Zweimodale hierarchische Clusteranalyse

1 Motivation und Aufbau der Arbeit.- 1.1 Motivation.- 1.2 Aufbau der Arbeit.- 2 Zweimodale Klassifikationen.- 2.1 Einordnung in die multivariaten Analysemethoden.- 2.2 Anwendungen zweimodaler Klassifikationen.- 2.3 Anforderungen an zweimodale Klassifikationen.- 2.4 Grundbegriffe der zweimodalen Clusteranalyse.- 3 Verfahren und Giitemaße.- 3.1 Hierarchische zweimodale Clusteranalyseverfahren.- 3.2 Gütemaße.- 4 Simulationsaufbau.- 4.1 Modellierung der Parameter einer idealen Klassifikation.- 4.2 Einführung von Störfaktoren.- 4.3 Simulationsablauf.- 4.4 Erzeugung einer idealen Klassifikation und ihrer Ausprägungsmatrix.- 4.5 Berücksichtigung der Störfaktoren bei der Generierung der Klassifikationen.- 4.6 Bewertungmaß für die Verfahren und Giitemaße.- 5 Simulationsergebnisse.- 5.1 Bewertung der Verfahren und Gütemaße bei idealen Klassifikationen.- 5.2 Bewertung der Verfahren und Gütemaße bei Anwesenheit von Storungen.- 5.3 Einfiuss der Interclusterheterogenität.- 5.5 Ergebnisse mit anderen äuferen Gütemaßen.- 5.6 Einfiuss der z-Standardisierung.- 5.7 Einfiuss eines Austauschverfahrens.- 6 Anwendungsbeispiele.- 6.1 Anwendungsbeispiele mit Assoziationsdaten.- 6.2 Anwendungsbeispiele mit Konfusionsdaten.- 6.3 Anwendungsbeispiel mit Fluktuationsdaten „Marktstrukturierung von Sodagetranken“.- 7 Empfehlungen und Fazit.- 8 Programmpaket zur zweimodalen Clusteranalyse.- 8.1 Eingabe der Ausprägungsmatrix.- 8.2 Bestimmung der optimalen-Clusteranzahl.- 8.3 Auswahl der Clusteranzahl und weiterer Einstellungen.- 8.4 Erzeugung der Klassifikation.- 8.5 Ausgabe der Grandmatrix.- 8.6 Drucken.- 8.7 Speichern.- A Anhang.- A.l Berechnung des Zentroid Effekts.- A.2 Diagramme der Simulationsergebnisse.- Stichwortverzeichnis.

Dr. Raimund Rix promovierte bei Prof. Dr. Manfred Schwaiger am Seminar für Empirische Forschung und Quantitative Unternehmensplanung der Universität München. Er ist Unternehmensberater bei der Accenture GmbH in München.

Zweimodale Clusteranalysen haben ein breites Anwendungsspektrum. In unterschiedlichen Bereichen können sie den Anwender dabei unterstützen, aus komplexen Datenmengen die zugrunde liegende Struktur herauszuarbeiten. Die Anwendungen im betriebswirtschaftlichen Umfeld reichen von der Werbewirkungskontrolle bis hin zur Marktstrukturierung. Doch lassen sich zweimodale Klassifikationen auf verschiedene Weise erzeugen, und es bleibt dem Anwender überlassen, aus den unterschiedlichen Ergebnissen das subjektiv beste herauszusuchen.

Raimund Rix zeigt, wie der Anwender direkt die objektiv beste Klassifikation mit der geringsten quadratischen Zentroidabweichung erzeugen kann. Die Überlegenheit seiner Vorgehensweise wird mit Hilfe einer umfangreichen Monte-Carlo Simulation nachgewiesen. Um die praktische Verwendung der zweimodalen Clusteranalyse zu erleichtern, wird die Anwendung anhand zahlreicher Beispiele aus den unterschiedlichsten Bereichen demonstriert.