Baixe o app para aproveitar ainda mais
Prévia do material em texto
EXERCÍCIOS - Aula 7 Considere o arquivo Cervejas, com as variáveis: índice de caloria, índice de sódio, índice de álcool, custo de fabricação e país de origem do fabricante. qual a escala das variáveis? quais poderão ser usadas para obter os conglomerados? quais poderão ser usados para analisar os perfis dos conglomerados obtidos? índice de caloria, índice de sódio, índice de álcool, custo de fabricação: razão país de origem do fabricante: nominal índice de caloria, índice de sódio, índice de álcool, custo de fabricação: para obter os grupos todas: para analisar os perfis dos grupos aplique a técnica de análise de conglomerados hierárquicos, utilizando padronização pelo método Z-scores, a distância quadrática euclidiana e o método furthest neighbor descreva os 14 primeiros estágios do esquema de aglomeração Estág. Número conglom Conglomerado formado no estágio Coeficiente variab. interna Descrição geral 0 20 0 20 congl unit 1 19 (11,17) 0,115 1 dupla, 18 congl unit 2 18 (9,20) 0,307 2 duplas, 16 congl unit 3 17 (8,18) 0,309 3 duplas, 14 congl unit 4 16 (1,3) 0,375 4 duplas, 12 congl unit 5 15 (1,2,3) 0,530 1 trio,3 duplas, 11 congl unit 6 14 (5,15) 0,606 1 trio,4 duplas, 9 congl unit 7 13 (4,5,15) 0,870 2 trios,3 duplas, 8 congl unit 8 12 (9,10,20) 0,935 3 trios,2 duplas, 7 congl unit 9 11 (6,8,18) 1,353 4 trios, 1 dupla, 6 congl unit 10 10 (1,2,3,11,17) 1,405 1 quinteto, 3 trios, 6 congl unit 11 9 (9,10,12,20) 1,560 1 quinteto, 1 quarteto, 2 trios, 5 congl unit 12 8 (9,10,12,13,20) 1,99 2 quintetos, 2 trios, 4 congl unit 13 7 (16,19) 2,821 2 quintetos, 2 trios, 1 dupla, 2 congl unit 14 6 (6,7,8,18) 3,106 2 quintetos, 1 quarteto, 1 trio, 1 dupla, 1 congl unit quantas duplas foram mantidas até o estágio 16? 1 dupla. em qual estágio foi formado o primeiro conglomerado sem ser dupla? Estágio 5. quantos conglomerados existem no estágio 15? 5 conglomerados. determine duas soluções para o número ideal de conglomerados Duas soluções para o número de conglomerados: 6 (não compensa passar do estágio 14 para o 15) e 4 (não compensa passar do estágio 16 para o 17). Outras soluções: 2, 3, 8 considere a solução de 4 conglomerados; acrescente no banco de dados as variáveis padronizadas e aplique a técnica K - Médias (K- Means), com as opções running means e iterate and classify; salve o cluster membership no banco de dados com base na ANOVA (Análise de Variância), qual é a variável que mais discriminou os 4 grupos de cervejas? E qual a que menos diferenciou os grupos? H0: a média da variável é igual nos grupos. Decisão: H0 é falsa para as 4 variáveis Variável com maior poder de discriminação: custo, com maior valor da estatística F Variável com menor poder de discriminação: sódio, com menor valor da estatística F analise o perfil dos conglomerados obtidos em função das médias (ou centróides) das variáveis caloria, sódio, álcool e custo Congl 1: médias negativas para todas as variáveis, menor índice de sódio e segundo grupo mais caro FRACA Congl 2: médias negativas para todas as variáveis, menor índice de caloria e de álcool, baixo custo LIGHT Congl 3: médias positivas para quase todas as variáveis, maior índice de sódio e menor índice de custo POPULAR Congl 4: médias positivas para quase todas as variáveis, maior índice de caloria, álcool e custo CALÓRICA / FORTE qual é o perfil dos conglomerados em função dos países fabricantes de cervejas? PAÍS * Cluster Number of Case Crosstabulation Cluster Number of Case Total 1 2 3 4 PAÍS Alemanha 4 4 44,4% 20,0% EUA 1 4 1 6 20,0% 44,4% 25,0% 30,0% França 4 4 80,0% 20,0% Holanda 2 2 100,0% 10,0% Inglaterra 1 3 4 11,1% 75,0% 20,0% Total 5 2 9 4 20 100,0% 100,0% 100,0% 100,0% 100,0% Congl 1: predomínio na França Congl 2: predomínio na Holanda Congl 3: predomínio na Alemanha e EUA Congl 4: predomínio na Inglaterra Banco de dados: Dados de emprego do SPSS, considerando as seguintes variáveis: Current Salary (salary) Beginning Salary (salbegin) Months since Hire (jobtime) Previous Experience (months) (prevexp) aplique a técnica de análise de conglomerados hierárquicos para estas quatro variáveis, utilizando a distância quadrática euclidiana, o método between-groups e a padronização Z-scores identifique duas soluções para o número adequado de conglomerados Agglomeration Schedule Stage Cluster Combined Coefficients Stage Cluster First Appears Next Stage Cluster 1 Cluster 2 Cluster 1 Cluster 2 Cluster 1 Cluster 2 1 395 401 ,000 0 0 23 2 396 402 ,000 0 0 3 3 396 399 ,001 2 0 8 4 238 239 ,001 0 0 25 5 56 58 ,001 0 0 237 6 259 264 ,001 0 0 34 7 237 243 ,002 0 0 19 8 396 403 ,002 3 0 47 9 244 248 ,002 0 0 19 10 81 84 ,003 0 0 30 11 67 68 ,003 0 0 101 12 153 157 ,005 0 0 65 13 292 296 ,005 0 0 53 14 214 215 ,006 0 0 140 15 260 265 ,006 0 0 45 16 249 252 ,006 0 0 33 17 75 83 ,006 0 0 40 18 298 304 ,006 0 0 105 19 237 244 ,007 7 9 29 20 391 400 ,009 0 0 66 21 169 170 ,010 0 0 143 22 392 397 ,010 0 0 64 23 395 412 ,010 1 0 47 24 42 49 ,011 0 0 93 25 236 238 ,011 0 4 49 26 262 280 ,011 0 0 68 27 30 38 ,011 0 0 50 28 76 77 ,012 0 0 97 29 237 251 ,012 19 0 45 30 81 92 ,012 10 0 40 31 352 354 ,013 0 0 185 32 224 253 ,013 0 0 137 33 245 249 ,013 0 16 73 34 247 259 ,014 0 6 56 35 73 93 ,014 0 0 79 36 105 122 ,014 0 0 199 37 418 428 ,015 0 0 58 38 432 438 ,015 0 0 103 39 406 408 ,015 0 0 346 40 75 81 ,015 17 30 67 41 120 124 ,015 0 0 276 42 216 220 ,016 0 0 136 43 142 145 ,016 0 0 143 44 422 445 ,016 0 0 88 45 237 260 ,016 29 15 70 46 439 459 ,016 0 0 183 47 395 396 ,017 23 8 64 48 167 178 ,017 0 0 171 49 236 263 ,017 25 0 73 50 28 30 ,017 0 27 147 51 16 21 ,018 0 0 284 52 272 283 ,018 0 0 89 53 292 316 ,018 13 0 76 54 78 99 ,018 0 0 67 55 382 404 ,019 0 0 225 56 247 267 ,020 34 0 137 57 258 261 ,020 0 0 114 58 407 418 ,020 0 37 100 59 193 195 ,021 0 0 82 60 387 389 ,021 0 0 281 61 394 398 ,021 0 0 81 62 148 156 ,021 0 0 145 63 228 233 ,022 0 0 113 64 392 395 ,022 22 47 159 65 153 158 ,022 12 0 195 66 390 391 ,023 0 20 159 67 75 78 ,023 40 54 150 68 262 279 ,023 26 0 104 69 109 118 ,024 0 0 148 70 237 246 ,024 45 0 104 71 313 321 ,024 0 0 207 72 369 374 ,025 0 0 192 73 236 245 ,026 49 33 115 74 116 131 ,027 0 0 152 75 442 451,027 0 0 117 76 282 292 ,027 0 53 108 77 183 212 ,028 0 0 120 78 423 425 ,028 0 0 141 79 73 95 ,029 35 0 97 80 149 172 ,029 0 0 145 81 393 394 ,029 0 61 287 82 179 193 ,031 0 59 149 83 384 405 ,031 0 0 225 84 324 327 ,031 0 0 189 85 427 444 ,032 0 0 164 86 44 59 ,033 0 0 147 87 317 323 ,033 0 0 158 88 419 422 ,033 0 44 99 89 254 272 ,033 0 52 161 90 63 69 ,034 0 0 296 91 351 361 ,034 0 0 192 92 102 114 ,034 0 0 291 93 42 57 ,035 24 0 197 94 356 360 ,035 0 0 130 95 20 41 ,036 0 0 155 96 443 463 ,037 0 0 297 97 73 76 ,038 79 28 150 98 143 159 ,038 0 0 234 99 419 436 ,038 88 0 164 100 407 415 ,039 58 0 121 101 62 67 ,039 0 11 226 102 39 51 ,041 0 0 230 103 432 433 ,042 38 0 121 104 237 262 ,042 70 68 114 105 298 312 ,042 18 0 168 106 72 80 ,042 0 0 295 107 375 376 ,042 0 0 130 108 282 309 ,042 76 0 133 109 163 164 ,044 0 0 251 110 293 294 ,046 0 0 174 111 367 378 ,046 0 0 279 112 379 380 ,046 0 0 260 113 219 228 ,047 0 63 200 114 237 258 ,047 104 57 172 115 236 250 ,048 73 0 172 116 273 305 ,049 0 0 294 117 442 457 ,049 75 0 160 118 43 65 ,050 0 0 311 119 85 104 ,050 0 0 235 120 183 184 ,050 77 0 122 121 407 432 ,051 100 103 253 122 183 202 ,053 120 0 377 123 278 311 ,053 0 0 327 124 9 37 ,054 0 0 312 125 386 414 ,054 0 0 323 126 357 365 ,057 0 0 301 127 269 277 ,057 0 0 196 128 152 174 ,060 0 0 392 129 206 213 ,060 0 0 335 130 356 375 ,062 94 107 175 131 61 94 ,062 0 0 205 132 266 299 ,062 0 0 280 133 271 282 ,063 0 108 168 134 141 165 ,063 0 0 209 135 125 126 ,064 0 0 222 136 204 216 ,065 0 42 202 137 224 247 ,065 32 56 213 138 411 448 ,066 0 0 369 139 190 203 ,067 0 0 200 140 208 214 ,069 0 14 166 141 423 461 ,069 78 0 186 142 469 470 ,069 0 0 208 143 142 169 ,070 43 21 201 144 301 315 ,071 0 0 288 145 148 149 ,071 62 80 249 146 440 441 ,071 0 0 278 147 28 44 ,071 50 86 230 148 86 109 ,072 0 69 235 149 179 180 ,072 82 0 246 150 73 75 ,072 97 67 237 151 434 462 ,073 0 0 299 152 116 123 ,073 74 0 199 153 88 89 ,074 0 0 272 154 358 366 ,074 0 0 309 155 20 23 ,075 95 0 311 156 147 171 ,076 0 0 289 157 326 330 ,077 0 0 233 158 317 337 ,077 87 0 188 159 390 392 ,078 66 64 254 160 442 474 ,078 117 0 304 161 254 289 ,079 89 0 277 162 318 336 ,080 0 0 257 163 194 210 ,080 0 0 342 164 419 427 ,081 99 85 253 165 107 133 ,082 0 0 210 166 208 225 ,082 140 0 213 167 55 60 ,082 0 0 255 168 271 298 ,083 133 105 216 169 12 26 ,083 0 0 212 170 11 14 ,084 0 0 264 171 167 209 ,084 48 0 273 172 236 237 ,085 115 114 252 173 6 15 ,089 0 0 241 174 293 314 ,092 110 0 216 175 356 377 ,094 130 0 221 176 413 455 ,095 0 0 326 177 332 333 ,097 0 0 280 178 112 127 ,098 0 0 242 179 177 207 ,098 0 0 202 180 388 426 ,099 0 0 244 181 154 166 ,100 0 0 265 182 420 430 ,101 0 0 281 183 439 460 ,102 46 0 254 184 229 241 ,104 0 0 387 185 331 352 ,104 0 31 256 186 423 466 ,104 141 0 297 187 110 132 ,105 0 0 305 188 317 334 ,105 158 0 207 189 306 324 ,106 0 84 248 190 17 52 ,106 0 0 219 191 421 465 ,107 0 0 244 192 351 369 ,108 91 72 221 193 350 363 ,108 0 0 319 194 173 198 ,110 0 0 362 195 135 153 ,110 0 65 268 196 269 287 ,110 127 0 224 197 31 42 ,111 0 93 321 198 338 359 ,111 0 0 261 199 105 116 ,116 36 152 247 200 190 219 ,116 139 113 283 201 140 142 ,116 0 143 246 202 177 204 ,117 179 136 283 203 150 175 ,118 0 0 340 204 47 48 ,118 0 0 316 205 61 91 ,119 131 0 258 206 322 342 ,119 0 0 245 207 313 317 ,120 71 188 331 208 469 471 ,120 142 0 293 209 141 155 ,120 134 0 282 210 107 119 ,121 165 0 249 211 8 40 ,122 0 0 333 212 12 13 ,123 169 0 286 213 208 224 ,123 166 137 252 214 281 303 ,124 0 0 335 215 188 189 ,126 0 0 342 216 271 293 ,126 168 174 248 217 255 285 ,127 0 0 313 218 345 346 ,127 0 0 302 219 17 33 ,128 190 0 284 220 211 221 ,128 0 0 318 221 351 356 ,129 192 175 302 222 82 125 ,129 0 135 305 223 222 270 ,129 0 0 358 224 242 269 ,130 0 196 300 225 382 384 ,130 55 83 260 226 62 70 ,132 101 0 343 227 74 117 ,133 0 0 320 228 35 66 ,133 0 0 381 229 370 409 ,134 0 0 326 230 28 39 ,134 147 102 267 231 50 101 ,135 0 0 296 232 416 417 ,141 0 0 304 233 326 353 ,143 157 0 319 234 139 143 ,144 0 98 269 235 85 86 ,144 119 148 298 236 197 199 ,146 0 0 367 237 56 73 ,147 5 150 307 238 87 98 ,148 0 0 255 239 4 46 ,150 0 0 366 240 182 196 ,154 0 0 348 241 6 36 ,155 173 0 267 242 112 138 ,155 178 0 316 243 373 381 ,158 0 0 323 244 388 421 ,160 180 191 332 245 300 322 ,160 0 206 347 246 140 179 ,161 201 149 268 247 79 105 ,161 0 199 276 248 271 306 ,162 216 189 360 249 107 148 ,163 210 145 298 250 275 308 ,165 0 0 317 251 163 176 ,166 109 0 282 252 208 236 ,168 213 172 331 253 407 419 ,169 121 164 293 254 390 439 ,174 159 183 287 255 55 87 ,174 167 238 312 256 331 368 ,183 185 0 336 257 310 318 ,183 0 162 405 258 61 121 ,184 205 0 307 259 234 240 ,184 0 0 373 260 379 382 ,185 112 225 334 261 325 338 ,185 0 198 327 262 53 100 ,190 0 0 341 263 339 340 ,191 0 0 328 264 7 11 ,191 0 170 382 265 154 192 ,192 181 0 365 266 161 168 ,196 0 0 393 267 6 28 ,197 241 230 286 268 135 140 ,197 195 246 356 269 108 139,199 0 234 337 270 54 96 ,200 0 0 392 271 186 231 ,202 0 0 375 272 88 129 ,202 153 0 341 273 167 223 ,203 171 0 384 274 385 429 ,209 0 0 310 275 435 472 ,209 0 0 364 276 79 120 ,210 247 41 324 277 254 284 ,213 161 0 315 278 440 473 ,214 146 0 334 279 362 367 ,216 0 111 328 280 266 332 ,219 132 177 329 281 387 420 ,219 60 182 408 282 141 163 ,221 209 251 324 283 177 190 ,224 202 200 318 284 16 17 ,225 51 219 344 285 286 288 ,226 0 0 363 286 6 12 ,227 267 212 339 287 390 393 ,231 254 81 368 288 227 301 ,234 0 144 360 289 136 147 ,235 0 156 352 290 291 335 ,236 0 0 391 291 102 115 ,237 92 0 321 292 410 453 ,239 0 0 310 293 407 469 ,240 253 208 332 294 273 302 ,247 116 0 345 295 64 72 ,248 0 106 343 296 50 63 ,248 231 90 350 297 423 443 ,250 186 96 369 298 85 107 ,252 235 249 356 299 434 467 ,256 151 0 364 300 242 319 ,257 224 0 329 301 347 357 ,258 0 126 336 302 345 351 ,260 218 221 309 303 24 25 ,262 0 0 366 304 416 442 ,265 232 160 322 305 82 110 ,271 222 187 340 306 187 276 ,274 0 0 373 307 56 61 ,275 237 258 349 308 185 230 ,280 0 0 352 309 345 358 ,281 302 154 368 310 385 410 ,282 274 292 407 311 20 43 ,283 155 118 339 312 9 55 ,283 124 255 382 313 255 295 ,285 217 0 391 314 1 27 ,293 0 0 435 315 235 254 ,298 0 277 357 316 47 112 ,308 204 242 397 317 275 344 ,309 250 0 395 318 177 211 ,310 283 220 377 319 326 350 ,311 233 193 386 320 74 97 ,316 227 0 400 321 31 102 ,321 197 291 370 322 416 424 ,322 304 0 388 323 373 386 ,328 243 125 389 324 79 141 ,331 276 282 371 325 22 45 ,332 0 0 383 326 370 413 ,337 229 176 429 327 278 325 ,342 123 261 374 328 339 362 ,343 263 279 433 329 242 266 ,347 300 280 375 330 320 349 ,350 0 0 353 331 208 313 ,351 252 207 359 332 388 407 ,353 244 293 379 333 8 90 ,357 211 0 349 334 379 440 ,357 260 278 417 335 206 281 ,358 129 214 358 336 331 347 ,359 256 301 398 337 108 181 ,360 269 0 384 338 437 452 ,360 0 0 389 339 6 20 ,362 286 311 394 340 82 150 ,362 305 203 397 341 53 88 ,363 262 272 381 342 188 194 ,363 215 163 396 343 62 64 ,366 226 295 428 344 2 16 ,367 0 284 390 345 268 273 ,371 0 294 372 346 406 458 ,373 39 0 376 347 300 355 ,377 245 0 386 348 128 182 ,377 0 240 365 349 8 56 ,382 333 307 394 350 50 113 ,399 296 0 403 351 290 328 ,412 0 0 406 352 136 185 ,412 289 308 411 353 320 372 ,413 330 0 407 354 307 341 ,423 0 0 423 355 447 468 ,430 0 0 409 356 85 135 ,430 298 268 371 357 200 235 ,432 0 315 440 358 206 222 ,438 335 223 372 359 208 226 ,441 331 0 378 360 227 271 ,450 288 248 378 361 146 151 ,451 0 0 421 362 160 173 ,453 0 194 451 363 217 286 ,453 0 285 421 364 434 435 ,455 299 275 379 365 128 154 ,472 348 265 424 366 4 24 ,475 239 303 447 367 162 197 ,485 0 236 416 368 345 390 ,489 309 287 412 369 411 423 ,490 138 297 401 370 19 31 ,495 0 321 390 371 79 85 ,500 324 356 399 372 206 268 ,505 358 345 443 373 187 234 ,519 306 259 393 374 278 364 ,521 327 0 414 375 186 242 ,528 271 329 405 376 348 406 ,536 0 346 415 377 177 183 ,537 318 122 399 378 208 227 ,538 359 360 414 379 388 434 ,538 332 364 388 380 431 456 ,545 0 0 446 381 35 53 ,548 228 341 453 382 7 9 ,551 264 312 418 383 10 22 ,553 0 325 413 384 108 167 ,559 337 273 422 385 232 329 ,561 0 0 406 386 300 326 ,579 347 319 395 387 144 229 ,580 0 184 411 388 388 416 ,584 379 322 412 389 373 437 ,584 323 338 401 390 2 19 ,593 344 370 418 391 255 291 ,600 313 290 441 392 54 152 ,603 270 128 434 393 161 187 ,612 266 373 416 394 6 8 ,617 339 349 431 395 275 300 ,638 317 386 439 396 188 201 ,682 342 0 419 397 47 82 ,696 316 340 400 398 297 331 ,704 0 336 417 399 79 177 ,735 371 377 422 400 47 74 ,740 397 320 419 401 373 411 ,761 389 369 420 402 218 274 ,763 0 0 462 403 50 130 ,786 350 0 428 404 103 106 ,790 0 0 432 405 186 310 ,791 375 257 436 406 232 290 ,815 385 351 440 407 320 385 ,830 353 310 433 408 387 450 ,877 281 0 430 409 371 447 ,888 0 355 429 410 34 71 ,897 0 0 458 411 136 144 ,902 352 387 434 412 345 388 ,921 368 388 439 413 10 111 ,922 383 0 427 414 208 278 ,929 378 374 444 415 348 464 ,948 376 0 430 416 161 162 ,985 393 367 436 417 297 379 ,986 398 334 420 418 2 7 ,999 390 382 437 419 47 188 1,003 400 396 438 420 297 373 1,007 417 401 456 421 146 217 1,009 361 363 450 422 79 108 1,040 399 384 431 423 256 307 1,044 0 354 445 424 128 191 1,057 365 0 438 425 137 257 1,061 0 0 445 426 383 454 1,072 0 0 449 427 3 10 1,113 0 413 454 428 50 62 1,131 403 343 442 429 370 371 1,137 326 409 452 430 348 387 1,183 415 408 448 431 6 79 1,284 394 422 437 432 18 103 1,289 0 404 453 433 320 339 1,321 407 328 443 434 54 136 1,371 392 411 441 435 1 5 1,384 314 0 442 436 161 186 1,474 416 405 452 437 2 6 1,551 418 431 459 438 47 128 1,573 419 424 447 439 275 345 1,577 395 412 444 440 200 232 1,597 357 406 448 441 54 255 1,740 434 391 455 442 1 50 1,801 435 428 463 443 206 320 1,816 372 433 455 444 208 275 1,890 414 439 456 445 137 256 1,943 425 423 461 446 431 446 1,956 380 0 466 447 4 47 1,996 366 438 454 448 200 348 2,138 440 430 457 449 383 449 2,205 426 0 457 450 134 146 2,309 0 421 461 451 160 205 2,322 362 0 465 452 161 370 2,403 436 429 460 453 18 35 2,507 432 381 462 454 3 4 2,732 427 447 459455 54 206 2,862 441 443 469 456 208 297 2,887 444 420 460 457 200 383 3,333 448 449 466 458 32 34 3,493 0 410 465 459 2 3 3,769 437 454 464 460 161 208 3,830 452 456 464 461 134 137 3,897 450 445 467 462 18 218 3,973 453 402 463 463 1 18 4,667 442 462 468 464 2 161 5,149 459 460 469 465 32 160 5,671 458 451 470 466 200 431 5,851 457 446 467 467 134 200 7,283 461 466 468 468 1 134 7,939 463 467 470 469 2 54 10,102 464 455 471 470 1 32 10,330 468 465 471 471 1 2 14,578 470 469 473 472 29 343 15,293 0 0 473 473 1 29 78,775 471 472 0 Solução: - 2 conglomerados porque há um aumento expressivo no coefic de variabilidade interna entre os estágios 472 e 473. - 4 conglomerados porque há um aumento expressivo no coefic de variabilidade interna entre os estágios 470 e 471. - 6 conglomerados porque há um aumento expressivo no coefic de variabilidade interna entre os estágios 468 e 469. padronize as 4 variáveis e aplique a técnica K- Médias (K- Means), com as opções running means e iterate and classify com a solução de 4 grupos; salve o cluster membership no banco de dados analise a distribuição dos elementos nos 4 grupos; o que essa distribuição está indicando? Number of Cases in each Cluster Cluster 1 64,000 2 317,000 3 91,000 4 2,000 Valid 474,000 Missing ,000 Há dois elementos atípicos no grupo 4. localizar os 2 outliers e usar o comando de filtro para excluí-los Data / Select cases / If condition is satisfied / If id ~= 29 & id ~= 343 Continue / OK processar novamente K-Médias com 3 grupos analisar ANOVA e eliminar variáveis se for o caso Variável Current Salary H0: A média da variável current salary é igual nos 3 grupos. H1: A média da variável current salary é diferente nos 3 grupos. Conclusão: H0 falsa. Ou seja, a variável current salary discrimina bem os grupos. Variável Beginning Salary H0: A média da variável Beginning Salary é igual nos 3 grupos. H1: A média da variável Beginning Salary é diferente nos 3 grupos. Conclusão: H0 falsa. Ou seja, a variável Beginning Salary discrimina bem os grupos. Variável Previous experience H0: A média da variável Previous experience é igual nos 3 grupos. H1: A média da variável Previous experience é diferente nos 3 grupos. Conclusão: H0 falsa. Ou seja, a variável Previous experience discrimina bem os grupos. Variável Months since hire H0: A média da variável Months since hire é igual nos 3 grupos. H1: A média da variável Months since hire é diferente nos 3 grupos. Conclusão: H0 verdadeira. Ou seja, a variável Months since hire não discrimina os grupos. Agora, todas as variáveis são boas discriminantes dos grupos. qual é a variável que mais discriminou os grupos de funcionários? Beginning salary, pois o valor de F é o maior de todos. analise o perfil dos conglomerados obtidos em função das médias (ou centróides) das variáveis mantidas depois da análise da ANOVA Final Cluster Centers Cluster 1 2 3 Zscore: Current Salary 1,98352 -,29182 -,48550 Zscore: Beginning Salary 1,88098 -,33252 -,31271 Zscore: Previous Experience (months) -,16241 -,46134 1,68124 Cluster 1: maior salário atual e inicial, pouco tempo de experiência prévia (mais favorecido) Cluster 2: baixo salário atual e menor salário inicial, menor tempo de experiência prévia Cluster 3: pior salário atual e baixo salário inicial, maior tempo de experiência prévia (menos favorecido) analise o perfil dos conglomerados obtidos em função da variável jobcat Employment Category * Cluster Number of Case Crosstabulation Cluster Number of Case Total 1 2 3 1 Employment Category Clerical Count 2 294 67 363 % within Cluster Number of Case 3,1% 93,0% 72,8% 76,9% Custodial Count 0 4 23 27 % within Cluster Number of Case ,0% 1,3% 25,0% 5,7% Manager Count 62 18 2 82 % within Cluster Number of Case 96,9% 5,7% 2,2% 17,4% Total Count 64 316 92 472 % within Cluster Number of Case 100,0% 100,0% 100,0% 100,0% Cluster 1: maior salário atual e inicial, pouco tempo de experiência prévia (mais favorecido), predomínio do cargo gerencial Cluster 2: baixo salário atual e menor salário inicial, menor tempo de experiência prévia, predomínio de escriturários Cluster 3: pior salário atual e baixo salário inicial, maior tempo de experiência prévia (menos favorecido), predomínio de escriturários e forte presença do pessoal da segurança
Compartilhar