ابهام‌زدایی از خوشه

خوشه(Cluster) گروه بندی دسته های داده ها بر اساس شباهت برخی از معیارهاست. اساسا حسن خوشه بندی کاهش داده هاست. چرا که بر پایه الگوریتمی که طراحی می شود، دسته های داده ها تنها بر پایه چند شباهت خاص مثلا تحصیلات، شهری و روستایی بودن، خودروی شخصی و شاغل بودن خوشه بندی می شود و از بررسی گستره بیشتر داده ها اجتناب می شود. البته سعی می شود که شباهت بین داده های درون خوشه های متفاوت حداقل و شباهت داده های هر خوشه حداکثر باشد.

بر این اساس بدیهی است که اگر اطلاعات حدود 12 میلیون نفری که فرم اطلاعات خانوارها را پر نکرده اند وارد الگوریتم شود، خوشه بندی ها دچار تغییر شود و افراد در این خوشه ها جا به جا شوند.

البته در کتاب "تحلیل آماری چند متغیری کاربردی" نوشته ریچارد جانسون در نقد خوشه بندی آمده است: " تحلیل خوشه ای یک روش قدیمی است که در آن هیچ فرضی در مورد تعداد گروه ها یا ساختمان آنها در نظر گرفته نمی شود."

در ادبیات اقتصادی نیز خوشه بندی بیشتر در حوزه صنعت کاربرد دارد.

بنابراین تکیه دولت بر شیوه خوشه بندی خانوارها بر اساس درآمد و دارایی این مشکل را به وجود آورده است که دو فرد دارای درآمد، تحصیلات و خودروی شخصی یکسان ولی با وجود هزینه های متفاوت که عایدی خالص آنها را متفاوت می کند، در یک خوشه قرار خواهند گرفت.

تا کنون بر پایه اطلاعات خانوارها در سال 86 حدود 17 میلیون نفر در خوشه اول، 30 میلیون نفر در خوشه دوم و حدود 23 میلیون نفر هم در خوشه سوم قرار گرفته اند. بر مبنای ادعای مرکز آمار ایران افرادی که ماهانه بیش از 130 هزار تومان درآمد دارند در خوشه سوم قرار گرفته اند که خوشه متمولان جامعه است.

تا کنون مرکز آمار ایران اعلام نکرده است که خطای اندازه گیری خوشه بندی بر پایه شباهت های در نظر گرفته شده چه اندازه است ولی تصمیم گرفته است که در اردیبهشت ماه اعتراض های عمومی را بررسی کند. حتی اگر خطای اندازه گیری الگوریتم مرکز آمار پایین باشد و خوشه بندی مجدد افراد عادلانه تر شود، این سوال باقیست که اگر دولت بخواهد برای روزآمد سازی اطلاعات اقتصادی خانوارها بر اساس اطلاعات سال 87 و 88 اقدام کند و هر کدام یکسال زمان بخواهد، پس موعد اجرای عادلانه طرح هدفمند کردن یارانه ها چه زمانی خواهد بود؟