Mahalanobisova vzdálenost. Celkem je v práci analyzováno 28 souborů. V případě ponechání korelovaných proměnných v souboru a aplikování čtvercové Euklidovské vzdálenosti nejúspěšněji zařadila objekty do shluků Wardova metoda (42,0 %). Po změně metriky na Mahalanobisovu vzdálenost se nejúspěšnější stala metoda nejvzdálenějšího souseda (37,5 %). Po odstranění silně korelovaných proměnných a aplikování metod s Euklidovskou metrikou zařadila objekty nejúspěšněji v nejvíce souborech opět Wardova metoda (42,0 %). Z výsledků práce dále vyplývá, že shluková analýza je úspěšnější u dat bez korelovaných proměnných než při jejich ponechání v souboru. Průměrný výsledek diskriminační analýzy u dat s korelovanými proměnnými i u dat bez korelovaných proměnných činí 88,7 %.
|
|
|
Hodnocení úspěšnosti metod shlukové analýzy
Maršálková, Kateřina ; Löster, Tomáš (vedoucí práce) ; Makhalova, Elena (oponent)
Shluková analýza dat je jednou z klasifikačních metod vícerozměrné statistické analýzy. Jejím úkolem je především zatřídění objektů do shluků tak, aby si objekty uvnitř těchto shluků byly co nejvíce podobné. Cílem této práce je vyhodnotit úspěšnosti zařazení objektů pomocí šesti hierarchických metod shlukové analýzy. K vyjádření vzdáleností mezi objekty je využita čtvercová Euklidovská vzdálenost a Mahalanobisova vzdálenost. Vyhodnocení úspěšnosti metod probíhá díky informaci, do jakého shluku daný objekt patří, která je již obsažena v datových souborech. Práce poukázala na Wardovu metodu jako v průměru nejúspěšnější hierarchickou metodu v roztřídění objektů do shluků, jelikož právě tato metoda byla u většiny datových souborů úspěšnější v roztřídění objektů než zbylé hierarchické metody, a to jak v případě ponechání korelovaných proměnných v datovém souboru, tak při odstranění těchto proměnných. Z výsledků práce vyplývá, že pro nejvyšší úspěšnost zařazení objektů do shluků by měl být datový soubor očištěn o korelované proměnné. Pokud očištěn nebude, dosáhnou metody lepších výsledků, jestliže budou vzdálenosti objektů měřeny Euklidovskou metrikou.
|
host ::
RSS.