Resumen de El análisis de conglomerados bietápico o en dos fases con SPSS

María José Rubio Hurtado, Ruth Vilà Baños

• español

  El procedimiento de análisis de conglomerados en dos fases, también llamado bietápico, es una herramienta de exploración diseñada para descubrir las agrupaciones naturales de un conjunto de datos, permitiendo así la generación de criterios de información, frecuencias de los conglomerados y los estadísticos descriptivos por conglomerado, gráficos de barras, sectores y gráficos de importancia de las variables. El método de análisis de conglomerados en dos fases tiene unas características únicas respecto a otros métodos de conglomeración tradicionales, que son las siguientes: un procedimiento automático del número óptimo de conglomerados, la posibilidad de crear modelos de conglomerados con variables tanto categóricas como continuas y la opción de trabajar con archivos de datos de gran tamaño.

• català

  El procediment d'anàlisi de conglomerats en dues fases, també anomenat bietàpic, és una eina d'exploració dissenyada per descobrir les agrupacions naturals d'un conjunt de dades, permetent la generació de criteris d'informació, freqüències dels conglomerats, i els estadístics descriptius per conglomerat, així com gràfics de barres, sectors i gràfics d'importància de les variables. El mètode d'anàlisi de conglomerats en dues fases té unes funcions úniques respecte a altres mètodes de conglomeració tradicionals, com són: un procediment automàtic del nombre òptim de conglomerats, la possibilitat de crear models de conglomerats amb variables tant categòriques com contínues, o la possibilitat de treballar amb arxius de dades de grans dimensions.

• English

  The method of cluster analysis in two phases, also called two-step, is an exploratory tool designed to reveal natural groupings of a data set, allowing the generation of information criteria, cluster frequencies, and descriptive statistics by cluster as well as bar and sector charts, and graphs of relevance for the variables. The method of two-step cluster analysis phases has unique features over other methods of traditional clustering, such as: an automatic procedure for calculating the optimal number of clusters, the ability to create models of clusters with both categorical and continuous variables, or the possibility of working with large data files.