ЭлБиб

Аграрная наука Евро-Северо-Востока, № 6 (37), 2013 г.

Евклидовы расст. между кластерами (2011_orig)

Расстояния под диагональю

Квадраты расстояний над диагональю

Кластер

Номер Но. 1 Но. 2 Но. 3 Но. 4 Но. 5 Но. 6

Но. 1

Но. 2

Но. 3

Но. 4

Но. 5

Но. 6

0.000000 1.144635 20.67689 0.47228 0.90951 3.10599

1.069876 0.000000 14.05841 2.94893 3.80393 6.51840

4.547185 3.749454 0.00000 25.85391 27.74100 32.52259

0.687228 1.717245 5.08467 0.00000 0.18283 2.19984

0.953681 1.950367 5.26697 0.42759 0.00000 1.16205

1.762382 2.553117 5.70286 1.48319 1.07798 0.00000

Дисперсионный анализ (2011_orig)

перемен.

Между

сс Внутри

сс

значим.

69.36378 5 10.63622 75 97.8220 0.000000

62.00539 5 17.99461 75 51.6866 0.000000

70.55851 5 9.44149 75 112.0986 0.000000

68.73715 5 11.26285 75 91.5450 0.000000

67.29769 5 12.70231 75 79.4710 0.000000

Рис. 3.

Анализ дисперсий. Расстояние между кластерами

Данный метод выделил Краснодарский

край в качестве отдельного кластера, который

отличается в лучшую сторону от группы ре-

гионов с очень высоким финансово-эконо-

мическим состоянием отрасли. В остальном

же его результаты схожи с первым методом.

Далее был использован алгоритм нечет-

кой кластеризации (fuzzy c-means) и произво-

дилось сравнение полученных результатов.

Главным достоинством данного метода явля-

ется использование понятия нечеткости при

определении принадлежности к определенно-

му кластеру. Нечеткая кластеризация методом

средних была проведена командой «fcm»

Matlab. В качестве параметров минимизирую-

щей функции выбирались параметры, предла-

гаемые по умолчанию. Средние значения для

каждого полученного кластера (центр класте-

ра) подтвердили гипотезу о существовании

пяти кластеров. Анализируя матрицу принад-

лежности регионов к конкретному кластеру и

центры кластеризации, стоит отметить, что

алгоритм нечеткой кластеризации, используя

понятия нечеткости, сумел лучше выделить

кластеры и более «равномерно» распределил

объекты наблюдений.

В целом, явно выделяются кластеры с

низким и высоким финансово-экономическим

состоянием. Остальные же кластеры можно

охарактеризовать как «Среднее состояние» и

провести дополнительную кластеризацию по

этой группе. Используя результаты трех мето-

дов кластеризации, была составлена таблица,

которая выделяет 18 регионов, относящихся к

кластеру «Высокое» и «Низкое» (табл. 2). Да-

лее методом k-средних была проведена кла-

стеризация оставшихся 62 регионов (рис. 4).

График средних для кажд. кл.

Кластер 1

Кластер 2

Кластер 3

Перемен.

-1.0

-0.8

-0.6

-0.4

-0.2

0.0

0.2

0.4

0.6

0.8

1.0

Рис. 4.

График средних значений кластеров

Заключение.

В ходе исследования нами

были достигнуты следующие результаты: вы-

полнен анализ состояния отрасли растениевод-

ства в регионах России, разработан комплекс

статистических показателей оценки состояния

отрасли в регионах, проведен предварительный

анализ показателей. Проведена кластеризация

регионов по выделенным факторам тремя ме-

тодами. Таким образом, используя результаты

кластерного анализа, подтверждена гипотеза о

существовании пяти кластеров регионов РФ в

отрасли растениеводства:

- «Высокий» – содержит в себе группу

регионов с высоким финансово-экономи-

ческим состоянием отрасли растениеводства

(11 регионов);

Электронная Научная СельскоХозяйственная Библиотека