Academia de Studii Economice Bucuresti Facultatea de Cibernetica, Statistica si Informatica Economica

Proiect Analiza Datelor Analiza in compomemte principale si analiza claselor ierarhice

Bucuresti – 2009 Proiectul isi propune sa analizeze progresul tehnologic in 24 tari cu un nivel mediu de dezvoltare umana. Datele prelucrate sunt din 2005 iar sursa este Human Development Raport 2007/2008. Scopul acestei analize este de a estima tara cea mai avantajoasa din punct de vedere a dezboltarii tehnologice. Analiza in componente principale

2

Case Summariesa abonati_ utilizator Tara 1 2 3 4 Kazakhstan Colombia Thailand China Turkey Peru Ecuador Philippines Tunisia Iran Paraguay Sri Lanka El Salvador Nepal Madagascar Viet Nam Indonesia Nicaragua Egypt Bolivia India Pakistan Bangladesh South Africa 24 tizare 99.5 92.8 92.6 90.9 87.4 87.9 91.0 92.6 74.3 82.4 93.5 90.7 80.6 48.6 70.7 90.3 90.4 76.7 71.4 86.7 61.0 49.9 47.5 82.4 24 fonie 167 168 110 269 263 80 129 41 125 278 54 63 141 17 4 191 58 43 140 70 45 34 8 101 24 l 327 479 430 302 605 200 472 419 566 106 320 171 350 9 27 115 213 217 184 264 82 82 63 724 24 t 27 104 110 85 222 164 47 54 95 103 34 14 93 4 5 129 73 27 68 52 55 67 3 109 24 atori 629 109 287 708 341 226 50 48 1013 1279 79 128 47 59 15 115 207 73 493 120 119 75 51 307 24 consum e ) 1.5 57.1 .7 122.3 1.4 176.6 2.1 2234. 3 _saracie 18.2 7.9 10.0 11.7 9.2 11.6 8.7 15.3 17.9 12.9 8.8 17.8 15.1 38.1 35.8 15.2 18.2 17.9 20.0 13.6 31.3 36.2 40.5 23.5 24 Populati a 57.3 72.7 32.3 40.4 67.3 72.6 62.8 62.7 65.3 66.9 58.5 15.1 59.8 15.8 26.8 26.4 48.1 59.0 42.8 64.2 28.7 34.9 25.1 59.3 24 ngajati 7182 18217 36302 737400 22047 3400 3892 32875 3315 19760 2247 6943 2526 7459 8099 42316 94948 1953 18119 2091 308760 38882 44322 11622 24

alfabe linii_tele tel_mobi i_interne cercet _energi PIB($ indicele e_urban numar_a

5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

1.1 362.5 .4 79.4 .8 36.5 .7 99.0 .9 28.7 1.3 189.8 1.0 7.3

1.3 23.5 .6 17.0 1.0 .1 7.4 5.0

3.2 52.4 .8 287.2 .4 4.9

.9 89.4 .4 9.3

.8 805.7 .6 110.7 1.1 60.0 .2 239.5 24 24

Total N

In vederea clasificarii tarilor se urmareste reducerea dimensionalitatii, adica aflarea unor indicatori relevanti pentru analiza, indicatori sintetici redusi din cei initiali, pe baza carora datele pot fi interpretare mai usor. Pentru aceasta se foloseste tehnica analizei componentelor principale pe baza matricei de corelatie. Componentele noi vor exprima atribute noi ale tarilor si sunt construite in asa fel incat

3

sa fie necorelate intre ele, fiecare dintre aceste noi variabile fiind o combinatie liniara de variabile originale. Variabilele luate in considerare sunt: • alfabetizare- Gradul de alfabetizare a adultilor de peste 15 ani in anul 2005; • linii_telefonice - Numatul de linii de telefonice la 1000 de persoane in 2005; • abonati_tel_mobil - numarul de telefoane mobile la 1000 de persoane in 2005; • utilizatori_internet - numarul utilizatorilor de internet la 1000 de persoane in 2005; • cercetatori – numar de cercetatori la milionul de locuitori in 2005; • consum_energie- consumul de energie pe cap de locuitor(%) din totalul de energie consumata in 2005; • PIB – miliarde $ (us) 2005; • indicele saracie- indicele de saracie umana, valoare procentuala in 2005( cu cat valoarea sa este mai mare cu atat poporul e mai sarac); • populatie_urbana- % din totalul populatiei 2005; • numar_angajati- numarul de angajati (mii) in anul 2005. In prima etapa calculam analiza descriptiva a variabilelor si calculam indicatorii de centrare si imprastire, cum este media, valoarea minima si valoarea maxima, abaterea standard.

Descriptive Statistics N alfabetizare linii_telefonie abonati_tel_mobil utilizatori_internet cercetatori consum_energie PIB($) indicele_saracie Populatie_urbana numar_angajati Valid N (listwise) 24 24 24 24 24 24 24 24 24 24 24 Minimum 47.5 4 9 3 15 .1 4.9 7.9 15.1 1953 Maximum 99.5 278 724 222 1279 3.2 2234.3 40.5 72.7 737400 Mean 80.492 108.29 280.29 72.67 274.08 .971 212.729 18.975 48.533 61444.88 Std. Deviation 15.1709 81.464 194.343 52.977 328.794 .6531 464.2796 10.0238 18.5972 157025.456 Variance 230.156 6636.303 37769.259 2806.580 108105.819 .427 215555.590 100.476 345.857 2.466E10

4

Tabelul Descriptive Statistics contine informatii despre fiecare variabila analizata independent. Din tabel aflam ca pentru variabila gradului de alfabetzare la adulti (peste 15 ani) valoarea maxima este 99.5 iar cea medie este de 80.49 de unde putem concluziona ca desi analizam tari medii din punct de vedere al dezvoltarii umane, gradul de alfabetizare este in medie destul de ridicat. Desi reteaua telefonica nu este foarte bine dezvoltata, existant maxim 278 linii telefonice la 1000 de persoane, numarul maxim al utilizatorilor de telefon mobil este aproximativ triplu 724 la acelasi numar de persoane. Gradul de raspandire a telefoniei mobile in aceste tari este mult mai ridicat decat cel al utilizarii internetului, care are valoarea medie de 72.67 la mia de locuitori. Valoarea medie a consumului de energie pe cap de locuitar a tarilor analizate este 3.2, aceasta variabila avand varianta cea mai mica, 0.427, ceea ce ne arata ca este si cea mai omogena variabila, dar si cea mai stabila, avand abaterea standard cea mai mica, 0.6531. Populatia in aceste tari este predominant rurala, indicele populatiei urbane avand media 48.533. Tot in urma analizei descriptive se obtin si standardizarile variabilelor initiale. Pentru analiza in componente principale se vor folosi variabilele standardizate, evitand in acest fel discrepantele dintre valori ce ar putea fi datorate unitatilor de masura diferite. Informatiile astfel exprimate in forma standardizata, in unitati standard de abatere medie patratitica, se afla in tabelul de mai jos:

5

Case Summariesa Zscore(al Zscore(li Zscore(a Zscore(ut Zscore(c Zscore(c Tara 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 Kazakhstan Colombia Thailand China Turkey Peru Ecuador Philippines Tunisia Iran Paraguay Sri Lanka El Salvador Nepal Madagascar Viet Nam Indonesia Nicaragua Egypt Bolivia India Pakistan Bangladesh South Africa 24 e) 1.25295 .81131 .79813 .68607 .45537 .48832 .69266 .79813 -.40813 .12579 .85745 .67289 .00714 nie) .72067 .73295 .02097 1.97276 1.89911 -.34729 .25420 -.82603 .20510 2.08324 -.66645 -.55597 .40151 l_mobil) .24034 1.02246 .77033 .11170 1.67080 -.41314 .98644 .71373 1.47012 -.89682 .20432 nternet) -.86201 .59145 .70471 .23280 2.81882 1.72401 -.48449 -.35235 .42157 .57257 -.72987 ) 1.07945 -.50209 .03928 1.31972 .20352 -.14624 -.68153 -.68761 2.24735 3.05637 -.59333 -.44430 -.69065 -.65416 nergie) .81027 -.41471 .65715 1.72901 .19778 -.87407 -.26158 -.41471 -.10846 .50403 .04466 .50403 -.56783 .04466 PIB($) -.33521 Zscore(in Zscore(P Zscore(nu racie) -.07732 urbana) .47140 1.29948 -.87289 -.43734 1.00911 1.29410 .76714 .76176 .90157 .98760 .53592 jati) -.34557 -.27529 -.16012 4.30475 -.25090 -.36965 -.36652 -.18194 -.37019 -.26547 -.37700 -.34709 -.37522 -.34380 -.33973 -.12182 .21336 -.37887 -.27592 -.37799 1.57500 -.14369 -.10905 -.31729 24

fabetizar nii_telefo bonati_te ilizatori_i ercetatori onsum_e Zscore: dicele_sa opulatie_ mar_anga

-.19477 -1.10487 -.07782 4.35421 .32259 -.28717 -.89537 -.72578 -.97518 -.73575

-.37958 -1.02506 -.24496 -.39638 -.04939 -.36663 -.10725 -.60606

-.44247 -1.01509 -.40758 -.42158 -.44225 -.44742 -.34533 .16040 -.44764 -.26564 -.43816 1.27718 -.21976 -.32896 .05766 24

-.56236 -1.10740 .35869 .38381

-.11722 -1.79776 -.38658 .60582

-2.10216 -1.12064 -1.39594 -1.29616 -.64542 -1.28023 -1.30332 -1.27728 .64652 .65311 -.24993 -.59928 .40923 -1.28481 -2.01647 1.01528 -.61735 -.80148 .38923 -.47005 -.85051 -.34625 -.32567 -.49547 -.08383 1.06335 .00629 -.86201 -.08809 -.39011 -.33348 -.10696

1.90797 -1.76012 1.67851 -1.16863 -.37660 -1.19014 -.07732 -.10725 .10226 -.53623 -.02330 .56281 -.30829 .84242

-.78798 -1.33344 -.48384 -.20403 -.61158 .66582 -.46863 -.47167 -.60549 -.67849 3.41335 -.26158 -.87407 -.10846 -.87407 -.26158 -.56783 .19778

-.77693 -1.02032 -.91196 -1.02032

1.22958 -1.06647 1.71842 -.73308

-2.17467 -1.23112 -1.11808 -1.31503 .12579 24 -.08951 24 2.28312 24 .68583 24

2.14740 -1.26004 .45143 24 .57894 24

.10011 -1.18032 24 24

Total N

a. Limited to first 100 cases.

In urma standardizarii, variabilele, anterior exprimate in unitati de masura diferite, sunt perfect comparabile intre ele si se pot realiza topuri ale tarilor in functie de fiecare variabila individuala. De exemplu intr-un top al tarilor cu cel mai mare grad de alfabetizare pe primul loc se afla Kazakhstan,urmata de Paraguay si Colombia iar la urma clasamentului se afla Bangladesh. De asemeni, din punct de vedere al indicelui de saracie, cele mai bogate tari din cele analizate sunt: Colombia si Paraguay iar cele mai sarace Bangladesh, Nepal si Madagascar.

6

Pentru a realiza scopul propus de Analiza in componente principale, se calculeaza mai intai matricea corelatiilor variabilelor, o matrice patratica de dimensiune 8x8 in cazul de fata. Matricea de corelatie, Correlation Matrix, care se obtine prin utilizarea variabilelor standardizate este:

Correlation Matrixa Zscore( Zscore( Zscore(l abonati Zscore(ut Zscore( Zscore(c alfabeti inii_tele _tel_mo ilizatori_i cercetat onsum_e Zscore: zare) Correlati Zscore(alfabeti on zare) Zscore(linii_tel efonie) Zscore(abonati _tel_mobil) Zscore(utilizat ori_internet) Zscore(cerceta tori) Zscore(consu m_energie) Zscore: PIB($) Zscore(indicel e_saracie) Zscore(Popula tie_urbana) Zscore(numar _angajati) a. Determinant = 1.23E005 1.000 fonie) .480 bil) .528 nternet) .352 ori) .167 nergie) .246 PIB($) .092 Zscore(i ndicele Zscore(P Zscore(nu _saraci opulatie_ mar_angaj e) -.882 urbana) .505 ati) .026

.480

1.000

.369

.637

.658

.525

.429

-.610

.386

.323

.528

.369

1.000

.494

.175

-.142

.038

-.577

.627

-.083

.352

.637

.494

1.000

.284

.180

.159

-.534

.481

.035

.167

.658

.175

.284

1.000

.260

.285

-.255

.300

.214

.246

.525

-.142

.180

.260

1.000

.333

-.219

-.338

.358

.092

.429

.038

.159

.285

.333

1.000

-.107

-.110

.983

-.882

-.610

-.577

-.534

-.255

-.219

-.107

1.000

-.655

-.026

.505

.386

.627

.481

.300

-.338

-.110

-.655

1.000

-.206

.026

.323

-.083

.035

.214

.358

.983

-.026

-.206

1.000

Matricea de corelatie ofera informatii cu privire la ‘taria’ legaturii dintre variabile si, deasemenea, in functie de valorile coeficientilor ne putem da seama de cate componente principale este necesar in cadrul analizei.

7

Din analiza matricei de corelatie se observa faptul ca cea mai puternica legatura, 0.983 este intre variabila produsului intern brut si cea a numarului de angajati, urmata de corelatia puternicade 0.92 intre produsul intern brut si gradul de alfabetizare. Din analiza matricei de corelatie deducem faptul ca pentru a caracteriza datele initiale avem nevoie de aproximativ trei variabile artificiale. Continutul informational total al datelor initiale, care reprezinta de fapt varianta generalizata calculata ca determinant al matricei de covarianta, este 1.23E-005. Tabelul Communalities ne arata influenta variabilelor luate in studiu.

Communalities Initial Zscore(alfabetizare) Zscore(linii_telefonie) Zscore(abonati_tel_mobil) Zscore(utilizatori_internet) Zscore(cercetatori) Zscore(consum_energie) Zscore: PIB($) Zscore(indicele_saracie) Zscore(Populatie_urbana) Zscore(numar_angajati) 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 Extraction .655 .850 .705 .530 .371 .916 .979 .824 .842 .957

Extraction Method: Principal Component Analysis.

Din acest tabel reiese faptul ca toate variabilele folosite contribuie major la explicarea variabilelor artificiale obtinute ulterior(cu exceptia variabilei a 5-a reprezentand numarul cercetatorilor la mia de persoane, fiecare dintre ele, in rest, avand o cantitate de informatie recuperata de peste 40%, dupa cum reiese din coloana Extraction. Din analiza acestuia se observa ca variabila 7 are o contributie majora la explicarea variabilelor artificiale care se obtin ulterior. Cantitatea de informatie recuperata din acesta variabila este de 0.979, urmata in aproape de ultima variabila care recupereaza 0.957 din informatie, dupa cum reiese din coloana Extraction din tabelul de mai sus. Pentru a stabili numarul de componente principale necesare, se folosesc informatiile din tabelul Total Variance Explained. Tabelul ne ofera informatii cu privire la valoriile proprii ale matricei de corelatie, dar si informatii referitoare la componentele principale si cantitate de informatie retinuta de acestea. O valoare proprie mai mare decat 1, pentru o componenta, indica faptul ca acea componenta are o contributie mai mare decat a unei variabile initiale, deci este indicat a fi extrasa.

8

Total Variance Explained Compo nent 1 2 3 4 5 6 7 8 9 10 Total 4.053 2.515 1.061 .970 .647 .391 .168 .115 .076 .003 Initial Eigenvalues % of Variance 40.533 25.152 10.605 9.704 6.475 3.907 1.682 1.153 .757 .031 Cumulative % 40.533 65.685 76.290 85.994 92.469 96.376 98.059 99.211 99.969 100.000 Extraction Sums of Squared Loadings Total 4.053 2.515 1.061 % of Variance 40.533 25.152 10.605 Cumulative % 40.533 65.685 76.290

Extraction Method: Principal Component Analysis.

Se observa ca pentru a recupera o cantitate cat mai mare de informatie din datele initiale avem nevoie de trei componente principale. Acestea corespund valorilor proprii cele mai mari, valori proprii peste 1, iar aceste valori proprii reprezinta variantele corespunzatoare celor trei componente retinute. Cele trei valori proprii retinute, cu valori peste 1, se afla in coloana Initial Eigenvalues si sunt, in ordine descrescatoare, 4.053, 2.515 si 1.061. Utilizand trei componente principale, cantitatea de informatie total recuperata este de 76.29 % din informatia initiala, asa cum se observa in coloana Cumulative %. Dintre cele trei componente principale, prima acopera 40.5% din varianta finala, a doua componenta 25.1% (25.152), in timp ce a treia componenta 10.6% (10.605). Pentru a stabili numarul de componente principale necesare se mai poate folosi si metoda grafica. In Scree Plot, graficul descresterii, se observa trei diferente semnificative de nivel intre segmentele ce indica reprezentarea grafica a valorilor proprii, ceea ce ne indica necesitatea unui numar de 3 componente principale. Pe abscisa sunt reprezentate etichetele valorilor proprii, in timp ce pe ordonata se afla valorile efective ale acestora. Folosind criteriul pantei si reprezentarea grafica a valorilor proprii se poate determina numarul de componente principale necesare reprezentarii spatiului initial. In urma identificarii numarului de diferente semnificative dintre valorile proprii reprezentare, deasupra ultimei diferente semnificative in reprezentarea grafica se duce o paralela la abscisa, iar numarul de valori proprii ramase deasupra paralelei da numarul de componente principale.

9

Pentru a caracteriza componentele astfel obtinute se determina coeficientul de corelatie intre variabilele artificiale obtinute si variabilele originale luate in calcul, datele fiind disponibile in Component Matrix. Cu ajutorul tabelului se poate da o interpretare variabilelor in spatiul transformat, aceasta continand coeficientii corelatiilor dintre componentele principale si valorile initiale.
Component Matrixa Component 1 Zscore(alfabetizare) Zscore(linii_telefonie) Zscore(abonati_tel_mobil) Zscore(utilizatori_internet) Zscore(cercetatori) Zscore(consum_energie) Zscore: PIB($) Zscore(indicele_saracie) Zscore(Populatie_urbana) Zscore(numar_angajati) .761 .856 .665 .721 .546 .323 .360 -.867 .659 .242 2 -.211 .288 -.414 -.100 .262 .609 .811 .240 -.563 .858 3 -.174 -.184 .303 -.018 -.062 -.664 .437 .119 .302 .404

Extraction Method: Principal Component Analysis. a. 3 components extracted.

10

Se observa astfel ca prima componenta principala se poate analiza in termenii numarului liniilor de telefonie fixa existente la mia de locuitori,a numarului de telefoane mobile la mia de locuitori precum si in functie de gradul de alfabetizare si numarul utilizatorilor de internet, toate avand un coeficient de corelatie de peste 0.700. Prima componenta principala este puternic negativ influientata de indicele de saracie, deoarece, cu cat tara are un indice de saracie mai mare cu atat este mai putin inclinata spre folosirea de tehnilogie. Astfel, aceasta prima componenta poate fi considerata un indicator accesului populaţiei la întreaga gamă de servicii oferite de dezvoltarea tehnologiilor informa ţionale. In acelasi timp, aceasta prima componenta poate fi folosita pentru a caracteriza tarile in functie de gradul de educatie utilizare a tehnologiei fiind fiind puternic influientata de gradul de alfabetizare. Intr-un top al tarilor ordonate dupa prima componenta principala,Turcia, China si Iran ocupa primele pozitii, acestea putand fi caracterizate drept cele mai dezvoltate tari din punct de vedere tehnologic dintre cele studiate, incadrate in tarile cu nivel mediu de dezvoltare umana, in timp ce ultimele locuri sunt ocupate Pakistan, Madagascar, Bangladesh, Nepal . Topul tarilor in functie de prima componenta principala, componenta ce indica accesului populaţiei la întreaga gamă de servicii oferite de dezvoltarea tehnologiilor informa ţionale:
Tara Turkey China Iran Colombia Tunisia Kazakhstan Kazakhstan Thailand Peru Viet Nam Ecuador South Africa South Africa El Salvador Paraguay Philippines Bolivia Indonesia Egypt Nicaragua Sri Lanka India Pakistan Madagascar Bangladesh Nepal FACT_1 1.692055 1.649365 1.140779 0.893408 0.689404 0.526592 0.526592 0.497049 0.488084 0.441834 0.435171 0.404341 0.404341 0.196265 0.089999 0.073668 -0.04832 -0.07209 -0.15825 -0.52321 -0.62418 -0.94564 -1.39979 -1.65462 -1.86178 -1.93013

Componenta a doua este puternica influentata de nivelul PIB-ului si a numarului de angajati. Reiese astfel, in urma unei ordonari crescatoare, ca China,

11

India si Viet Nam sunt tarile cu nivelul cel mai ridicat al produsului intern brut si cu numarul cel mai mare de angajati. Topul tarilor in functie de a doua componenta principala, ordonata crescator, deoarece indica, intr-un fel bogatia tarilor respective:
Tara China India Viet Nam Bangladesh Nepal Iran Pakistan Sri Lanka Egypt Thailand Indonesia Tara Kazakhstan China Madagascar South Africa Turkey India Tunisia Philippines Nicaragua Nicaragua El Salvador Pakistan Paraguay Bolivia Philippines Peru Ecuador Madagascar Bolivia Colombia South Africa Tunisia Colombia El Salvador Peru Indonesia Ecuador Turkey Bangladesh Paraguay Egypt Nepal Thailand Kazakhstan Iran Sri Lanka Viet Nam FACT_2 3.597186 1.392008 1.013131 0.598077 0.587538 0.408052 0.244297 0.2331 0.121975 -0.0258 -0.03121 FACT_3 -0.05825 1.642949 -0.07117 1.486478 -0.43819 1.213454 -0.45884 0.526857 -0.66802 0.50377 -0.67436 0.43059 -0.69184 0.426051 -0.78346 0.414433 -0.82296 0.401167 -0.82909 0.370185 -0.87484 0.320675 -0.88103 0.232681 -0.88629 0.208636 0.142021 0.103563 -0.10371 -0.23572 -0.37094 -0.42547 -0.78275 -0.96234 -1.05085 -1.27032 -3.22141

A treia componenta principala indica pe bogatia monetara a tarilor considerate, fiind influientata atat de PIB si numarul de angajati cat si de economisirea de energie electrica, nivelul dezvoltarii populatiei in mediul urban, numarul de abonati la telefonia mobila. Topul tarilor in functie de cea de-a treia componenta principala, componenta ce indica nivelul dezvoltarii economice a tarilor considerate:

Tabelul Rotated Component Matrix foloseste tehnica rotirii axelor, tehnica Varimax, si are drept scop obtinerea unor coeficienti de corelatie cat mai mici pe una din componentele principale. In cazul nostru interpretarea se poate face cu usurinta si pe prima matrice de corelatie dintre variabilele originale si componentele principale. Se observa ca prin tehnica Varimax obtinem aceeasi interpretare. Tehnica Varimax realizeaza o roatie a axelor initiale pentru a facilita interpretarea factorilor astfel obtinuti.

12

Rotated Component Matrixa Component 1 Zscore(alfabetizare) Zscore(linii_telefonie) Zscore(abonati_tel_mobil) Zscore(utilizatori_internet) Zscore(cercetatori) Zscore(consum_energie) Zscore: PIB($) Zscore(indicele_saracie) Zscore(Populatie_urbana) Zscore(numar_angajati) .753 .634 .808 .691 .380 -.039 .049 -.867 .863 -.081 2 -.053 .358 .030 .111 .320 .193 .978 .015 -.089 .963 3 .291 .566 -.227 .203 .353 .937 .143 -.267 -.298 .154

Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. a. Rotation converged in 5 iterations.

Tabelul Component Transformation Matrix indica corelatia componentelor inainte si dupa rotatie.
Component Transformation Matrix Component 1 2 3 1 .986 -.162 .033 2 .163 .914 -.371 3 .030 .371 .928

Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization.

Component Plot in Rotated Space ofera o reprezentare grafica tridimensionala a celor 3 componente principale. Fiecare variabila este reprezentata in functie de corelatia cu fiecare componenta. Este un mod grafic de a prezenta aceeasi informatia ca in tabelul Rotated Component Matrix.

13

Componentele principale nu sunt altceva decat combinatii liniare ale variabilelor originale cu versorii noului spatiu redus . Acesti versori sunt dati de vectorii proprii corespunzatori valorilor proprii mai mari decat 1. Tabelul Component Score Coefficient Matrix reprezinta matricea versorilor, continand vectorii proprii corespunzatori valorilor proprii retinute. Datele sunt prezente in tabelul de mai jos:

14

Component Score Coefficient Matrix Component 1 Zscore(alfabetizare) Zscore(linii_telefonie) Zscore(abonati_tel_mobil) Zscore(utilizatori_internet) Zscore(cercetatori) Zscore(consum_energie) Zscore: PIB($) Zscore(indicele_saracie) Zscore(Populatie_urbana) Zscore(numar_angajati) .184 .123 .251 .175 .072 -.105 .000 -.218 .274 -.038 2 -.106 .050 .077 .008 .086 -.140 .508 .079 .030 .496 3 .156 .265 -.258 .053 .141 .653 -.156 -.117 -.286 -.131

Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization.

Matricea Component Score Covariance Matrix demonstreaza faptul ca covarianta dintre componentele principale este 0, componentele fiind interpretate in functie de valori diferite.

Component Score Covariance Matrix Component 1 2 3 1 1.000 .000 .000 2 .000 1.000 .000 3 .000 .000 1.000

Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization.

Noile variabile obtinute prin aplicarea acestei multidimensionala sunt prezentate in tabelul de mai jos:

tehnici

de

analiza

15

Case Summaries REGR factor score 1 for Case Number 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 Total N Tara 1 Kazakhstan 2 Colombia 3 Thailand 4 China 5 Turkey 6 Peru 7 Ecuador 8 Philippines 9 Tunisia 10 Iran 11 Paraguay 12 Sri Lanka 13 El Salvador 14 Nepal 15 Madagascar 16 Viet Nam 17 Indonesia 18 Nicaragua 19 Egypt 20 Bolivia 21 India 22 Pakistan 23 Bangladesh 24 South Africa 24 analysis 2 .38024 1.21367 .36263 .22780 1.72201 .85477 .74715 .45200 .85068 .73434 .33445 -.81775 .48172 -2.03834 -1.41742 -.41491 -.02649 -.13780 -.23907 .34775 -1.27238 -1.31206 -1.94078 .90778 24 REGR factor score 2 for analysis 2 -.43993 -.23457 -.32205 4.18453 .18175 -.32549 -.44330 -.29627 .01123 .04377 -.64768 -.70189 -.34221 -.31111 -.28633 -.89282 .07272 -.38341 -.15624 -.42201 1.50697 .04671 -.10370 .26133 24 REGR factor score 3 for analysis 2 .93203 -.42825 .79070 .89288 .25972 -.59911 -.36339 -.77765 -.25467 1.42513 -.10468 .94673 -.44527 -.00319 -.90151 3.26035 -.20907 -.89877 .30976 -.75645 -.64381 -.69341 -.23936 -1.49869 24

16

Analiza claselor ierarhice
Metodele de clasificare sau de analiza “cluster” au ca scop gruparea indivizilor, caracterizati de diverse variabile, intr-un numar restrans de clase omogene. Analiza claselor ierarhice (Hierarchical Cluster Analysis) este o metoda de grupare “ierarhica” in care fiecare clasa este in totalitate continuta in alta clasa. Clasele grupeaza indivizi cat mai asemanatori intre ei prin valorile variabilelor lor, in timp ce clasele constituite sunt cat mai diferite. In urma realizarii analizei ierarhice se obtin mai multe tabele. Tabelul Case Processing Summary arata cate variabile au fost luate in considerare in analiza, in cazul de fata 24 dintre ele fiind valide, adica un procent de 100%.
Case Processing Summary Cases Included N Tara REGR factor score 1 for analysis 2 REGR factor score 2 for analysis 2 REGR factor score 3 for analysis 2 24 24 Percent 100.0% 100.0% N 0 0 Excluded Percent .0% .0% N 24 24 Total Percent 100.0% 100.0%

24

100.0%

0

.0%

24

100.0%

24

100.0%

0

.0%

24

100.0%

Tabelul Proximity Matrix exprima distantele euclidiene dintre variabile, in cazul de fata dintre tari, si se observa ca acestea pot fi folosite ca masura de comparare a tarilor. Cu cat dinstanta dintre tari este mai mare, cu atat punctele sunt mai putin asemanatoare. Astfel, distantele euclidiene masoara disimilaritatea dintre puncte. Valoarea dintre elementele de pe diagonala este 0, in timp ce in restul tabelului o valoare mica indica o similaritate ridicata iar o valoare ridica o disimilaritate puternica. In cazul de fata tabelul rezultat este o matrice patratica de dimensiune 24x24. In tabelul Agglomeration Schedule se afla gruparea claselor in functie de distantele din matricea de proximitate (Coefficients). Fiecare rand reprezinta o etapa din procesul de grupare al variantelor, numerotate de la 1 la 23 (n-1, unde n este numarul de variante). Ultima etapa, n-1, cuprinde toate variantele intr-un singur cluster. Cele doua coloane continute de campul Stage Cluster First Appears indica etapa la care a mai fost intalnit un cluster deja format, iar Next Stage indica etapa viitoare la care va mai fi intalnita combinatia de clustere formata.

17

Agglomeration Schedule Cluster Combined Stage 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 Cluster 1 14 18 8 8 7 2 2 2 14 14 2 2 14 2 2 2 1 1 1 1 1 1 1 Cluster 2 23 20 11 18 8 7 13 17 22 21 19 6 15 3 12 24 2 9 14 5 10 16 4 Coefficients .439 1.108 1.161 1.247 1.706 1.782 1.938 2.071 2.661 3.308 3.688 4.188 4.328 4.514 5.408 5.983 6.341 7.485 7.709 8.110 10.844 12.079 27.128 Stage Cluster First Appears Cluster 1 0 0 0 3 0 0 6 7 1 9 8 11 10 12 14 15 0 17 18 19 20 21 22 Cluster 2 0 0 0 2 4 5 0 0 0 0 0 0 0 0 0 0 16 0 13 0 0 0 0 Next Stage 9 4 4 5 6 7 8 11 10 13 12 14 19 15 16 17 18 19 20 21 22 23 0

Tabelul Vertical Icicle indica pentru fiecare tara in parte din cate clustere face parte, intreruperea de X din coloane indicand si locul in care se termina o clasa. Pe pe prima coloana verticala sunt prezentate numarul de clustere, iar urmatoarele coloane reprezinta variantele, in cazul de fata tarile. Citind tabelul de jos in sus, se poate observa cum au fost grupate tarile. Prima solutie din Agglomeration Schedule va fi prezentata pe ultimul rand, n-1, cea in care doar primele doua tari erau grupate, in timp ce primul rand reprezinta clusterul ce contine toate variantele. Pe masura ce se succed randurile, numarul de clustere creste.

18

Din dendrograma se observa cel mai usor formarea claselor. Aceasta ne indica modul de grupare al tarilor in functie de asemanarile dintre ele, dar si nivelul lor de agregare:
Dendrogram using Single Linkage Rescaled Distance Cluster Combine C A S E Label Nepal Bangladesh Pakistan India Madagascar Nicaragua Bolivia Philippines Paraguay Ecuador Colombia El Salvador Indonesia Egypt Peru Thailand Sri Lanka South Africa Kazakhstan Tunisia Turkey Iran Viet Nam China Num 14 23 22 21 15 18 20 8 11 7 2 13 17 19 6 3 12 24 1 9 5 10 16 4 0 5 10 15 20 25 +---------+---------+---------+---------+---------+ ─┬───┐ ─┘ │ ─────┼─┐ ─────┘ ├─────┐ ───────┘ │ ─┐ │ ─┼─┐ │ ─┤ │ │ ─┘ │ │ ───┤ │ ───┼───┐ ├─┐ ───┤ │ │ │ ───┘ │ │ │ ───────┼─┐ │ │ ───────┤ ├─┐ │ │ ───────┘ │ │ │ ├───┐ ─────────┘ ├─┤ │ │ ───────────┤ │ │ │ ───────────┘ │ │ ├─┐ ─────────────┘ │ │ │ ───────────────┘ │ ├───────────────────────────┐ ───────────────────┘ │ │ ─────────────────────┘ │ ─────────────────────────────────────────────────┘

In cazul analizei ierarhice prin metoda celor mai departati vecini (Complete Linkage) se obtin informatiile urmatoare. Rezulta tabelul Agglomeration Schedule:

19

Agglomeration Schedule Cluster Combined Stage 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 Cluster 1 14 18 8 7 2 17 14 14 2 7 14 1 1 9 2 1 2 1 5 2 1 1 1 Cluster 2 23 20 11 8 13 18 22 15 6 17 21 19 3 24 7 12 9 16 10 5 2 4 14 Coefficients .439 1.108 1.161 1.745 2.348 2.859 3.124 4.976 5.097 5.136 6.068 6.341 7.080 7.485 9.236 10.242 14.788 18.134 20.288 28.684 36.874 44.909 60.380 Stage Cluster First Appears Cluster 1 0 0 0 0 0 0 1 7 5 4 8 0 12 0 9 13 15 16 0 17 18 21 22 Cluster 2 0 0 0 3 0 2 0 0 0 6 0 0 0 0 10 0 14 0 0 19 20 0 11 Next Stage 7 6 4 10 9 10 8 11 15 15 23 13 16 17 17 18 20 21 20 21 22 23 0

Dendrogram using Complete Linkage Rescaled Distance Cluster Combine C A S E Label Nepal Bangladesh Pakistan Madagascar India Num 14 23 22 15 21 0 5 10 15 20 25 +---------+---------+---------+---------+---------+ ─┬─┐ ─┘ │ ───┼─┐ ───┘ ├───────────────────────────────────────────┐ ─────┘ │

20

Kazakhstan Egypt Thailand Sri Lanka Viet Nam Tunisia South Africa Colombia El Salvador Peru Philippines Paraguay Ecuador Nicaragua Bolivia Indonesia Turkey Iran China

1 19 3 12 16 9 24 2 13 6 8 11 7 18 20 17 5 10 4

─────┐ │ ─────┼───┐ │ ─────┘ ├─────┐ │ ─────────┘ ├───────────────┐ │ ───────────────┘ │ │ ─────┬─────┐ │ │ ─────┘ │ │ │ ─┬─┐ ├───────────┐ ├─────┐ │ ─┘ ├───┐ │ │ │ │ │ ───┘ │ │ │ │ │ │ ─┐ ├───┘ │ │ │ │ ─┼─┐ │ ├───────┘ │ │ ─┘ ├───┘ │ ├───────────┘ ─┬─┤ │ │ ─┘ │ │ │ ───┘ │ │ ─────────────────┬─────┘ │ ─────────────────┘ │ ─────────────────────────────────────┘

In urma folosirii celei de-a treia metode pentru clasificarea ierarhica, metoda centroidelor (Centroid Method), se obtine urmatorul tabel Agglomeration Schedule:

21

Agglomeration Schedule Cluster Combined Stage 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 Cluster 1 14 18 8 7 7 7 7 14 2 14 14 2 2 2 1 1 1 1 1 1 1 1 1 Cluster 2 23 20 11 8 18 13 17 22 7 15 21 6 19 3 2 24 9 12 5 14 10 16 4 Coefficients .439 1.108 1.161 1.435 1.952 2.036 2.001 2.783 3.823 3.902 3.985 5.119 5.279 5.001 5.969 6.925 8.577 9.058 15.135 16.907 19.344 19.173 31.400 Stage Cluster First Appears Cluster 1 0 0 0 0 4 5 6 1 0 8 10 9 12 13 0 15 16 17 18 19 20 21 22 Cluster 2 0 0 0 3 2 0 0 0 7 0 0 0 0 0 14 0 0 0 0 11 0 0 0 Next Stage 8 5 4 5 6 7 9 10 12 11 20 13 14 15 16 17 18 19 20 21 22 23 0

Dendograma obtinuta este:
Dendrogram using Centroid Method Rescaled Distance Cluster Combine

22

C A S E Label Nepal Bangladesh Pakistan Madagascar India Nicaragua Bolivia Philippines Paraguay Ecuador El Salvador Indonesia Colombia Peru Egypt Thailand Kazakhstan South Africa Tunisia Sri Lanka Turkey Iran Viet Nam China

Num 14 23 22 15 21 18 20 8 11 7 13 17 2 6 19 3 1 24 9 12 5 10 16 4

0 5 10 15 20 25 +---------+---------+---------+---------+---------+ ─┬─┐ ─┘ ├─┐ ───┘ │ ─────┼─────────────────────┐ ─────┘ │ ─┬─┐ │ ─┘ │ │ ─┐ │ │ ─┼─┤ │ ─┘ ├─┐ │ ───┤ ├─┐ ├───┐ ───┘ │ │ │ │ ─────┘ │ │ │ ───────┼─┐ │ │ ───────┤ ├─┐ │ │ ───────┘ │ ├─┐ │ │ ─────────┘ │ │ │ │ ───────────┘ ├─────────┐ │ │ ─────────────┤ ├───┘ ├─────────────────┐ ─────────────┘ │ │ │ ───────────────────────┘ │ │ ───────────────────────────────┤ │ ───────────────────────────────┘ │ ─────────────────────────────────────────────────┘

23

Sign up to vote on this title
UsefulNot useful