Zusammenfassung
Die Clusteranalyse stellt ein in den unterschiedlichsten Wissenschaften häufig benutztes Verfahren zur Einteilung einer Menge von Objekten in Klassen dar (Aldenderfer und Blashfield 1984, S. 7 ff.). Das Ziel ist es hierbei vorrangig, Objekte möglichst homogenen Klassen (Segmenten) zuzuordnen, um so segmentspezifische Erkenntnisse zu gewinnen. So werden beispielsweise Kunden in möglichst homogene Segmente eingeteilt, um diese dann spezifisch mit Marketingmaßnahmen zu adressieren. Typischerweise werden hierfür noch immer Verfahren angewendet, welche die unbeobachtete Heterogenität der der Analyse zugrunde liegenden Daten nicht berücksichtigen. Realistischer ist jedoch die Annahme, dass unterschiedliche Quellen zur Heterogenität der Daten führen. Diese Quellen sind jedoch aufgrund fehlender Informationen häufig nicht beobachtbar (Abbildung 12.1).
This is a preview of subscription content, log in via an institution to check access.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Literatur
Aldenderfer, M.S. und R.K. Blashfield (1984): Cluster Analysis,Beverly Hills. Bacher, J. (1994): Clusteranalyse,München et al.
Banfield, J.D. und A.E. Raftery (1993): Model-based Gaussian and Non-Gaussian Clustering, Biometrics, 49, 803–821.
Clement, M. (2000): Interaktives Fernsehen: Analyse und Prognose seiner Nutzung,Wiesbaden.
Clement, M., M. Engh und B. Thielmann (2003): Innovative Product and Customer Retention Strategies in the Music Business: An Analysis of Santana’s Enhanced Album „Shaman“, International Journal on Media Management, 5, 3, 189–197.
DeSarbo, W.S., A. Ansari, P. Chintagunta, C. Himmelberg, K. Jedidi, R. Johnson, W. Kamakura, P. Lenk, K. Srinivasan und W. Wedel (1997): Representing Heterogeneity in Consumer Response Models, Marketing Letters, 8, 335–348.
Everitt, B.S. (1993): Clusteranalyse, 3. Aufl., New York.
Flury, B. (1997): A First Course in Multivariate Statistics,New York.
Hasselblad, V. (1966): Estimation of Parameters for a Mixture of Normal Distributions, Technometrics, 8, 431–444.
Hruschka, H. (1986): Market Definition and Segmentation Using Fuzzy Clustering Methods, International Journal of Research in Marketing, 3, 117–134.
Johannsen, N. (2002): Banner-@dvertising: Klickraten als Möglichkeit einer Mediaselektion im Internet?,Wiesbaden.
Kaufmann, H. und H. Pape (1996): Clusteranalyse, in: Fahrmeir, L. Hamerle, A., Tutz, G (Hrsg.): Multivariate statistische Verfahren, 2., überarbeitete Aufl., Berlin et al., 437–536.
McHugh, R.B. (1956): Efficient Estimation and Local Identification in Latent Class Analysis, Psychometrika, 21, 331–347.
McHugh, R.B. (1958): Note on Efficient Estimation and Local Identification in Latent Class Analysis, Psychometrika, 23, 273–274.
McLachlan, G.J. und K.E. Basford (1988): Mixture Models: Inference and Applications to Clustering,New York.
Petry, N. (1998): Lineare Fuzzy-Regression,Saarbrücken.
Punj, G. und D.W. Stewart (1983): Cluster Analysis in Marketing Research: Review and Suggestions for Application, Journal of Marketing Research, 20, May, 134–148.
Rogers, E.M. (2004): Diffusion of Innovations,New York et al.
Tanner, M.A. (1996): Tools for Statistical Inference, 3. Aufl., New York.
Titterington, D.M., A.F.M. Smith und U.E. Makov (1985): Statistical Analysis of Finite Mixture Distributions,New York.
Vermunt, J.K. und J. Magidson (2005): Technical Guide for Latent GOLD Choice 4.0: Basic and Advanced,Belmont Massachusetts.
Wannhoff, J. (1990): Zur Analyse von Mischverteilungen auf der Basis von Informationskriterien,Bergisch-Gladbach et al..
Wedel, M. und W.A. Kamakura (2000): Market Segmentation: Conceptual and Methodological Foundations, 2. Aufl., Boston.
Wedel, M. und W.S. DeSarbo (1995): A Mixture Likelihood Approach for Generalized Linear Models, Journal of Classification, 12, 21–55.
Editor information
Rights and permissions
Copyright information
© 2009 Springer Fachmedien Wiesbaden
About this chapter
Cite this chapter
Boßow-Thies, S., Clement, M. (2009). Fuzzy Clustering mit Hilfe von Mixture Models. In: Albers, S., Klapper, D., Konradt, U., Walter, A., Wolf, J. (eds) Methodik der empirischen Forschung. Gabler Verlag, Wiesbaden. https://doi.org/10.1007/978-3-322-96406-9_12
Download citation
DOI: https://doi.org/10.1007/978-3-322-96406-9_12
Publisher Name: Gabler Verlag, Wiesbaden
Print ISBN: 978-3-8349-1703-4
Online ISBN: 978-3-322-96406-9
eBook Packages: Business and Economics (German Language)