Использование команды cluster kmeans в Stata

У меня вопрос об использовании команды cluster kmeans в Stata. Я использую версию 13 программного обеспечения.

Я понимаю, что для получения согласованных группировок при использовании команды cluster необходимо установить начальное значение перед командой. Мой вопрос: почему, когда я устанавливаю разные семена и запускаю одну и ту же команду cluster, полученные группы полностью отличаются друг от друга по составу? Я понял это, запустив кросс-таблицу одного на другом, например. tab _clus_1 _clus_2, где каждая кластеризация была сгенерирована после другого начального набора, и вы видите, что многие случаи сгруппированы по-разному.

Поскольку я мало знаю об алгоритме, который использует команда cluster, это вызывает у меня беспокойство по поводу надежности создаваемой группирующей переменной. Я использую набор данных из 616 наблюдений и передаю команде кластера 41 переменную, многие из которых либо являются фиктивными (0/1), либо находятся в диапазоне от 0 до 1, поэтому я задался вопросом, может ли это отсутствие вариаций способствовать тому, что очень разные группы генерируются каждый раз, когда я устанавливаю семя на другое число.


cluster-computing seed stata
person user2835147    schedule 01.10.2013    source источник
comment
Это больше относится к статистике, чем к программированию, но очень просто, если вы не можете получить (почти) повторяющиеся кластеризации, кластерный анализ, вероятно, будет бессмысленным. С другой стороны, использование переменных 0-1 должно упростить кластеризацию, а не усложнить ее. В связи с этим вопросы без кода на этом форуме считаются не относящимися к теме, и их лучше направлять на перекрестную проверку.   -  person Nick Cox    schedule 01.10.2013
comment
Поскольку вы упомянули о своем незнании алгоритма, я хотел бы отметить, что метки кластеров совершенно произвольны. Запуск kmeans много раз и получение каждый раз новой метки для случая не означает, что кластеризация отличается, просто присвоена другая произвольная метка. Единственное, что является информативным, — это группа случаев внутри каждой метки. Прошу прощения, если это слишком очевидно   -  person Kyle Heuton    schedule 02.10.2013

Ответы (1)


arrow_upward
0
arrow_downward

Если все переменные, которые вы кластеризуете, являются бинарными или факторными переменными, вы можете найти более стабильное решение, используя кластеризацию скрытых классов.

Stata может выполнять скрытый анализ классов с помощью (1) программы gllamm, разработанной Софией Рабе-Хескет и доступной на SSC ​​из Stata, или (2) подключаемого модуля LCA для Stata по адресу http://methodology.psu.edu/downloads/lcastata, который доступен только для платформы Windows.

Хотя плагин LCA не предназначен для работы со Stata/IC из-за ограничений максимального размера матрицы (т. е. 800), он должен работать для вашей задачи, поскольку у вас есть только 616 случаев и 41 переменная, если вы set matsize 800. Если у вас более высокий вариант Stata (например, SE или MP), плагин LCA не должен беспокоить эти ограничения максимального размера матрицы.

person RedOwl    schedule 01.10.2013