69 utjecati na konačan rezultat grupiranja. Stoga se preporučuje prethodno provesti analizu podataka, detektirati i po potrebi ukloniti ekstremne vrijednosti. Wardova metoda može se koristiti s različitim mjerama udaljenosti, no najčešće se primjenjuje euklidska udaljenost. Kombinacija euklidske metrike i Wardovog kriterija daje stabilne i interpretabilne klastere, pogodne za vizualizaciju i daljnju analizu. Nakon što se dendrogram dobije, istraživač mora odlučiti o optimalnom broju klastera, što se može odrediti vizualnim pregledom dendrograma ili korištenjem dodatnih statističkih kriterija. U geografiji primjena Wardove metode posebno dolazi do izražaja jer se ona često bavi velikim i složenim skupovima prostornih podataka. Zaključno, Wardova metoda u klaster analizi predstavlja snažan i pouzdan alat za grupiranje podataka, posebno kada je cilj dobiti jasno definirane i uravnotežene klastere. Iako zahtijeva pažnju pri obradi podataka i izboru mjere udaljenosti, njezina primjena pruža istraživačima mogućnost dubljeg uvida u strukturu i odnose unutar složenih skupova podataka. Provođenje klaster analize započinje izborom varijabli. S obzirom na zahtjeve tipologije kao metode te njena ograničenja koja proizlaze iz selektivnosti i statičnosti (v. Uvod), u ovoj studiji se od varijabli dostupnih na razini naselja koristi njih devet, podijeljenih u četiri skupine (Tablica 28.). Broj odabranih varijabli ovisan je o ukupnom broju jedinica klasterizacije (naselja). Odabrane varijable kompromis su dosadašnjih tipologija ruralnih i urbaniziranih naselja, dostupnosti podataka na razini naselja zbog „zatvorenih“ podataka Državnog zavoda za statistiku za naselja male veličine te ograničenja koja proizlaze iz velikog broja (28) sitnih (patuljastih) naselja gdje su statističke analize otežane zbog efekta malih brojeva. Usprkos tome, kao što će pokazati kasniji testovi (analiza varijance ANOVA) kod čak 8 od 9 varijabli postoje statistički značajne razlike između srednjih vrijednosti varijable u različitim klasterima što potvrđuje da su klasteri ne samo matematički oblikovani, već i empirijski opravdani. Tablica 28. Varijable korištene u klaster analizi naselja Grda Grubišnog Polja i općina Veliki Grđevac, Velika Pisanica i Šandrovac Skupina Varijabla/skraćeni naziv Vremenski okvir Izvor Stanovništvo Indeks promjene broja stanovnika (IND_61_21) 2021.-1961. DZS Vitalni indeks (VIT_IN0021) 2000.-2021. DZS Koeficijent mladosti (KOEF_MLAD) 2021. DZS Fizionomsko-morfološki pokazatelji Udio nenastanjenih stanova (UD_NEN_STAN) 2021. DZS Poljoprivreda Omjer broja obiteljskih poljoprivrednih gospodarstava i broja stanova (UD_OPG_STAN) 2024., 2021. Upisnik poljoprivrednika, APPPRRR; DZS Indeks promjene broja obiteljskih poljoprivrednih gospodarstava (IND_OPG1824) 2024.-2018. ARKOD, APPPRRR
RkJQdWJsaXNoZXIy Mjc2NzM=