Comparação de métodos de análise de cluster para agrupar países de acordo com os dados do Relatório Mundial da Felicidade

Abstract

Este trabalho de conclusão de curso tem como objetivo comparar diversas técnicas de agrupamento (ligação simples, média, completa, centroide e Ward) na tarefa de categorizar países com base nos dados do Relatório Mundial da Felicidade de 2019. O principal objetivo foi identificar e avaliar os padrões e semelhanças entre os países, considerando as variáveis disponíveis. Após a aplicação de todas as técnicas e a escolha do número ideal de grupos, elas foram minuciosamente comparadas. A técnica de ligação completa se destacou, obtendo os melhores resultados nas análises do dendrograma, medidas de silhueta e correlação cofenética. Como resultado, quatro grupos distintos foram formados. Os grupos 1 e 2 apresentaram os menores valores nas variáveis consideradas positivas, enquanto os grupos 3 e 4 mostraram os maiores valores nessas mesmas variáveis. É relevante notar que a maioria dos países pertencentes aos grupos 3 e 4 está em regiões mais desenvolvidas do mundo e, de acordo com a variável "Score da Felicidade," são considerados os grupos mais felizes. Esse estudo proporcionou uma análise aprofundada sobre como as técnicas de agrupamento podem ser aplicadas para revelar padrões e semelhanças entre países com base nos dados do Relatório Mundial da Felicidade de 2019, enriquecendo a compreensão dos níveis de felicidade em escala global.

This undergraduate thesis aims to compare various clustering techniques (single linkage, average linkage, complete linkage, centroid, and Ward) in the task of categorizing countries based on the data from the 2019 World Happiness Report. The primary objective was to identify and evaluate patterns and similarities among countries, taking into account the available variables. After applying all the techniques and selecting the ideal number of groups, they were thoroughly compared. The complete linkage technique stood out, achieving the best results in dendrogram analysis, silhouette measures, and cophenetic correlation. As a result, four distinct groups were formed. Groups 1 and 2 showed the lowest values in the considered positive variables, while groups 3 and 4 exhibited the highest values in those same variables. It is noteworthy that most countries in groups 3 and 4 are from more developed regions of the world and, according to the "Happiness Score" variable, are considered the happiest groups. This study provided an in-depth analysis of how clustering techniques can be applied to reveal patterns and similarities among countries based on the data from the 2019 World Happiness Report, enriching the understanding of happiness levels on a global scale.