Der erste Schritt bei der K-Means-Clustermethode ist das Suchen nach den Clusterzentren. Führen Sie die hierarchische Clusteranalyse mit einem kleinen Stichprobenumfang aus, um ein sinnvolles Clusterzentrum für den Anfang zu erhalten. Alternativ können Sie die Anzahl der Cluster festlegen und dann Origin automatisch gut getrennte Werte als erstes Clusterzentrum verwenden lassen. Beachten Sie, dass die automatische Erkennung Ausreißern gegenüber sensibel ist. Daher sollten Sie sicherstellen, die Daten vor der Analyse zu überprüfen.
Die Tabelle der finalen Clusterzentren enthält die Werte des als letztes berechnete Clusterzentrum.
Die Tabelle der Clusterzusammenfassung bietet Statistikanalysen zu jedem Cluster.
Clusterergebnisse sind gut, wenn alle Zahlen, die nicht Null sind, relativ groß sind.
Aus der ANOVA-Tabelle können Sie ersehen, ob alle Variablen in die Clusteranalyse aufgenommen werden sollten. Wenn der p-Wert für alle vier Variablen größer als 0,05 ist , sollten Sie in Betracht ziehen, sie aus der Analyse auszuschließen.
Informationen dazu, wie Beobachtungen geclustert sind, finden Sie in der Spalte Zugehörigkeit. Verwenden Sie die Spalte Distanz, um zu sehen, wie weit oder nah die Beobachtungen von dem Clusterzentrum ihrer Gruppe entfernt sind.