クインテス・Mind-Repo

クロス集計表などの数表をマップ化。

多くの変数データを少ない変数（因子）に集約。潜在意識の分析などに利用。

多くの変数を、少ない合成変数に集約。

データの類似性をマップに表現。

ブランド競合マップの作成などに便利。多次元尺度法の変数分析。

データサンプルを類似性から分類。消費者セグメンテーションなどに利用。

商品カテゴライズなど変数の分類に便利。

価格意識の分析法。新製品の受容価格帯や戦略的価格の見極めに便利。

顧客満足度調査の結果分析法。

テキストマイニングの手法を発展させた自由回答分析法。

（1/2）

【サンプル分析】	登録データセットから……
【サンプル分析】	データ貼り込みから……
【アイテム分析】	登録データセットから……
	データ貼り込みから……

クラスター分析とは、データをその類似度合いで、データを分類する分析方法です。
多くの変数（データ項目）で構成されたデータについて、変数値の一致・近似度合いが高いデータ同士をグルーピングしていき、全データを分類します。
主に、消費者（回答者）のセグメンテーションに利用されますが、商品のカテゴライズなどにも利用できます。

デンドログラム（樹形図）

階層的クラスター分析と非階層クラスター分析
基本的な分析方法には、階層的クラスター分析と非階層クラスター分析があります。
階層的クラスター分析では、デンドログラム（樹形図）を出力でき、デンドログラムを見ながら分類数を確定できます。非階層クラスター分析は、大量データの分類に適しています。但し、分析時に事前に分類数を決めておく必要があり、分類数をいろいろ変えて、最適な分析結果を確定させます。
非階層クラスター分析の計算方法として代表的な方法に、K-mean法があります。
※Mind-Repoでは、階層型クラスター分析が利用できます。QuintessRepoでは、階層型・非階層クラスター分析両方が利用できます。

サンブル分析とアイテム（変数）分析
実際の分析の場合、データサンプル（アンケートであれば回答者）を分析対象としてデータサンプル間の距離を計測して、データサンプルのマップを作成する場合と、変数（データ項目）を分析対象としてデータ項目間の距離を計測して、変数マップを作成するものがあります。前者をサンプル分析、後者を変数分析またはアイテム分析と言います。

（2/2）

基本的な分析手順
アンケート回答データなどから分析する場合には、

分析データ間の距離（非類似度）データの算出
クラスター分析
分類したクラスターに命名、各クラスターの特徴を詳細に分析

という流れになります。
分析の元となる距離データには、データ間のユークリッド距離または平方ユークリッド距離（ユークリッド距離の二乗）を使用します。

アイテムクラスター分析の手順の一例

(1)複数回答データを用意する右例は、各選択肢がカンマ区切りの例です。	元データ
(2)複数回答データを１／０形式に変換複数回答の場合は、一旦、あり＝１、なし＝２の形式に変換します。複数回答以外のデータの場合は、そのまま(2)の計算をします。	1/0に変換
(3)項目（変数）の相関係数行列を計算多次元尺度法は、距離データを扱うため、分析対象である項目（変数）の距離データ（非類似度）とする必要があります。変数間の距離をユークリッド距離としてとらえることも可能ですが、変数ごとの単位やバラツキが同じではないことが大半なため、変数間の相関係数を算出し、距離データとします。	相関係数行列を計算
(4)クラスター分析を行い、商品カテゴリ構造を出力階層的クラスター分析で、デンドログラム（樹形図）が出力されますので、図を見ながら、クラスター数（商品カテゴリ数）を確定します。 (5)カテゴライズ結果を対象に、必要な分析を行う性年代別の商品選択状況や、商品カテゴリ間の併買状況などを分析する。

【サンプル分析】	登録データセットから…………
【サンプル分析】	データ貼り込みから…………
【アイテム分析】	登録データセットから…………
	データ貼り込みから…………

類似度データからの分析の他、アンケート回答などのデータから類似度データを作成して分析できます。アンケート回答データの場合、事前に作成したデータセット、分析に使用する項目だけのCSVデータを利用できます。
アイテムクラスター分析を、データセットから分析する場合、アイテム間の類似度スコア計算の方法には、次の方法を利用できます。
1. 条件付き出現率の相乗平均
2. 条件付き出現率の最大値
3. 共起性
4. アイテム間の相関係数行列
それぞれのスコアを距離データに採用して分析または、さらに二乗して分析します。
階層的クラスター分析を利用できます。
デンドログラムの他、クラスター構成比（円グラフ）、クラスターマップ（ＭＤＳマップまたは元データ第一＆第二項目を座標にしたマップ）、元データとのクロス集計が出力できます。
分析元データにクラスターＮｏを新項目として追加できます。（別分析に利用できます）

分析操作の手順は、「分析する」をクリックして、画面の指示および「解説」に従って操作して下さい。

Mind-Repoにログインすると、サンプルデータが用意されています。

階層的クラスター分析と非階層クラスター分析（K-mean法）を利用できます。
非階層クラスター分析では、代表的な方法であるｋ平均法（k-means）を利用します。ｋ平均法は、試行錯誤を繰り返すことで、結果を出す方法です。クラスター数を変えつつ、多数回の計算により結果を見極めて下さい。
類似度データを利用した分析と、回答データなどから類似度データを作成して分析かすることができます。
クラスター分析と関連分析を一気に出力できます。
- デンドログラムを見ながら自由にクラスター数を変更、決定する
- クラスターの構成比を円グラフにする
- 各クラスターの関係性を、類似した分析方法である多次元尺度構成法（ＭＤＳ）にの二次元マップにより表現
- 関連項目とのクロス集計のための分析ボタンを追加
  他の項目データをクラスタ別にクロス集計が簡単にできます。

……………QuintessRepo起動の後、「ヘルプ」「オンラインマニュアル」「総合マニュアル」「多変量解析・追加機能」の「クラスター分析」の章をご覧下さい。

QuintessRepoの機能全般の説明はこちら

(3/3)