Вопросов:
У меня большая корреляционная матрица. Вместо того, чтобы кластеризовать отдельные корреляции, я хочу кластеризовать переменные на основе их корреляций друг с другом, т. Е. Если переменная A и переменная B имеют схожие корреляции с переменными C-Z, то A и B должны быть частью одного кластера. Хороший реальный пример этого - разные классы активов - корреляции внутри класса активов выше, чем корреляции между классами активов.
Я также рассматриваю кластеризацию переменных с точки зрения строгой связи между ними, например, когда корреляция между переменными A и B близка к 0, они действуют более или менее независимо. Если вдруг некоторые базовые условия меняются и возникает сильная корреляция (положительная или отрицательная), мы можем думать об этих двух переменных как о принадлежности к одному кластеру. Таким образом, вместо того, чтобы искать положительную корреляцию, нужно искать отношения, а не отношения. Я предполагаю, что аналогия может быть кластером положительно и отрицательно заряженных частиц. Если заряд падает до 0, частица уходит от кластера. Однако как положительные, так и отрицательные заряды притягивают частицы к пышным кластерам.
Я прошу прощения, если что-то из этого не очень ясно. Пожалуйста, дайте мне знать, я уточню конкретные детали.
Дендрограмма показывает, как элементы обычно группируются с другими элементами в соответствии с теоретическими группировками (например, группа элементов N (Neuroticism) вместе). Также показано, как некоторые элементы в кластерах более похожи (например, C5 и C1 могут быть более похожими, чем C5 с C3). Это также предполагает, что кластер N менее похож на другие кластеры.