preclusters, each successive case i

preclusters, each successive case is added to form a new precluster, using a likelihood dis- tance measure as the similarity criterion. Cases are assigned to the precluster that maxi- mises a log-likelihood function. In the second step, the preclusters are then grouped using the standard agglomerative clustering algorithm, producing a range of solutions, which is then reduced to the best number of clusters on the basis of Schwarz’s Bayesian information criterion (BIC). The BIC is known as one of the most useful and objective selection criteria, because it essentially avoids the arbitrariness in traditional clustering techniques (Norusis, 2003). In addition, both background noise and outliers can be iden- tified and screened out in the algorithm (Chiu et al., 2001).
The demographic and psychographic variables used in the cluster analysis are shown in Table 4. The first set of items consists of variables with nominal scales, including sex, mar- ital status, occupation, household structure, fixed Internet usage and mobile email usage. The second set of items consists of variables with ordinal scales, such as age, monthly allowance, hours spent watching TV, hours listening to radio, hours reading newspaper, and number of subscribed magazines. In addition, questions regarding interpersonal rela- tions are also included. The auto-clustering algorithm indicates that a four-cluster solution is the best model, because it minimises the BIC value and the change in the BIC between adjacent numbers of clusters.
The resulting Clusters 1, 2 and 3 contain 153, 224 and 229 cases, or 25.2%, 37% and 37.8%, respectively. Table 5 summarises the frequency distributions for some of the cate- gorical variables, which correspond to the demographic characteristics of each cluster.
Cluster 1 consists mainly of married women in a variety of age groups, from their thirties to their sixties. None of the male respondents are included. This cluster represents two main occupational categories: housewives and part-timers. Specifically, all housewives and more than half of the part-time workers belong to this group. Their monthly allowance is relatively lower than that of the other clusters, and is likely to be less than 30,000 yen. Household struc- ture consists mainly of a married couple or a married couple who live with their children.
By contrast, the majority of Cluster 2 consists of married male respondents, from their thirties to their sixties. In particular, a large part of the ‘‘pre-retirement’’ population in their sixties is concentrated in this cluster. Cluster members are likely to be corporate exec- utives, managerial, administrative, freelance workers, or self-employed. Most managerial positions are included in this group. Consequently, they have a relatively high level of monthly disposable income.
Cluster 3 consists of very young generations. All respondents below 20 are included in this group, and in contrast to Clusters 1 and 2, almost all respondents are single. In terms of household structure, they are primarily unmarried in single households, but other types of household structure are included: married with children, extended family, and others. The most logical interpretation is that they represent teenage students and young workers, especially in their twenties and thirties, who still live with their parents. The gender distri- bution consists approximately equally of male and female respondents. All students belong to this group. However, it should be noted that a greater proportion of those who could afford expenses of more than 100,000 yen belong to this cluster. Also, clerical, administrative, and unemployed make up a substantial proportion of Cluster 3.
Table 6 shows the frequency distribution of fixed Internet usage and mobile emailing. With regard to the former, Cluster 3 is the most enthusiastic user of Internet and Cluster 1 is the least enthusiastic. This corroborates one general condition identified in prior research: young male users are the first Internet adopters. In addition, Cluster 2, consisting

Kết quả (Việt) 1:

preclusters, mỗi trường hợp tiếp theo sẽ được thêm vào để tạo thành một precluster mới, bằng cách sử dụng một thước đo khả năng dis-tance như là tiêu chí tương tự. Trường hợp được chỉ định cho precluster chức năng maxi-mises một đăng nhập, khả năng đó. Trong bước thứ hai, các preclusters sau đó được nhóm bằng cách sử dụng tiêu chuẩn agglomerative kết cụm giải thuật, sản xuất một loạt các giải pháp, đó sau đó giảm xuống còn một số tốt nhất của cụm trên cơ sở các tiêu chí thông tin của Schwarz Bayes (BIC). BIC được gọi là một trong những tiêu chí lựa chọn hữu ích và khách quan nhất, bởi vì nó chủ yếu tránh arbitrariness trong kỹ thuật truyền thống kết cụm (Norusis, 2003). Ngoài ra, cả hai nền tiếng ồn và outliers có thể iden-tified và kiểm tra trong các thuật toán (Chiu và ctv., 2001).Các biến nhân khẩu học và psychographic được sử dụng trong phân tích cụm được hiển thị trong bảng 4. Tập đầu tiên của mặt hàng bao gồm biến với quy mô trên danh nghĩa, bao gồm cả tình dục, mar-ital tình trạng, nghề nghiệp, cấu trúc hộ gia đình, cố định sử dụng Internet và sử dụng email di động. Tập thứ hai của mục bao gồm các biến với quy mô tự, chẳng hạn như độ tuổi, phụ cấp hàng tháng, đã dành giờ xem TV, giờ nghe đài phát thanh, giờ đọc báo, và số lượng của tạp chí đã đăng ký. Ngoài ra, các câu hỏi liên quan đến giao tiếp rela-tions cũng được bao gồm. Các thuật toán clustering tự động chỉ ra rằng một giải pháp bốn cụm mô hình tốt nhất, bởi vì nó giảm thiểu các giá trị BIC và sự thay đổi trong BIC giữa các con số bên cạnh cụm.Kết quả là cụm 1, 2 và 3 chứa 153, 224 và 229 trường hợp, hoặc 25.2%, 37% và 37.8%, tương ứng. Bảng 5 toùm phân bố tần số cho một số cate - biến gorical, mà tương ứng với các đặc điểm nhân khẩu học của mỗi nhóm.Cụm 1 bao gồm chủ yếu là các phụ nữ đã lập gia đình trong một loạt các nhóm tuổi, từ thirties của họ đến những năm sáu mươi của họ. Không có người trả lời tỷ được bao gồm. Cụm sao này đại diện cho hai loại ngành nghề chính: bà nội trợ và một phần-timers. Đặc biệt, tất cả các bà nội trợ và hơn một nửa của những người lao động bán thời gian thuộc về nhóm này. Trợ cấp hàng tháng của họ là tương đối thấp hơn so với các cụm khác, và có thể ít hơn 30,000 yên. Struc-ture hộ gia đình bao gồm chủ yếu là một cặp vợ chồng hoặc một cặp vợ chồng sống với con cái của họ.Ngược lại, phần lớn các cụm 2 bao gồm vợ chồng trả lời tỷ từ thirties của họ đến những năm sáu mươi của họ. Đặc biệt, một phần lớn của dân '' tiền hưu trí '', những năm sáu mươi của họ tập trung trong cụm sao này. Nhóm thành viên có khả năng là công ty exec-utives, người lao động quản lý, hành chính, tự do, hoặc tự làm chủ. Hầu hết các vị trí quản lý được bao gồm trong nhóm này. Do đó, họ có một mức độ tương đối cao hàng tháng thu nhập dùng một lần.Cluster 3 consists of very young generations. All respondents below 20 are included in this group, and in contrast to Clusters 1 and 2, almost all respondents are single. In terms of household structure, they are primarily unmarried in single households, but other types of household structure are included: married with children, extended family, and others. The most logical interpretation is that they represent teenage students and young workers, especially in their twenties and thirties, who still live with their parents. The gender distri- bution consists approximately equally of male and female respondents. All students belong to this group. However, it should be noted that a greater proportion of those who could afford expenses of more than 100,000 yen belong to this cluster. Also, clerical, administrative, and unemployed make up a substantial proportion of Cluster 3.Table 6 shows the frequency distribution of fixed Internet usage and mobile emailing. With regard to the former, Cluster 3 is the most enthusiastic user of Internet and Cluster 1 is the least enthusiastic. This corroborates one general condition identified in prior research: young male users are the first Internet adopters. In addition, Cluster 2, consisting

Kết quả (Việt) 2:

preclusters, mỗi trường hợp tiếp được thêm vào để tạo thành một precluster mới, sử dụng biện pháp tầm một khả năng dis- như các tiêu chí tương tự. Các trường hợp được giao cho precluster rằng toái Mises một hàm log-likelihood. Trong bước thứ hai, preclusters sau đó được nhóm sử dụng các thuật toán tiêu chuẩn phân nhóm agglomerative, sản xuất một loạt các giải pháp, mà sau đó được giảm xuống số tốt nhất của cụm trên cơ sở các tiêu chí thông tin Bayesian Schwarz (BIC). BIC được biết đến như một trong những tiêu chí lựa chọn hữu ích nhất và khách quan, bởi vì về cơ bản nó tránh được sự tùy tiện trong các kỹ thuật phân nhóm truyền thống (Norusis, 2003). Ngoài ra, cả tiếng ồn nền và giá trị ngoại lai có thể thể xác định các và sàng lọc ra trong thuật toán (Chiu et al., 2001).
Các biến nhân khẩu học và tâm lý được sử dụng trong phân tích cluster được thể hiện trong Bảng 4. Các tập đầu tiên của mặt hàng bao gồm của các biến với quy mô danh nghĩa, trong đó có quan hệ tình dục, tình trạng vốn thị, nghề nghiệp, cơ cấu hộ gia đình, sử dụng Internet cố định và sử dụng email di động. Tập thứ hai của mặt hàng bao gồm các biến với quy mô thứ tự, chẳng hạn như độ tuổi, phụ cấp hàng tháng, giờ gian xem TV, giờ nghe radio, giờ đọc báo, tạp chí và số đăng ký. Ngoài ra, các câu hỏi liên quan đến các quan hệ giữa các cá nhân cũng được bao gồm. Các thuật toán tự động-clustering chỉ ra rằng một giải pháp bốn cụm là mô hình tốt nhất, bởi vì nó giảm thiểu giá trị BIC và sự thay đổi trong BIC giữa số liền kề của các cụm.
Các cụm kết quả 1, 2 và 3 chứa 153, 224 và 229 trường hợp , hay 25,2%, 37% và 37,8% tương ứng. Bảng 5 tóm tắt các phân bố tần số cho một số các biến gorical trù, tương ứng với các đặc điểm nhân khẩu học của mỗi cụm.
Cụm 1 gồm chủ yếu là phụ nữ có chồng trong một loạt các nhóm tuổi, từ ba mươi đến sáu mươi tuổi. Không ai trong số những người được hỏi là nam giới bao gồm. Cụm sao này đại diện cho hai nhóm nghề chính: các bà nội trợ và bán thời gian. Cụ thể, tất cả các bà nội trợ và hơn một nửa số bán thời gian người lao động thuộc nhóm này. Trợ cấp hàng tháng của họ là tương đối thấp hơn so với các cụm khác, và có khả năng là dưới 30.000 yen. Ture gia trúc bao gồm chủ yếu của một cặp vợ chồng hoặc một cặp vợ chồng sống với con cái của họ.
Ngược lại, phần lớn các Cụm 2 gồm các nam thanh kết hôn, từ ba mươi đến sáu mươi tuổi. Đặc biệt, một phần lớn của các '' trước khi nghỉ hưu '' dân số trong những năm sáu mươi của họ tập trung ở nhóm này. Cluster thành viên có thể sẽ là utives ty exec-, quản lý, hành chính, lao động tự do, hoặc tự làm chủ. Hầu hết các vị trí quản lý được bao gồm trong nhóm này. Do đó, họ có một mức độ tương đối cao của thu nhập hàng tháng.
Cụm 3 gồm các thế hệ rất trẻ. Tất cả người dưới 20 được bao gồm trong nhóm này, và ngược lại với cụm 1 và 2, gần như tất cả người trả lời duy nhất. Xét về cơ cấu hộ gia đình, họ chủ yếu là chưa lập gia đình trong các hộ gia đình duy nhất, nhưng các loại cấu trúc hộ gia đình bao gồm: lập gia đình với trẻ em, gia đình mở rộng, và những người khác. Việc giải thích hợp lý nhất là họ đại diện cho sinh viên thiếu niên và lao động trẻ, đặc biệt là ở tuổi đôi mươi và ba mươi của họ, những người vẫn còn sống với cha mẹ của họ. Các giới phân phối bao gồm khoảng không kém những người được hỏi nam và nữ. Tất cả các sinh viên thuộc nhóm này. Tuy nhiên, cần lưu ý rằng một tỷ lệ lớn hơn của những người có thể đủ khả năng chi phí của hơn 100.000 ¥ thuộc cụm đảo này. Ngoài ra, văn thư, hành chính, và thất nghiệp chiếm một tỷ lệ đáng kể của Cluster 3.
Bảng 6 cho thấy sự phân bố tần số sử dụng Internet cố định và điện thoại di động gửi email. Đối với các cựu với, Cụm 3 là sử dụng nhiệt tình nhất của Internet và Cluster 1 là ít nhiệt tình. Điều này đã chứng thực một điều kiện chung được xác định trong nghiên cứu trước: người dùng trẻ tuổi nam là những người chấp nhận Internet đầu tiên. Ngoài ra, Cụm 2, bao gồm