Cluster analysis of cost living data in Europe
Вантажиться...
Дата
2020
Автори
DOI
https://doi.org/10.31732/2663-2209-2020-58-40-51
Науковий ступінь
Рівень дисертації
Шифр та назва спеціальності
Рада захисту
Установа захисту
Науковий керівник
Члени комітету
Видавець
Університет «КРОК»
Анотація
There are a lot of studies, research, summaries, reports, and articles on the cost of living in different cities around the world. Although these studies are rich and powerful, only final results are published, such as city rankings, or summaries of the most important and least ranked cities. This paper aims to study the most livable cities in Europe using the cluster analysis of cost-of-living price data for the year 2019. I will apply the method of grouping according to similarities or differences in distance and cluster analysis algorithms, as there are many methods of cluster clustering and they are technical or an algorithm (Linking), where the results are different using the most common linking methods to draw the dendrogram, namely: the minimum or individual linking, the maximum or full linking, average or average linking, where we will notice that cities can cluster in a different cluster according to the method of linking, and the geographical location, Where this type of block analysis is done to help companies or even people determine which city to move to reduce the cost of living. Where it is important to avoid making the wrong decision in case of changing the next block for a specific city. The results allow us to describe the similarities and differences in the price structure of products and services in different cities and European countries. The results of the analysis showed that there are some similarities in the cost of living in some European countries and grouping them into one cluster, taking into account the difference in their geographical location. This indicates that the composition of the clusters depends on the method of linking in the analysis. These results can be used by individuals or institutions to choose the best European countries to live by comparing the cost of living in them compared to the available budget.
Досить багато досліджень, резюме, доповідей та статей про вартість життя у різних містах світу. Незважаючи на те, що ці дослідження багаті та потужні, публікуються лише остаточні результати, такі як рейтинг міст або зведеннянайважливіших та найменш оцінених міст. Ця робота спрямована на вивчення найбільш придатних для життя міст у Європі за допомогою кластерного аналізу даних про ціни на життя за 2019 рік. Я застосую метод групування за подібністю або різницею в алгоритмах кластерного аналізу, оскільки існують багато методів кластерної кластеризації, і вони є технічними або алгоритмом (Пов'язування), де результати різні, використовуючи найпоширеніші методи зв'язування для складання дендрограми, а саме: мінімальне або індивідуальне зв'язування, максимальне або повне зв'язування, середнє або середнє зв'язування , де ми помітимо, що міста можуть згрупуватися в інший кластер відповідно до методу зв’язування та географічного розташування, де цей тип блокового аналізу робиться, щоб допомогти компаніям або навіть людям визначити, яке місто переїхати, щоб зменшити вартість життя. Також уникати прийняття неправильного рішення у разі зміни наступного кварталу для конкретного міста. Результати дозволяють описати подібність та відмінності в структурі цін на товари та послуги в різних містах та європейських країнах. Результати аналізу показали, що в деяких європейських країнах існують певні подібності у вартості життя та об’єднання їх в один кластер з урахуванням різниці в їх географічному розташуванні. Це вказує на те, що склад кластерів залежить від методу зв'язування в аналізі. Ці результати можуть бути використані приватними особами чи установами для вибору найкращих європейських країн для життя шляхом порівняння вартості життя в них порівняно з наявним бюджетом.
Досить багато досліджень, резюме, доповідей та статей про вартість життя у різних містах світу. Незважаючи на те, що ці дослідження багаті та потужні, публікуються лише остаточні результати, такі як рейтинг міст або зведеннянайважливіших та найменш оцінених міст. Ця робота спрямована на вивчення найбільш придатних для життя міст у Європі за допомогою кластерного аналізу даних про ціни на життя за 2019 рік. Я застосую метод групування за подібністю або різницею в алгоритмах кластерного аналізу, оскільки існують багато методів кластерної кластеризації, і вони є технічними або алгоритмом (Пов'язування), де результати різні, використовуючи найпоширеніші методи зв'язування для складання дендрограми, а саме: мінімальне або індивідуальне зв'язування, максимальне або повне зв'язування, середнє або середнє зв'язування , де ми помітимо, що міста можуть згрупуватися в інший кластер відповідно до методу зв’язування та географічного розташування, де цей тип блокового аналізу робиться, щоб допомогти компаніям або навіть людям визначити, яке місто переїхати, щоб зменшити вартість життя. Також уникати прийняття неправильного рішення у разі зміни наступного кварталу для конкретного міста. Результати дозволяють описати подібність та відмінності в структурі цін на товари та послуги в різних містах та європейських країнах. Результати аналізу показали, що в деяких європейських країнах існують певні подібності у вартості життя та об’єднання їх в один кластер з урахуванням різниці в їх географічному розташуванні. Це вказує на те, що склад кластерів залежить від методу зв'язування в аналізі. Ці результати можуть бути використані приватними особами чи установами для вибору найкращих європейських країн для життя шляхом порівняння вартості життя в них порівняно з наявним бюджетом.
Опис
Ключові слова
cluster, living costs, city, distance, k-means, k-medoids, hierarchical clustering algorithms, кластер, витрати на життя, місто, відстань, k-середні, k-медоїди та алгоритми ієрархічної кластеризації
Бібліографічний опис
Taha M. Cluster analysis of cost living data in Europe / M. Taha // Вчені записки університету «КРОК». - 2020. - №2(58). - С. 40-51. - https://doi.org/10.31732/2663-2209-2020-58-40-51