SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

95
SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE CLUSTERING AND HOUSEHOLD DATA ANALYSIS MISS CHADARAT PHIPATHANANUNTH MISS SIRITHORN JALERNRAT MISS SASITHORN MONGKOLSRIPATTANA THE RESEARCH WAS FINANCIALLY SUPPORTTED BY THE UNIVERSITY OF THE THAI CHAMBER OF COMMERCE 2013

Transcript of SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

Page 1: SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS

USING THE CLUSTERING AND HOUSEHOLD DATA ANALYSIS

MISS CHADARAT PHIPATHANANUNTH MISS SIRITHORN JALERNRAT MISS SASITHORN MONGKOLSRIPATTANA

THE RESEARCH WAS FINANCIALLY SUPPORTTED BY THE UNIVERSITY OF THE THAI CHAMBER OF COMMERCE

2013

Page 2: SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

āļāļēāļĢāļ§āđ€āļ„āļĢāļēāļ°āļŦāļ‚āļ­āļĄāļĨāļ—āļēāļ‡āđ€āļĻāļĢāļĐāļāļāļˆāđāļĨāļ°āļŠāļ‡āļ„āļĄāļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™

āļ”āļ§āļĒāļ§āļ˜āļāļēāļĢāđāļšāļ‡āļāļĨāļĄāđāļĨāļ°āļŦāļēāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜ āļŠ āļēāļŦāļĢāļšāļāļēāļĢāļ— āļēāđ€āļŦāļĄāļ­āļ‡āļ‚āļ­āļĄāļĨ

āļ­āļēāļˆāļēāļĢāļĒāļŠāļŽāļēāļĢāļ•āļ™ āļžāļžāļ’āļ™āļ™āļ™āļ— āļ­āļēāļˆāļēāļĢāļĒāļŠāļĢāļ˜āļĢ āđ€āļˆāļĢāļāļĢāļ•āļ™ āļ™āļēāļ‡āļŠāļēāļ§āļĻāļĻāļ˜āļĢ āļĄāļ‡āļ„āļĨāļĻāļĢāļžāļ’āļ™āļē

āļĢāļēāļĒāļ‡āļēāļ™āļāļēāļĢāļ§āļˆāļĒāļ™āđ„āļ”āļĢāļšāļ—āļ™āļŠāļ‡āđ€āļŠāļĢāļĄāļ‡āļēāļ™āļ§āļˆāļĒāļˆāļēāļāļĄāļŦāļēāļ§āļ—āļĒāļēāļĨāļĒāļŦāļ­āļāļēāļĢāļ„āļēāđ„āļ—āļĒ āļž.āļĻ. 2556

Page 3: SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

āļŠāļ­āđ€āļĢāļ­āļ‡ : āļāļēāļĢāļ§āđ€āļ„āļĢāļēāļ°āļŦāļ‚āļ­āļĄāļĨāļ—āļēāļ‡āđ€āļĻāļĢāļĐāļāļāļˆāđāļĨāļ°āļŠāļ‡āļ„āļĄāļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ”āļ§āļĒāļ§āļ˜āļāļēāļĢāđāļšāļ‡āļāļĨāļĄāđāļĨāļ°āļŦāļē āļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜ āļŠ āļēāļŦāļĢāļšāļāļēāļĢāļ— āļēāđ€āļŦāļĄāļ­āļ‡āļ‚āļ­āļĄāļĨ āļœāļ§āļˆāļĒ : āļ­āļēāļˆāļēāļĢāļĒāļŠāļŽāļēāļĢāļ•āļ™ āļžāļžāļ’āļ™āļ™āļ™āļ— āļ„āļ“āļ°/āļŠāļēāļ‚āļē : āļ„āļ“āļ°āļ§āļ—āļĒāļēāļĻāļēāļŠāļ•āļĢāđāļĨāļ°āđ€āļ—āļ„āđ‚āļ™āđ‚āļĨāļĒ/

āļŠāļēāļ‚āļēāļ§āļŠāļēāđ€āļ—āļ„āđ‚āļ™āđ‚āļĨāļĒāļŠāļēāļĢāļŠāļ™āđ€āļ—āļĻāđāļĨāļ°āļāļēāļĢāļŠāļ­āļŠāļēāļĢāļĄāļŦāļēāļ§āļ—āļĒāļēāļĨāļĒāļŦāļ­āļāļēāļĢāļ„āļēāđ„āļ—āļĒ

āļ­āļēāļˆāļēāļĢāļĒāļŠāļĢāļ˜āļĢ āđ€āļˆāļĢāļāļĢāļ•āļ™ āļ„āļ“āļ°/āļŠāļēāļ‚āļē : āļ„āļ“āļ°āļ§āļ—āļĒāļēāļĻāļēāļŠāļ•āļĢāđāļĨāļ°āđ€āļ—āļ„āđ‚āļ™āđ‚āļĨāļĒ/āļŠāļēāļ‚āļēāļ§āļŠāļēāļ§āļ—āļĒāļēāļāļēāļĢāļ„āļ­āļĄāļžāļ§āđ€āļ•āļ­āļĢ

āļĄāļŦāļēāļ§āļ—āļĒāļēāļĨāļĒāļŦāļ­āļāļēāļĢāļ„āļēāđ„āļ—āļĒ āļ™āļēāļ‡āļŠāļēāļ§āļĻāļĻāļ˜āļĢ āļĄāļ‡āļ„āļĨāļĻāļĢāļžāļ’āļ™āļē āļĻāļ™āļĒāļ§āļˆāļĒāļĄāļŦāļēāļ§āļ—āļĒāļēāļĨāļĒāļŠāļ„āļēāđ‚āļ- āļĄāļŦāļēāļ§āļ—āļĒāļēāļĨāļĒāļŦāļ­āļāļēāļĢāļ„āļēāđ„āļ—āļĒ

āļˆ āļēāļ™āļ§āļ™āļŦāļ™āļē : 48 āļŦāļ™āļē āļ›āļ—āđāļĨāļ§āđ€āļŠāļĢāļˆ : 2556 āļ„ āļēāļŠ āļēāļ„āļ : āļāļēāļĢāļ— āļēāđ€āļŦāļĄāļ­āļ‡āļ‚āļ­āļĄāļĨ āļ­āļĨāļāļ­āļĢāļ—āļĄāđ€āļ„āļĄāļ™ āļāļŽāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜

āļšāļ—āļ„āļ”āļĒāļ­* āļ‡āļēāļ™āļ§āļˆāļĒāļ™āđ€āļ›āļ™āļāļēāļĢāļĻāļāļĐāļēāđāļĨāļ°āļ§āđ€āļ„āļĢāļēāļ°āļŦāļ‚āļ­āļĄāļĨāļāļēāļĢāļŠ āļēāļĢāļ§āļˆāļ āļēāļ§āļ°āđ€āļĻāļĢāļĐāļāļāļˆāđāļĨāļ°āļŠāļ‡āļ„āļĄāļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ āļ›āļĢāļ°āļˆ āļēāļ› āļž.āļĻ. 2552 āđ‚āļ”āļĒāļ™ āļēāļ„āļ§āļēāļĄāļĢāļ—āļēāļ‡āļ”āļēāļ™āļāļēāļĢāļ— āļēāđ€āļŦāļĄāļ­āļ‡āļ‚āļ­āļĄāļĨāļĄāļēāđƒāļŠāđ€āļžāļ­āļˆāļ”āļāļĨāļĄāļ‚āļ­āļĄāļĨāļ•āļēāļĄāļāļēāļĢāđƒāļŠāļˆāļēāļĒāļ‚āļ­āļ‡āļ›āļĢāļ°āļŠāļēāļāļĢāđ‚āļ”āļĒāđƒāļŠāļ­āļĨāļāļ­āļĢāļ—āļĄāđ€āļ„āļĄāļ™āļŠ āļēāļŦāļĢāļšāļŦāļēāļāļĨāļĄāļ‚āļ­āļ‡āļ‚āļ­āļĄāļĨāļ—āđ€āļŦāļĄāļēāļ°āļŠāļĄāļˆāļēāļāļ„āļē DB Index āđāļĨāļ° SD Validity Index āļžāļšāļ§āļēāļˆ āļēāļ™āļ§āļ™āļāļĨāļĄāļ—āđ€āļŦāļĄāļēāļ°āļŠāļĄāļ„āļ­ 3 āļāļĨāļĄ āļˆāļēāļāļ™āļ™āđƒāļŠāļāļŽāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āđƒāļ™āļāļēāļĢāļŦāļēāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āļ‚āļ­āļ‡āļ‚āļ­āļĄāļĨāđƒāļ™āđāļ•āļĨāļ°āļāļĨāļĄ āđ€āļžāļ­āļ™ āļēāđ„āļ›āļŦāļēāļ•āļ§āđāļ›āļĢāļ—āļĄāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āļāļ™ āļœāļĨāļāļēāļĢāļ§āļˆāļĒāļžāļšāļ§āļēāļāļŽāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āļ—āđ„āļ”āđƒāļ™āđāļ•āļĨāļ°āļāļĨāļĄāļĄāļĨāļāļĐāļ“āļ°āļ„āļĨāļēāļĒāļ„āļĨāļ‡āļāļ™ āđ€āļŠāļ™ āļĢāļēāļĒāđ„āļ”āđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļĄāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āļāļšāļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ āļ‚āļ™āļēāļ”āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļĄāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āļāļšāļˆ āļēāļ™āļ§āļ™āļœāļŦāļēāļĢāļēāļĒāđ„āļ” āđāļĨāļ°āļ„āļēāđƒāļŠāļˆāļēāļĒāļĒāļēāļŠāļšāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļĄāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āļāļšāļˆ āļēāļ™āļ§āļ™āļŠāļĄāļēāļŠāļāļ—āļĄāļŠāļ—āļ˜āđƒāļ™āļāļēāļĢāđ€āļšāļāļ„āļēāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ āđ€āļ›āļ™āļ•āļ™ * āļœāļĨāļ‡āļēāļ™āļ§āļˆāļĒāļ™āđ„āļ”āļĢāļšāļ—āļ™āļŠāļ‡āđ€āļŠāļĢāļĄāļāļēāļĢāļ§āļˆāļĒ āļŠ āļēāļŦāļĢāļšāļžāļ™āļāļ‡āļēāļ™āļ›āļĢāļ°āļˆ āļēāļĄāļŦāļēāļ§āļ—āļĒāļēāļĨāļĒāļŦāļ­āļāļēāļĢāļ„āļēāđ„āļ—āļĒ

āļ

Page 4: SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

Title : Socio-Economic Household Data Analysis Using the Clustering and Association Technique for Data Mining Researcher : Chadarat Phipathananunth Faculty/Department : School of Science

and Technology Department of Information and Communication Technology / The University of the Thai Chamber of Commerce

Sirithorn Jalearnrat Faculty/Department : School of Science and Technology Department of Computer Science / The University of the Thai Chamber of Commerce

Sasithorn Mongkolsripattana The University of Chicago- University of the Thai Chamber of Commerce Research

Center Year of Accomplishment : 2013 No. of Pages : 48 Pages Key words : data mining, K-means algorithm, association rule

Abstract*

In this research, we studies and analyses the data from the Household Socio-Economic Survey

2009 of the Office of National Statistics, Thailand. We use K-means algorithm to cluster the

expenditure of the population. By using DB Index and SD Validity, Index, we found that the

appropriate number of clusters is three clusters. Then we use association rule technique to determine the

relationship between variables. The results show that the association rules are similar among clusters.

For example, the average monthly household income is related to the average monthly household cost.

Besides, household size is related to number of earners per household. Furthermore, the monthly

āļ‚

Page 5: SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

tobacco cost for a household is associated with a number of members who are entitled to reimbursement

for medical expenses.

*The research was Financially Supported by the University of the Thai Chamber of Commerce

Page 6: SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

āļāļ•āļ•āļāļĢāļĢāļĄāļ›āļĢāļ°āļāļēāļĻ

āļ‚āļ­āļ‚āļ­āļšāļ„āļ“ āļĄāļŦāļēāļ§āļ—āļĒāļēāļĨāļĒāļŦāļ­āļāļēāļĢāļ„āļēāđ„āļ—āļĒāļ—āđ€āļĨāļ‡āđ€āļŦāļ™āļ„āļ§āļēāļĄāļŠ āļēāļ„āļ āđāļĨāļ°āđ€āļŠāļĢāļĄāļŠāļĢāļēāļ‡āļšāļ„āļĨāļēāļāļĢāļ”āļēāļ™āļāļēāļĢāļ§āļˆāļĒ āđ‚āļ”āļĒāđƒāļŦāļ—āļ™āļŠāļ™āļšāļŠāļ™āļ™āļœāļĨāļ‡āļēāļ™āļ§āļˆāļĒāđƒāļ™āļ„āļĢāļ‡āļ™ āļĢāļ§āļĄāļ— āļ‡ āļ”āļĢ.āđ€āļĨāļ­āļŠāļĢāļĢāļ„ āđ‚āļšāļŠāļ§āļĢāļĢāļ“ āļ­āļēāļˆāļēāļĢāļĒāļˆāļēāļāļŠāļ–āļēāļšāļ™āļšāļ“āļ‘āļ•āļžāļ’āļ™āļšāļĢāļŦāļēāļĢāļĻāļēāļŠāļ•āļĢ āļ—āļŠāļĨāļ°āđ€āļ§āļĨāļēāđƒāļŦāļ„ āļēāļ›āļĢāļāļĐāļēāļ—āđ€āļ›āļ™āļ›āļĢāļ°āđ‚āļĒāļŠāļ™āđāļĨāļ°āđ€āļ­āļ­āđ€āļŸāļ­āļ‚āļ­āļĄāļĨāļĄāļēāđ‚āļ”āļĒāļ•āļĨāļ­āļ”āļĢāļ°āļĒāļ°āđ€āļ§āļĨāļēāļ‚āļ­āļ‡āļāļēāļĢāļ— āļēāļ‡āļēāļ™āļ§āļˆāļĒ āļ‚āļ­āļ‚āļ­āļšāļ„āļ“āļĻāļ™āļĒāļ§āļˆāļĒāļĄāļŦāļēāļ§āļ—āļĒāļēāļĨāļĒāļŠāļ„āļēāđ‚āļ -āļĄāļŦāļēāļ§āļ—āļĒāļēāļĨāļĒāļŦāļ­āļāļēāļĢāļ„āļēāđ„āļ—āļĒ āđāļĨāļ°āļŠ āļēāļ™āļāļ‡āļēāļ™āļŠāļ–āļ•āđāļŦāļ‡āļŠāļēāļ• āļ—āđƒāļŦāļ‚āļ­āļĄāļĨāļāļēāļĢāļˆāļ”āđ€āļāļšāļ‚āļ­āļĄāļĨāļ āļēāļ§āļ°āđ€āļĻāļĢāļĐāļāļāļˆāđāļĨāļ°āļŠāļ‡āļ„āļĄāļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ (Household Socio-Economic Survey) āļĄāļēāđƒāļŠāđƒāļ™āļāļēāļĢāļ— āļēāļ§āļˆāļĒ āđāļĨāļ°āļœāļŠāļ§āļĒāļ™āļāļ§āļˆāļĒāļ—āļāļ—āļēāļ™ āļĢāļ§āļĄāļ—āļ‡āļšāļ„āļĨāļēāļāļĢāļ—āļāļ—āļēāļ™āđƒāļ™āļ„āļ“āļ°āļ§āļ—āļĒāļēāļĻāļēāļŠāļ•āļĢāđāļĨāļ°āđ€āļ—āļ„āđ‚āļ™āđ‚āļĨāļĒ āļĄāļŦāļēāļ§āļ—āļĒāļēāļĨāļĒāļŦāļ­āļāļēāļĢāļ„āļēāđ„āļ—āļĒāļ—āļ„āļ­āļĒāđ€āļ›āļ™āļ āļēāļĨāļ‡āđƒāļˆ

āļŠāļ”āļ—āļēāļĒāļ—āļˆāļ°āļĨāļĄāđ„āļĄāđ„āļ”āļ‚āļ­āļ‚āļ­āļšāļ„āļ“āļšāļ„āļ„āļĨāđƒāļ™āļ„āļĢāļ­āļšāļ„āļĢāļ§āļ—āļ„āļ­āļĒāđƒāļŦāļ āļēāļĨāļ‡āđƒāļˆāđāļĨāļ°āļ„āļ§āļēāļĄāļŠāļ§āļĒāđ€āļŦāļĨāļ­āļŠāļ™āļšāļŠāļ™āļ™āļˆāļ™āļ— āļēāđƒāļŦāļœāļĨāļ‡āļēāļ™āļ§āļˆāļĒāļŠāļ™āļ™āļŠ āļēāđ€āļĢāļˆāļĨāļĨāļ§āļ‡āđ„āļ›āđ„āļ”āļ”āļ§āļĒāļ”

āļŠāļŽāļēāļĢāļ•āļ™ āļžāļžāļ’āļ™āļ™āļ™āļ— āđāļĨāļ°āļ„āļ“āļ° āļĄāļāļĢāļēāļ„āļĄ 2556

āļ„

Page 7: SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

āļŠāļēāļĢāļšāļ āļŦāļ™āļē āļšāļ—āļ„āļ”āļĒāļ­āļ āļēāļĐāļēāđ„āļ—āļĒ āļ āļšāļ—āļ„āļ”āļĒāļ­āļ āļēāļĐāļēāļ­āļ‡āļāļĪāļĐ āļ‚ āļāļ•āļ•āļāļĢāļĢāļĄāļ›āļĢāļ°āļāļēāļĻ āļ„ āļŠāļēāļĢāļšāļ āļ‡ āļŠāļēāļĢāļšāļāļ•āļēāļĢāļēāļ‡ āļˆ āļŠāļēāļĢāļšāļāļĢāļ›āļ āļēāļž āļ‰ āļšāļ—āļ— 1 āļšāļ—āļ™ āļē 1.1 āļ„āļ§āļēāļĄāļŠ āļēāļ„āļāđāļĨāļ°āļ—āļĄāļēāļ‚āļ­āļ‡āļ›āļāļŦāļē 1 1.2 āļ§āļ•āļ–āļ›āļĢāļ°āļŠāļ‡āļ„āļ‚āļ­āļ‡āđ‚āļ„āļĢāļ‡āļāļēāļĢāļ§āļˆāļĒ 2 1.3 āļ›āļĢāļ°āđ‚āļĒāļŠāļ™āļ—āļ„āļēāļ”āļ§āļēāļˆāļ°āđ„āļ”āļĢāļš 2 1.4 āļ‚āļ­āļšāđ€āļ‚āļ•āļ‚āļ­āļ‡āļāļēāļĢāļ§āļˆāļĒ 1.5 āļ™āļĒāļēāļĄāļĻāļžāļ—

2 3

āļšāļ—āļ— 2 āđāļ™āļ§āļ„āļ” āļ—āļĪāļĐāļŽ āđāļĨāļ°āļœāļĨāļ‡āļēāļ™āļ§āļˆāļĒāļ—āđ€āļāļĒāļ§āļ‚āļ­āļ‡ 2.1 āļāļēāļĢāļ— āļēāđ€āļŦāļĄāļ­āļ‡āļ‚āļ­āļĄāļĨ 4 2.2 āļ—āļĪāļĐāļŽāļāļēāļĢāļˆāļ”āļāļĨāļĄ 2.3 āļ­āļĨāļāļ­āļĢāļ—āļĄāđ€āļ„āļĄāļ™

6 7

2.4 āļāļŽāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜ 9 2.5 āļ­āļĨāļāļ­āļĢāļ—āļĄāļ­āļžāļĢāđ‚āļ­āļĢ 12 2.6 āļāļēāļĢāļ§āļ”āļ›āļĢāļ°āļŠāļ—āļ˜āļ āļēāļž 13 2.7 āļ‡āļēāļ™āļ§āļˆāļĒāļ—āđ€āļāļĒāļ§āļ‚āļ­āļ‡ 17 āļšāļ—āļ— 3 āļ§āļ˜āļāļēāļĢāļ” āļēāđ€āļ™āļ™āļāļēāļĢāļ§āļˆāļĒ 3.1 āđ€āļ„āļĢāļ­āļ‡āļĄāļ­āđāļĨāļ°āļ­āļ›āļāļĢāļ“ 3.2 āļ‚āļ­āļĄāļĨāļŠ āļēāļŦāļĢāļšāļ— āļēāļāļēāļĢāļ§āļˆāļĒ 3.3 āļ‚āļ™āļ•āļ­āļ™āļāļēāļĢāļ—āļ”āļĨāļ­āļ‡ 3.4 āļ•āļ§āđāļ›āļĢāļ—āđƒāļŠāđƒāļ™āļ‡āļēāļ™āļ§āļˆāļĒ

20 20 22 26

āļ‡

Page 8: SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

āļŠāļēāļĢāļšāļ (āļ•āļ­) āļŦāļ™āļē

āļšāļ—āļ— 4 āļœāļĨāļāļēāļĢāļ§āļˆāļĒ 4.1 āļāļēāļĢāļˆāļ”āļāļĨāļĄāļ‚āļ­āļĄāļĨāļāļēāļĢāļŠ āļēāļĢāļ§āļˆāļ āļēāļ§āļ°āđ€āļĻāļĢāļĐāļāļāļˆāđāļĨāļ°āļŠāļ‡āļ„āļĄāļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ•āļēāļĄāļ„āļēāđƒāļŠāļˆāļēāļĒāļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 4.2 āļœāļĨāļāļēāļĢāļ§āđ€āļ„āļĢāļēāļ°āļŦāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āļ‚āļ­āļ‡āļ•āļ§āđāļ›āļĢāļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ—āļ‡ 3 āļāļĨāļĄ

āļŦāļ™āļē 33

42

āļšāļ—āļ— 5 āļŠāļĢāļ›āļœāļĨāļāļēāļĢāļ§āļˆāļĒ āđāļĨāļ°āļ‚āļ­āđ€āļŠāļ™āļ­āđāļ™āļ° 5.1 āļŠāļĢāļ›āļœāļĨāļāļēāļĢāļ§āļˆāļĒ 5.2 āļ‚āļ­āđ€āļŠāļ™āļ­āđāļ™āļ° āļšāļĢāļĢāļ“āļēāļ™āļāļĢāļĄ

47 48

āļ āļēāļ„āļœāļ™āļ§āļ āļ āļēāļ„āļœāļ™āļ§āļ āļ āļœāļĨāļāļēāļĢāļ—āļ”āļĨāļ­āļ‡āđ€āļžāļĄāđ€āļ•āļĄ āļ āļēāļ„āļœāļ™āļ§āļ āļ‚ āļ•āļ§āļ­āļĒāļēāļ‡āđ‚āļ›āļĢāđāļāļĢāļĄ MATLAB āļ āļēāļ„āļœāļ™āļ§āļ āļ„ āļ•āļ§āļ­āļĒāļēāļ‡āđ‚āļ›āļĢāđāļāļĢāļĄ Weka

āļ›āļĢāļ°āļ§āļ•āļœāļ§āļˆāļĒ

Page 9: SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

āļŠāļēāļĢāļšāļāļ•āļēāļĢāļēāļ‡

āļ•āļēāļĢāļēāļ‡āļ— āļŦāļ™āļē

āļ•āļēāļĢāļēāļ‡āļ— 3.1 āļ•āļ§āļ­āļĒāļēāļ‡āļ‚āļ­āļĄāļĨāļāļēāļĢāļŠ āļēāļĢāļ§āļˆāļ āļēāļ§āļ°āđ€āļĻāļĢāļĐāļāļāļˆāļŠāļ‡āļ„āļĄāļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 21 āļ•āļēāļĢāļēāļ‡āļ— 3.2 āļ•āļ§āđāļ›āļĢāļ—āđƒāļŠāđƒāļ™āļāļēāļĢāļˆāļ”āļāļĨāļĄāđāļĨāļ°āļŦāļēāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āļ‚āļ­āļ‡āļ‚āļ­āļĄāļĨāļāļēāļĢāļŠ āļēāļĢāļ§āļˆāļ āļēāļ§āļ° āđ€āļĻāļĢāļĐāļāļāļˆāđāļĨāļ°āļŠāļ‡āļ„āļĄāļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™

26

āļ•āļēāļĢāļēāļ‡āļ— 4.1 āļœāļĨāļāļēāļĢāļ§āļ”āļ›āļĢāļ°āļŠāļ—āļ˜āļ āļēāļžāļāļēāļĢāļˆāļ”āļāļĨāļĄāļ‚āļ­āļĄāļĨāļ āļēāļ§āļ°āđ€āļĻāļĢāļĐāļāļāļˆāđāļĨāļ°āļŠāļ‡āļ„āļĄāļ‚āļ­āļ‡ āļ„āļĢāļ§āđ€āļĢāļ­āļ™āđ‚āļ”āļĒāđƒāļŠāļ­āļĨāļāļ­āļĢāļ—āļĄāđ€āļ„āļĄāļ™āļ•āļ‡āđāļ• 2 - 10 āļāļĨāļĄ

34

āļ•āļēāļĢāļēāļ‡āļ— 4.2 āđāļŠāļ”āļ‡āļˆ āļēāļ™āļ§āļ™āļĢāļēāļĒāļāļēāļĢāđāļĨāļ°āļĢāļ­āļĒāļĨāļ°āļ‚āļ­āļ‡āļˆ āļēāļ™āļ§āļ™āļĢāļēāļĒāļāļēāļĢāļ—āļ‡ 3 āļāļĨāļĄ 35 āļ•āļēāļĢāļēāļ‡āļ— 4.3 āđāļŠāļ”āļ‡āļĢāļēāļĒāļĨāļ°āđ€āļ­āļĒāļ”āļœāļĨāļāļēāļĢāļˆāļ”āļāļĨāļĄ āđ‚āļ”āļĒāļˆ āļēāđāļ™āļāļ•āļēāļĄāļ•āļ§āđāļ›āļĢāļŦāļĨāļ 8 āļ•āļ§āđāļ›āļĢāļ—āđƒāļŠ āđƒāļ™āļāļēāļĢāļˆāļ”āļāļĨāļĄ

36

āļ•āļēāļĢāļēāļ‡āļ— 4.4 āđāļŠāļ”āļ‡āļĢāļēāļĒāļĨāļ°āđ€āļ­āļĒāļ”āļœāļĨāļāļēāļĢāļˆāļ”āļāļĨāļĄ āđ‚āļ”āļĒāļˆ āļēāđāļ™āļāļ•āļēāļĄāļ•āļ§āđāļ›āļĢāļ—āļ§āđ€āļ„āļĢāļēāļ°āļŦ 38 āļ•āļēāļĢāļēāļ‡āļ— 4.5 āļ•āļ§āļ­āļĒāļēāļ‡āļāļŽāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āļ‚āļ­āļ‡āļ•āļ§āđāļ›āļĢāđƒāļ™āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļāļĨāļĄāļ— 1 (āļ āļēāļŦāļ™āļ”āļ„āļē āļŠāļ™āļšāļŠāļ™āļ™āļ‚āļ™āļ• āļēāđ€āļ—āļēāļāļšāļĢāļ­āļĒāļĨāļ° 30 āđāļĨāļ°āļ„āļēāļ„āļ§āļēāļĄāđ€āļŠāļ­āļĄāļ™āļ‚āļ™āļ• āļēāđ€āļ—āļēāļāļšāļĢāļ­āļĒāļĨāļ° 60)

43

āļ•āļēāļĢāļēāļ‡āļ— 4.6 āļ•āļ§āļ­āļĒāļēāļ‡āļāļŽāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āļ‚āļ­āļ‡āļ•āļ§āđāļ›āļĢāđƒāļ™āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļāļĨāļĄāļ— 2 (āļ āļēāļŦāļ™āļ”āļ„āļē āļŠāļ™āļšāļŠāļ™āļ™ āļ‚āļ™āļ• āļēāđ€āļ—āļēāļāļšāļĢāļ­āļĒāļĨāļ° 50 āđāļĨāļ°āļ„āļēāļ„āļ§āļēāļĄāđ€āļŠāļ­āļĄāļ™āļ‚āļ™āļ• āļēāđ€āļ—āļēāļāļšāļĢāļ­āļĒāļĨāļ° 60)

44

āļ•āļēāļĢāļēāļ‡āļ— 4.7 āļ•āļ§āļ­āļĒāļēāļ‡āļāļŽāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āļ‚āļ­āļ‡āļ•āļ§āđāļ›āļĢāđƒāļ™āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļāļĨāļĄāļ— 3 (āļ āļēāļŦāļ™āļ”āļ„āļē āļŠāļ™āļšāļŠāļ™āļ™ āļ‚āļ™āļ• āļēāđ€āļ—āļēāļāļšāļĢāļ­āļĒāļĨāļ° 35 āđāļĨāļ°āļ„āļēāļ„āļ§āļēāļĄāđ€āļŠāļ­āļĄāļ™āļ‚āļ™āļ• āļēāđ€āļ—āļēāļāļšāļĢāļ­āļĒāļĨāļ° 45)

45

āļˆ

Page 10: SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

āļŠāļēāļĢāļšāļāļĢāļ›āļ āļēāļž āļŦāļ™āļē āļĢāļ›āļ— 2.1 āļ‚āļ™āļ•āļ­āļ™āļāļēāļĢāļ— āļēāđ€āļŦāļĄāļ­āļ‡āļ‚āļ­āļĄāļĨāļ•āļēāļĄāļŦāļĨāļāļ‚āļ­āļ‡ CRISP-DM 5 āļĢāļ›āļ— 2.2 āđāļŠāļ”āļ‡āļāļēāļĢāļˆāļ”āļāļĨāļĄāđāļšāļšāđāļšāļ‡āļŠāļ§āļ™ 7 āļĢāļ›āļ— 2.3 āđāļŠāļ”āļ‡āļ‚āļ™āļ•āļ­āļ™āļāļēāļĢāļ— āļēāļ‡āļēāļ™āļ‚āļ­āļ‡āļ‚āļ™āļ•āļ­āļ™āļ§āļ˜āļāļēāļĢāļˆāļ”āļāļĨāļĄāļ‚āļ­āļĄāļĨāļ­āļĨāļāļ­āļĢāļ—āļĄāđ€āļ„āļĄāļ™ 9 āļĢāļ›āļ— 3.1 āđāļŠāļ”āļ‡āļ āļēāļžāđ‚āļ„āļĢāļ‡āļŠāļĢāļēāļ‡āļāļēāļĢāļ— āļēāļ‡āļēāļ™āļ‚āļ­āļ‡āļ‡āļēāļ™āļ§āļˆāļĒ 22 āļĢāļ›āļ— 3.2 āđāļŠāļ”āļ‡āļ•āļ§āļ­āļĒāļēāļ‡āđ„āļŸāļĨ .arff 25 āļĢāļ›āļ— 4.1 āđāļŠāļ”āļ‡āļœāļĨāļāļēāļĢāļˆāļ”āļāļĨāļĄāđ‚āļ”āļĒāļ­āļĨāļāļ­āļĢāļ—āļĄāđ€āļ„āļĄāļ™ 35

āļ‰

Page 11: SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

āļšāļ—āļ— 1

āļšāļ—āļ™ āļģ

1.1 āļ„āļ§āļģāļĄāļŠ āļģāļ„āļāđāļĨāļ°āļ—āļĄāļģāļ‚āļ­āļ‡āļ›āļāļŦāļģ

āļāļēāļĢāļ— āļēāđ€āļŦāļĄāļ­āļ‡āļ‚āļ­āļĄāļĨ (Data Mining) āļŠāļēāļĄāļēāļĢāļ–āđāļšāļ‡āļ­āļĨāļāļ­āļĢāļ—āļĄāđƒāļ™āļāļēāļĢāļ— āļēāļ‡āļēāļ™āđ„āļ”āđ€āļ›āļ™ 2 āļ›āļĢāļ°āđ€āļ āļ—

āļŦāļĨāļ āļ„āļ­ āļāļēāļĢāļŠāļĢāļēāļ‡āđāļšāļšāļˆ āļēāļĨāļ­āļ‡āđāļšāļšāļ— āļēāļ™āļēāļĒ (Predictive Model, Supervised Model) āđ€āļ™āļ™āļāļēāļĢāļˆāļ”āļāļĨāļĄ

āđ‚āļ”āļĒāļ­āļēāļĻāļĒāļœāļĨāđ€āļ‰āļĨāļĒāļ—āļĄāļ­āļĒāļ‹āļ‡āļ›āļĢāļ°āļāļ­āļšāļ”āļ§āļĒāļāļēāļĢāļˆ āļēāđāļ™āļ (Classification) āđāļĨāļ°āļāļēāļĢāļ–āļ”āļ–āļ­āļĒ (Regression)

āļŠāļ§āļ™āļ›āļĢāļ°āđ€āļ āļ—āļ—āļŠāļ­āļ‡ āļ„āļ­āļāļēāļĢāļŠāļĢāļēāļ‡āđāļšāļšāļˆ āļēāļĨāļ­āļ‡āđ€āļŠāļ‡āļžāļĢāļĢāļ“āļ™āļē (Descriptive Model, Unsupervised

Model) āđƒāļ™āļ—āļ™āļ­āļēāļˆāđ€āļ›āļ™āļāļēāļĢāļŦāļēāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜ (Association) āļŦāļĢāļ­āļāļēāļĢāļˆāļ”āļāļĨāļĄāļ‚āļ­āļĄāļĨ (Clustering)

āļŦāļĨāļāļāļēāļĢāļ— āļēāđ€āļŦāļĄāļ­āļ‡āļ‚āļ­āļĄāļĨāđ„āļ”āļ™ āļēāđ„āļ›āļ›āļĢāļ°āļĒāļāļ•āđƒāļŠāļāļšāļ‡āļēāļ™āļŦāļĨāļēāļāļŦāļĨāļēāļĒāļ”āļēāļ™āđ„āļ”āđāļ āļ”āļēāļ™āļ˜āļĢāļāļˆ āļāļēāļĢāđāļžāļ—āļĒ

āļāļēāļĢāđ€āļ‡āļ™ āļāļēāļĢāļ˜āļ™āļēāļ„āļēāļĢ āļāļēāļĢāļ•āļĨāļēāļ” āđ€āļ›āļ™āļ•āļ™

āļ„āļ“āļ°āļœāļ§āļˆāļĒāđ„āļ”āđ€āļĨāļ‡āđ€āļŦāļ™āļ›āļĢāļ°āđ‚āļĒāļŠāļ™āļˆāļēāļāļāļēāļĢāļ— āļēāđ€āļŦāļĄāļ­āļ‡āļ‚āļ­āļĄāļĨ āļˆāļ‡āđ„āļ”āļ— āļēāļ§āļˆāļĒāđ€āļĢāļ­āļ‡ “āļāļēāļĢāļ§āđ€āļ„āļĢāļēāļ°āļŦ

āļ‚āļ­āļĄāļĨāļ—āļēāļ‡āđ€āļĻāļĢāļĐāļāļāļˆāđāļĨāļ°āļŠāļ‡āļ„āļĄāļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ”āļ§āļĒāļ§āļ˜āļāļēāļĢāļˆāļ”āļāļĨāļĄāđāļĨāļ°āļŦāļēāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜ āļŠ āļēāļŦāļĢāļšāļāļēāļĢāļ— āļē

āđ€āļŦāļĄāļ­āļ‡āļ‚āļ­āļĄāļĨ” āđ‚āļ”āļĒāļ™ āļēāļ‚āļ­āļĄāļĨāļ—āļēāļ‡āđ€āļĻāļĢāļĐāļāļāļˆāđāļĨāļ°āļŠāļ‡āļ„āļĄāļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļˆāļēāļāļĻāļ™āļĒāļ§āļˆāļĒāļĄāļŦāļēāļ§āļ—āļĒāļēāļĨāļĒāļŠāļ„āļēāđ‚āļ-

āļĄāļŦāļēāļ§āļ—āļĒāļēāļĨāļĒāļŦāļ­āļāļēāļĢāļ„āļēāđ„āļ—āļĒ (UC-UTCC Research Center) āļ—āđ„āļ”āļ— āļēāļāļēāļĢāļˆāļ”āđ€āļāļšāļ‚āļ­āļĄāļĨāļ āļēāļ§āļ°āđ€āļĻāļĢāļĐāļāļāļˆ

āđāļĨāļ°āļŠāļ‡āļ„āļĄāļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ (Household Socio-Economic Survey) āđ‚āļ”āļĒāļŠ āļēāļ™āļāļ‡āļēāļ™āļŠāļ–āļ•āđāļŦāļ‡āļŠāļēāļ•

āļ›āļĢāļ°āļˆ āļēāļ› āļž.āļĻ. 2552 āļˆ āļēāļ™āļ§āļ™ 39,633 āļĢāļēāļĒāļāļēāļĢ āļ›āļĢāļ°āļāļ­āļšāļ”āļ§āļĒāļ‚āļ­āļĄāļĨāđ€āļāļĒāļ§āļāļšāļĢāļēāļĒāđ„āļ” āļ„āļēāđƒāļŠāļˆāļēāļĒ āļ āļēāļ§āļ°

āļŦāļ™āļŠāļ™ āđāļĨāļ°āļ—āļĢāļžāļĒāļŠāļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ āļ•āļĨāļ­āļ”āļˆāļ™āļĨāļāļĐāļ“āļ°āļ—āļ­āļĒāļ­āļēāļĻāļĒ āļˆāļēāļāļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ•āļ§āļ­āļĒāļēāļ‡āđƒāļ™āļ—āļāļˆāļ‡āļŦāļ§āļ”

āļ—āļ§āļ›āļĢāļ°āđ€āļ—āļĻ āļ—āļ‡āđƒāļ™āđ€āļ‚āļ•āđāļĨāļ°āļ™āļ­āļāđ€āļ‚āļ•āđ€āļ—āļĻāļšāļēāļĨ āļĄāļēāļ§āđ€āļ„āļĢāļēāļ°āļŦāđ€āļžāļ­āļˆāļ”āļāļĨāļĄāļ‚āļ­āļĄāļĨāļ āļēāļ§āļ°āđ€āļĻāļĢāļĐāļāļāļˆāđāļĨāļ°āļŠāļ‡āļ„āļĄ

āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āđ‚āļ”āļĒāđƒāļŠāļ­āļĨāļāļ­āļĢāļ—āļĄāđ€āļ„āļĄāļ™ (K-Means Algorithm) āļˆāļ”āļāļĨāļĄāļ‚āļ­āļĄāļĨāļ—āļĄāļĨāļāļĐāļ“āļ°āđƒāļāļĨāđ€āļ„āļĒāļ‡āļāļ™

āđƒāļŦāļ­āļĒāđƒāļ™āļāļĨāļĄāđ€āļ”āļĒāļ§āļāļ™ āļˆāļēāļāļ™āļ™āđƒāļŠāļāļŽāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜ (Association Rule) āđƒāļ™āļāļēāļĢāļŦāļēāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āļ‚āļ­āļ‡

āļ‚āļ­āļĄāļĨāđƒāļ™āđāļ•āļĨāļ°āļāļĨāļĄ āđ€āļžāļ­āļ™ āļēāđ„āļ›āđƒāļŠāļŠ āļēāļŦāļĢāļšāļŦāļēāļ•āļ§āđāļ›āļĢāļ—āļĄāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āļāļ™āļ•āļ­āđ„āļ›

Page 12: SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

2

1.2 āļ§āļ•āļ–āļ›āļĢāļ°āļŠāļ‡āļ„āļ‚āļ­āļ‡āđ‚āļ„āļĢāļ‡āļāļģāļĢāļ§āļˆāļĒ

1. āđ€āļžāļ­āļˆāļ”āļāļĨāļĄāļ‚āļ­āļĄāļĨāļ āļēāļ§āļ°āđ€āļĻāļĢāļĐāļāļāļˆāđāļĨāļ°āļŠāļ‡āļ„āļĄāļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ•āļēāļĄāļāļēāļĢāđƒāļŠāļˆāļēāļĒāļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ āļ‚āļ­āļ‡

āļŠ āļēāļ™āļāļ‡āļēāļ™āļŠāļ–āļ•āđāļŦāļ‡āļŠāļēāļ•āđ‚āļ”āļĒāđƒāļŠāļ­āļĨāļāļ­āļĢāļ—āļĄāđ€āļ„āļĄāļ™

2. āđ€āļžāļ­āļŦāļēāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āļ‚āļ­āļ‡āļ‚āļ­āļĄāļĨāđƒāļ™āđāļ•āļĨāļ°āļāļĨāļĄāđ‚āļ”āļĒāđƒāļŠāļāļŽāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜

1.3 āļ›āļĢāļ°āđ‚āļĒāļŠāļ™āļ—āļ„āļģāļ”āļ§āļģāļˆāļ°āđ„āļ”āļĢāļš

1. āļ— āļēāđƒāļŦāļ—āļĢāļēāļšāļ–āļ‡āļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āļ‚āļ­āļ‡āļ•āļ§āđāļ›āļĢāļ—āļĄāļœāļĨāļ•āļ­āļ„āļēāđƒāļŠāļˆāļēāļĒāļ›āļĢāļ°āđ€āļ āļ—āļ•āļēāļ‡āđ†āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āđƒāļ™

āļ›āļĢāļ°āđ€āļ—āļĻāđ„āļ—āļĒ

2. āđ€āļžāļ­āđƒāļŦāļŦāļ™āļ§āļĒāļ‡āļēāļ™āļŦāļĢāļ­āļ­āļ‡āļ„āļāļĢāļ—āđ€āļāļĒāļ§āļ‚āļ­āļ‡ āļ™ āļēāļœāļĨāļ—āđ„āļ”āļˆāļēāļāļāļēāļĢāļĻāļāļĐāļēāđ„āļ›āļ›āļĢāļ°āļĒāļāļ•āđƒāļŠāđ€āļžāļ­āđƒāļŦāđ€āļāļ”

āļ›āļĢāļ°āđ‚āļĒāļŠāļ™āļ•āļ­āđ€āļĻāļĢāļĐāļāļāļˆāļ‚āļ­āļ‡āļ›āļĢāļ°āđ€āļ—āļĻāļŠāļēāļ•āļ•āļ­āđ„āļ›

1.4 āļ‚āļ­āļšāđ€āļ‚āļ•āļ‚āļ­āļ‡āļāļģāļĢāļ§āļˆāļĒ

1. āļ‚āļ­āļĄāļĨāđƒāļ™āļāļēāļĢāļˆāļ”āļāļĨāļĄāđāļĨāļ°āļŦāļēāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āđƒāļ™āļ‡āļēāļ™āļ§āļˆāļĒāļ™ āļ„āļ­āļ‚āļ­āļĄāļĨāļ āļēāļ§āļ°āđ€āļĻāļĢāļĐāļāļāļˆāđāļĨāļ°āļŠāļ‡āļ„āļĄ

āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ āļ‚āļ­āļ‡āļŠ āļēāļ™āļāļ‡āļēāļ™āļŠāļ–āļ•āđāļŦāļ‡āļŠāļēāļ• āđ‚āļ”āļĒāđƒāļŠāļ‚āļ­āļĄāļĨāđƒāļ™āļ› āļž.āļĻ. 2552 āļˆ āļēāļ™āļ§āļ™ 39,633

āļĢāļēāļĒāļāļēāļĢ

2. āļ‚āļ™āļ•āļ­āļ™āļāļēāļĢāļˆāļ”āļāļĨāļĄāļ‡āļēāļ™āļ§āļˆāļĒāļ™āđ€āļĨāļ­āļāđƒāļŠāđ€āļ—āļ„āļ™āļ„āļ­āļĨāļāļ­āļĢāļ—āļĄāđ€āļ„āļĄāļ™ āđ‚āļ”āļĒāļˆāļ”āļāļĨāļĄāļ•āļ‡āđāļ• 2-10 āļāļĨāļĄ

āđ€āļžāļ­āļŦāļēāļˆ āļēāļ™āļ§āļ™āļāļĨāļĄāļ—āđ€āļŦāļĄāļēāļ°āļŠāļĄāļāļšāļ‚āļ­āļĄāļĨ āļ‹āļ‡āļ›āļĢāļ°āļĄāļ§āļĨāļœāļĨāđ‚āļ”āļĒāđƒāļŠāđ‚āļ›āļĢāđāļāļĢāļĄ MATLAB

3. āļāļēāļĢāļ§āļ”āļ›āļĢāļ°āļŠāļ—āļ˜āļ āļēāļžāļ‚āļ­āļ‡āļāļēāļĢāļˆāļ”āļāļĨāļĄ āđ€āļĨāļ­āļāđƒāļŠ DB Index PBM-Index āđāļĨāļ° SD Validity

Index āđƒāļ™āļāļēāļĢāļ§āļ”āļ›āļĢāļ°āļŠāļ—āļ˜āļ āļēāļž

4. āļŦāļēāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āļ‚āļ­āļ‡āļ‚āļ­āļĄāļĨāđƒāļ™āđāļ•āļĨāļ°āļāļĨāļĄāđ‚āļ”āļĒāđƒāļŠāļ­āļĨāļāļ­āļĢāļ—āļĄāļ­āļžāļĢāđ‚āļ­āļĢ (Apriori Algorithm)

āđƒāļ™āđ‚āļ›āļĢāđāļāļĢāļĄ Weka

Page 13: SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

3

1.5 āļ™āļĒāļģāļĄāļĻāļžāļ—

1. āļ„āļĢāļ§āđ€āļĢāļ­āļ™ āļ„āļ­ āļšāļ„āļ„āļĨāļ„āļ™āđ€āļ”āļĒāļ§ āļŦāļĢāļ­āļŦāļĨāļēāļĒāļ„āļ™āļ‹āļ‡āļ­āļēāļĻāļĒāđ€āļ›āļ™āļ›āļĢāļ°āļˆ āļēāđƒāļ™āļšāļēāļ™āļŦāļĢāļ­āļŠāļ–āļēāļ™āļ—

āđ€āļ”āļĒāļ§āļāļ™

2. āļĢāļēāļĒāđ„āļ”āđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ āļ„āļ­āđ€āļ‡āļ™āļˆāļēāļāļāļēāļĢāļ›āļĢāļ°āļāļ­āļšāļ­āļēāļŠāļžāļ‚āļ­āļ‡āļŠāļĄāļēāļŠāļāđƒāļ™

āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ—āđ„āļ”āļĄāļēāđƒāļ™āļĢāļ­āļš 1 āđ€āļ”āļ­āļ™ āđāļšāļ‡āļ­āļ­āļāđ€āļ›āļ™ 2 āļ›āļĢāļ°āđ€āļ āļ— āļ„āļ­

2.1 āļĢāļēāļĒāđ„āļ”āļˆāļēāļāļāļēāļĢāļ— āļēāļ‡āļēāļ™ āļ‹āļ‡āđ„āļ”āđāļ āļ„āļēāļˆāļēāļ‡āđ€āļ‡āļ™āđ€āļ”āļ­āļ™ āļˆāļēāļāļāļēāļĢāļ— āļēāļ˜āļĢāļāļˆāđāļĨāļ°āļˆāļēāļāļāļēāļĢāļ— āļēāļāļēāļĢāđ€āļāļĐāļ•āļĢ

2.2 āļĢāļēāļĒāđ„āļ”āļ—āđ„āļĄāđ„āļ”āđ€āļāļ”āļˆāļēāļāļāļēāļĢāļ— āļēāļ‡āļēāļ™ āđ€āļŠāļ™ āđ€āļ‡āļ™āļ—āđ„āļ”āļĢāļšāļ„āļ§āļēāļĄāļŠāļ§āļĒāđ€āļŦāļĨāļ­āļˆāļēāļāļšāļ„āļ„āļĨāļ­āļ™āļ™āļ­āļāļ„āļĢāļ§āđ€āļĢāļ­āļ™/āļĢāļ āļĢāļēāļĒāđ„āļ”āļˆāļēāļāļ—āļĢāļžāļĒāļŠāļ™ āđ€āļŠāļ™āļ”āļ­āļāđ€āļšāļĒāļ™āļ­āļāļˆāļēāļāļ™āļ™āļĒāļ‡āļĄāļĢāļēāļĒāđ„āļ”āđƒāļ™āļĢāļ›āļŠāļ§āļŠāļ”āļāļēāļĢ/āļŠāļ™āļ„āļēāđāļĨāļ°āļšāļĢāļāļēāļĢāļ•āļēāļ‡āđ†

3. āļ„āļēāđƒāļŠāļˆāļēāļĒ āļ„āļ­ āļĄāļĨāļ„āļēāđ€āļ‡āļ™āļ—āđƒāļŠāđ€āļ›āļ™āļ„āļēāļšāļĢāļāļēāļĢāļŦāļĢāļ­āļŠāļ™āļ„āļē āļ—āļ•āļ­āļ‡āļˆāļēāļĒāđ€āļĄāļ­āļ— āļēāļāļˆāļāļĢāļĢāļĄāđƒāļ” āđ†

4. āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ āļ„āļ­ āļˆ āļēāļ™āļ§āļ™āđ€āļ‡āļ™āļ—āļ•āļ­āļ‡āļˆāļēāļĒāđƒāļ™āļāļēāļĢāļ— āļēāļāļˆāļāļĢāļĢāļĄāļ•āļēāļ‡āđ†

āļ‚āļ­āļ‡āļŠāļĄāļēāļŠāļāđƒāļ™āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ•āļĨāļ­āļ” 1 āđ€āļ”āļ­āļ™ āđāļšāļ‡āļ­āļ­āļāđ€āļ›āļ™ 2 āļ›āļĢāļ°āđ€āļ āļ— āļ„āļ­

4.1 āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļžāļ­āļāļēāļĢāļ­āļ›āđ‚āļ āļ„āļšāļĢāđ‚āļ āļ„āļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ āđ„āļ”āđāļ āļ„āļēāđƒāļŠāļˆāļēāļĒāļ­āļēāļŦāļēāļĢāđāļĨāļ°āđ€āļ„āļĢāļ­āļ‡āļ”āļĄ āļ„āļēāđƒāļŠāļˆāļēāļĒāļĒāļēāļŠāļš āļ„āļēāļ—āļ­āļĒāļ­āļēāļĻāļĒ āđāļĨāļ°āđ€āļ„āļĢāļ­āļ‡āđƒāļŠāļ•āļēāļ‡āđ† āđƒāļ™āļšāļēāļ™ āļ„āļēāđ€āļ„āļĢāļ­āļ‡āļ™āļ‡āļŦāļĄāđāļĨāļ°āļĢāļ­āļ‡āđ€āļ—āļē āļ„āļēāđƒāļŠāļˆāļēāļĒāļŠāļ§āļ™āļšāļ„āļ„āļĨ āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ§āļŠāļ āļ“āļ‘āđāļĨāļ°āļ„āļēāļ•āļĢāļ§āļˆāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ āļ„āļēāđƒāļŠāļˆāļēāļĒāļāļēāļĢāđ€āļ”āļ™āļ—āļēāļ‡āđāļĨāļ°āļāļēāļĢāļŠāļ­āļŠāļēāļĢ āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļĢāļ­āļ‡āļāļēāļĢāļĻāļāļĐāļē āļ„āļēāđƒāļŠāļˆāļēāļĒāļāļēāļĢāļšāļ™āđ€āļ—āļ‡ āļāļēāļĢāļ­āļēāļ™āđāļĨāļ°āļāļˆāļāļĢāļĢāļĄāļ—āļēāļ‡āļĻāļēāļŠāļ™āļē āļ„āļēāđƒāļŠāļˆāļēāļĒāļāļēāļĢāļˆāļ”āļ‡āļēāļ™āļžāļ˜āđƒāļ™āđ‚āļ­āļāļēāļŠāļžāđ€āļĻāļĐ

4.2 āļ„āļēāđƒāļŠāļˆāļēāļĒāļ—āđ„āļĄāđ€āļāļĒāļ§āļāļšāļāļēāļĢāļ­āļ›āđ‚āļ āļ„āļšāļĢāđ‚āļ āļ„ āđ„āļ”āđāļ āļ āļēāļĐ/āļ˜āļĢāļĢāļĄāđ€āļ™āļĒāļĄ/āļ„āļēāļ›āļĢāļš āļ„āļēāļŠāļĄāļēāļŠāļāļāļĨāļĄāļ­āļēāļŠāļž āđ€āļ‡āļ™/āļŠāļ‡āļ‚āļ­āļ‡āļ—āļŠāļ‡āđƒāļŦāļšāļ„āļ„āļĨāļ™āļ­āļāļ„āļĢāļ§āđ€āļĢāļ­āļ™ āļšāļĢāļˆāļēāļ„āđ€āļ‡āļ™/āļŠāļ‡āļ‚āļ­āļ‡āđƒāļŦāđāļāļ­āļ‡āļ„āļāļĢāļ•āļēāļ‡āđ† āđ€āļ‡āļ™āļ— āļēāļšāļ/āđ€āļ‡āļ™āļŠāļ§āļĒāđ€āļŦāļĨāļ­āļ­āļ™āđ† āļ„āļēāđ€āļšāļĒāļ›āļĢāļ°āļāļ™āļ āļĒ/āļ—āļĢāļžāļĒāļŠāļ™/āļ›āļĢāļ°āļāļ™āļŠāļ§āļ•/āđ€āļ‡āļ™āļŒāļēāļ›āļ™āļāļˆāļĻāļž āđ€āļ‡āļ™āļŠāļĄāļ—āļšāļ›āļĢāļ°āļāļ™āļŠāļ‡āļ„āļĄ āļ„āļēāļ‹āļ­āļŠāļĨāļēāļāļāļ™āđāļšāļ‡/āļŦāļ§āļĒāļ‚āļ­āļ‡āļĢāļāđāļĨāļ°āļāļēāļĢāļžāļ™āļ™āļ­āļ™āđ† āļ”āļ­āļāđ€āļšāļĒāļˆāļēāļĒ/āļ”āļ­āļāđ€āļšāļĒāđāļŠāļĢ āļ„āļēāđƒāļŠāļˆāļēāļĒāļ­āļ™āđ†

Page 14: SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

4

āļšāļ—āļ— 2

āđāļ™āļ§āļ„āļ” āļ—āļĪāļĐāļŽ āđāļĨāļ°āļœāļĨāļ‡āļģāļ™āļ§āļˆāļĒāļ—āđ€āļāļĒāļ§āļ‚āļ­āļ‡

2.1 āļāļģāļĢāļ— āļģāđ€āļŦāļĄāļ­āļ‡āļ‚āļ­āļĄāļĨ

āļ„āļ§āļēāļĄāļŦāļĄāļēāļĒāļ‚āļ­āļ‡āļāļēāļĢāļ— āļēāđ€āļŦāļĄāļ­āļ‡āļ‚āļ­āļĄāļĨ āļĄāļŦāļĨāļēāļĒāļ™āļĒāļēāļĄāļ—āđƒāļŦāļ„ āļēāļˆ āļēāļāļ”āļ„āļ§āļēāļĄāļ‚āļ­āļ‡āļāļēāļĢāļ— āļēāđ€āļŦāļĄāļ­āļ‡

āļ‚āļ­āļĄāļĨāđ„āļ§ āđ‚āļ”āļĒāļŠāļēāļĄāļēāļĢāļ–āļŠāļĢāļ›āļŦāļĨāļāļŠ āļēāļ„āļāđ„āļ”āļ§āļēāļāļēāļĢāļ— āļēāđ€āļŦāļĄāļ­āļ‡āļ‚āļ­āļĄāļĨ āļ„āļ­āļāļĢāļ°āļšāļ§āļ™āļāļēāļĢāļ„āļ™āļŦāļēāļ„āļ§āļēāļĄāļĢāļ—āđ€āļāļš

āļ­āļĒāđƒāļ™āļāļēāļ™āļ‚āļ­āļĄāļĨāļ‚āļ™āļēāļ”āđƒāļŦāļ āļ‹āļ‡āļ›āļˆāļˆāļšāļ™āļ­āļ‡āļ„āļāļĢāļ‚āļ™āļēāļ”āđƒāļŦāļāļĄāļāļˆāļ°āļ™ āļēāļ‚āļ­āļĄāļĨāļ•āļēāļ‡āđ† āļ‚āļ­āļ‡āļ­āļ‡āļ„āļāļĢ āđ€āļŠāļ™

āļ‚āļ­āļĄāļĨāļāļēāļĢāļ— āļēāļ‡āļēāļ™ āļ‚āļ­āļĄāļĨāļšāļ„āļĨāļēāļāļĢ āđ€āļ›āļ™āļ•āļ™ āđ€āļāļšāđ„āļ§āđƒāļ™āļāļēāļ™āļ‚āļ­āļĄāļĨāļ‚āļ™āļēāļ”āđƒāļŦāļ āđ€āļžāļ­āđ€āļ›āļ™āđāļŦāļĨāļ‡āļŠāļ°āļŠāļĄ

āļ„āļ§āļēāļĄāļĢāļ‚āļ­āļ‡āļ­āļ‡āļ„āļāļĢ āļāļēāļĢāļ— āļēāđ€āļŦāļĄāļ­āļ‡āļ‚āļ­āļĄāļĨāļ–āļāļ™ āļēāđ„āļ›āļ›āļĢāļ°āļĒāļāļ•āđƒāļŠāļāļšāļ‡āļēāļ™āļŦāļĨāļēāļĒāđ† āļ”āļēāļ™ āđ„āļ”āđāļ āļ”āļēāļ™

āļ­āļ•āļŠāļēāļŦāļāļĢāļĢāļĄ āļāļēāļĢāđāļžāļ—āļĒ āļāļēāļĢāļ›āļĢāļ°āļāļ™ āļāļēāļĢāļ˜āļ™āļēāļ„āļēāļĢ āļāļēāļĢāļ•āļĨāļēāļ” āđāļĨāļ° āļāļēāļĢāđ€āļ‡āļ™ āđ€āļ›āļ™āļ•āļ™ āļāļēāļĢāļ— āļēāđ€āļŦāļĄāļ­āļ‡

āļ‚āļ­āļĄāļĨāļŠāļēāļĄāļēāļĢāļ–āļ™ āļēāđ„āļ›āđƒāļŠāđ€āļžāļ­āļĨāļ”āļ•āļ™āļ—āļ™ āļāļēāļĢāđ€āļžāļĄāļĒāļ­āļ”āļ‚āļēāļĒ āļ•āļĨāļ­āļ”āļˆāļ™āđ€āļ›āļ™āđ€āļ„āļĢāļ­āļ‡āļĄāļ­āđƒāļ™āļāļēāļĢāļ— āļēāļ§āļˆāļĒ

āļāļēāļĢāļ— āļēāđ€āļŦāļĄāļ­āļ‡āļ‚āļ­āļĄāļĨ āđ€āļ›āļ™āļ‚āļ™āļ•āļ­āļ™āļŦāļ™āļ‡āđƒāļ™āļāļĢāļ°āļšāļ§āļ™āļāļēāļĢāļ„āļ™āļŦāļēāļ„āļ§āļēāļĄāļĢāđƒāļ™āļāļēāļ™āļ‚āļ­āļĄāļĨ

(Knowledge Discovery in Database: KDD) āļ‹āļ‡āļāļĢāļ°āļšāļ§āļ™āļāļēāļĢāļ—āļ‡āļŦāļĄāļ”āļˆāļ°āļ— āļēāļāļēāļĢāđ€āļ›āļĨāļĒāļ™āļ‚āļ­āļĄāļĨāļ”āļšāđ„āļ›

āđ€āļ›āļ™āļ„āļ§āļēāļĄāļĢāļ—āļŠāļēāļĄāļēāļĢāļ–āļ™ āļēāđ„āļ›āđƒāļŠāđ„āļ” āđ‚āļ”āļĒāļ—āļ‚āļ­āļĄāļĨāļ™ āļēāđ€āļ‚āļē (Input Data) āđ€āļ›āļ™āļ‚āļ­āļĄāļĨāļ—āļ–āļāđ€āļāļšāļ­āļĒāđƒāļ™āļĢāļ›āđāļšāļš

āļ•āļēāļ‡āđ† āļ‹āļ‡āļ­āļēāļˆāļˆāļ°āđ€āļ›āļ™ āđ„āļŸāļĨāļ‚āļ­āļĄāļĨ āļŦāļĢāļ­āļ•āļēāļĢāļēāļ‡āļˆāļēāļāļāļēāļ™āļ‚āļ­āļĄāļĨ āđ‚āļ”āļĒāļ—āļ‚āļ­āļĄāļĨāđ€āļŦāļĨāļēāļ™āļ­āļēāļˆāļˆāļ°āļ–āļāđ€āļāļšāļ­āļĒāđƒāļ™āļ—

āđ€āļ”āļĒāļ§āļāļ™āļŦāļĢāļ­āļ­āļēāļˆāļ­āļĒāļ•āļēāļ‡āļ—āļāļ™

āļ‚āļ™āļ•āļ­āļ™āļāļēāļĢāļ— āļēāđ€āļŦāļĄāļ­āļ‡āļ‚āļ­āļĄāļĨ āļ•āļēāļĄāļŦāļĨāļāļ‚āļ­āļ‡ CRISP-DM (Cross Reference Industry

Standard for Data Mining) (Daniel T. L., 2005) āļ‹āļ‡āđ€āļ›āļ™āļāļĢāļ°āļšāļ§āļ™āļāļēāļĢāļĄāļēāļ•āļĢāļāļēāļ™āļŠ āļēāļŦāļĢāļšāļāļēāļĢāļ— āļē

āđ€āļŦāļĄāļ­āļ‡āļ‚āļ­āļĄāļĨ āļ—āļžāļ’āļ™āļēāđ‚āļ”āļĒāļšāļĢāļĐāļ— DaimlerChrysler SPSS āđāļĨāļ° NCR āļ›āļĢāļ°āļāļ­āļšāļ”āļ§āļĒ 6 āļ‚āļ™āļ•āļ­āļ™ āļ„āļ­

1. āļāļēāļĢāļ— āļēāļ„āļ§āļēāļĄāđ€āļ‚āļēāđƒāļˆāļ˜āļĢāļāļˆ (Business Understanding) āđ€āļ›āļ™āļ‚āļ™āļ•āļ­āļ™āļāļēāļĢāļ— āļēāļ„āļ§āļēāļĄāđ€āļ‚āļēāđƒāļˆāđ€āļžāļ­

āļĢāļ°āļšāļ›āļāļŦāļē āļ— āļēāļāļēāļĢāđāļ›āļĨāļ‡āđ‚āļˆāļ—āļĒāļ—āđ„āļ”āđƒāļŦāļ­āļĒāđƒāļ™āļĢāļ›āđāļšāļšāļ—āđ€āļŦāļĄāļēāļ°āļŠāļĄāļ•āļ­āļāļēāļĢāļ™ āļēāļĄāļēāļ§āđ€āļ„āļĢāļēāļ°āļŦāļ‚āļ­āļĄāļĨāļ—āļēāļ‡

āđ€āļŦāļĄāļ­āļ‡āļ‚āļ­āļĄāļĨ

Page 15: SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

5

2. āļāļēāļĢāļ— āļēāļ„āļ§āļēāļĄāđ€āļ‚āļēāđƒāļˆāļ‚āļ­āļĄāļĨ (Data Understanding) āđ€āļ›āļ™āļāļēāļĢāļžāļˆāļēāļĢāļ“āļēāļŠāļ”āļ‚āļ­āļĄāļĨāļ—āļˆāļ°āļ™ āļēāļĄāļēāđƒāļŠ

āđāļĨāļ°āļāļēāļĢāļ•āļ‡āļŠāļĄāļĄāļ•āļāļēāļ™āļ—āļˆāļ°āđƒāļŠāđƒāļ™āļāļēāļĢāđāļāļ›āļāļŦāļē āļĢāļ§āļĄāļ–āļ‡āļāļēāļĢāļĢāļ§āļšāļĢāļ§āļĄāļ‚āļ­āļĄāļĨāļ—āđ€āļāļĒāļ§āļ‚āļ­āļ‡ āđ‚āļ”āļĒāļ‚āļ­āļĄāļĨāļ—āļˆāļ°

āļ™ āļēāļĄāļēāđƒāļŠāļ•āļ­āļ‡āđ€āļ›āļ™āļ‚āļ­āļĄāļĨāļ—āļ™āļēāđ€āļŠāļ­āļ–āļ­āļĄāļ›āļĢāļĄāļēāļ“āļ—āđ€āļŦāļĄāļēāļ°āļŠāļĄ āđāļĨāļ°āļĄāļĢāļēāļĒāļĨāļ°āđ€āļ­āļĒāļ”āđ€āļžāļĒāļ‡āļžāļ­āļ•āļ­āļāļēāļĢāļ™ āļēāđ„āļ›āđƒāļŠ

āđƒāļ™āļāļēāļĢāļ§āđ€āļ„āļĢāļēāļ°āļŦ

āļĢāļ›āļ— 2.1 āđāļŠāļ”āļ‡āļ‚āļ™āļ•āļ­āļ™āļāļēāļĢāļ— āļēāđ€āļŦāļĄāļ­āļ‡āļ‚āļ­āļĄāļĨāļ•āļēāļĄāļŦāļĨāļāļ‚āļ­āļ‡ CRISP-DM

āļ—āļĄāļē : Daniel T. L., 2005

3. āļāļēāļĢāđ€āļ•āļĢāļĒāļĄāļ‚āļ­āļĄāļĨ (Data Preprocessing) āđ€āļ›āļēāļŦāļĄāļēāļĒāļ‚āļ­āļ‡āļ‚āļ™āļ•āļ­āļ™āļ™ āļ„āļ­āļāļēāļĢāđ€āļ›āļĨāļĒāļ™āļ‚āļ­āļĄāļĨ

āļ™ āļēāđ€āļ‚āļēāļ—āđ€āļ›āļ™āļ‚āļ­āļĄāļĨāļ”āļšāđƒāļŦāļ­āļĒāđƒāļ™āļĢāļ›āļ—āļŠāļēāļĄāļēāļĢāļ–āļ™ āļēāđ„āļ›āļ§āđ€āļ„āļĢāļēāļ°āļŦāđ„āļ” āļ‹āļ‡āļ–āļ­āļ§āļēāđ€āļ›āļ™āļ‚āļ™āļ•āļ­āļ™āļ—āđƒāļŠāđ€āļ§āļĨāļēāļ™āļēāļ™

āļ—āļŠāļ” āđ€āļ™āļ­āļ‡āļˆāļēāļāđāļšāļšāļˆ āļēāļĨāļ­āļ‡āļ—āđ„āļ”āļˆāļēāļāļāļēāļĢāļ— āļēāđ€āļŦāļĄāļ­āļ‡āļ‚āļ­āļĄāļĨāļˆāļ°āđƒāļŦāļœāļĨāļĨāļžāļ˜āļ—āļ–āļāļ•āļ­āļ‡āļŦāļĢāļ­āđ„āļĄāļ™āļ™āļ‚āļ™āļ­āļĒāļāļš

āļ„āļ“āļ āļēāļžāļ‚āļ­āļ‡āļ‚āļ­āļĄāļĨāļ—āđƒāļŠ āđ‚āļ”āļĒāđāļšāļ‡āļ­āļ­āļāđ€āļ›āļ™ 3 āļ‚āļ™āļ•āļ­āļ™āļĒāļ­āļĒāļ„āļ­

3.1 āļāļēāļĢāļ„āļ”āđ€āļĨāļ­āļāļ‚āļ­āļĄāļĨ (Data Selection) āđ€āļ›āļ™āļ‚āļ™āļ•āļ­āļ™āđƒāļ™āļāļēāļĢāļ āļēāļŦāļ™āļ”āđ€āļ›āļēāļŦāļĄāļēāļĒāļ‚āļ­āļ‡āļāļēāļĢāļ§āđ€āļ„āļĢāļēāļ°āļŦāļ‚āļ­āļĄāļĨ āđ€āļžāļ­āļ„āļ”āđ€āļĨāļ­āļāđ€āļ‰āļžāļēāļ°āļ‚āļ­āļĄāļĨāļ—āđ€āļāļĒāļ§āļ‚āļ­āļ‡āļāļšāđ€āļ›āļēāļŦāļĄāļēāļĒāļ—āļ āļēāļŦāļ™āļ”āđ„āļ§

3.2 āļāļēāļĢāļāļĨāļ™āļāļĢāļ­āļ‡āļ‚āļ­āļĄāļĨ (Data Cleaning) āđ€āļ›āļ™āļ‚āļ™āļ•āļ­āļ™āļāļēāļĢāļāļĢāļ­āļ‡āļ‚āļ­āļĄāļĨāļ—āđ„āļĄāļ–āļāļ•āļ­āļ‡ āļ‹ āļēāļ‹āļ­āļ™ āļŦāļĢāļ­āļ—āđ„āļĄāļˆ āļēāđ€āļ›āļ™āļ•āļ­āļ‡āđƒāļŠāļ­āļ­āļāđ„āļ› āđāļĨāļ°āļˆāļ”āļāļēāļĢāļ‚āļ­āļĄāļĨāļ—āđ„āļĄāļ„āļĢāļšāļ–āļ§āļ™

Page 16: SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

6

3.3 āļāļēāļĢāđāļ›āļĨāļ‡āļĢāļ›āļ‚āļ­āļĄāļĨ (Data Transformation) āđ€āļ›āļ™āļ‚āļ™āļ•āļ­āļ™āļāļēāļĢāđ€āļ•āļĢāļĒāļĄāļ‚āļ­āļĄāļĨāđƒāļŦāļ­āļĒāđƒāļ™āļĢāļ›āđāļšāļšāļ—āļžāļĢāļ­āļĄāļŠ āļēāļŦāļĢāļšāļ™ āļēāđ„āļ›āđƒāļŠāđƒāļ™āļāļēāļĢāļ§āđ€āļ„āļĢāļēāļ°āļŦāļ•āļēāļĄāļ­āļĨāļāļ­āļĢāļ—āļĄāļ‚āļ­āļ‡āļāļēāļĢāļ— āļēāđ€āļŦāļĄāļ­āļ‡āļ‚āļ­āļĄāļĨāļ—āđ€āļĨāļ­āļāđƒāļŠ

4. āļāļēāļĢāļžāļ’āļ™āļēāļ•āļ§āđāļšāļš (Modeling) āđ€āļ›āļ™āļ‚āļ™āļ•āļ­āļ™āļāļēāļĢāđ€āļĨāļ­āļāđāļĨāļ°āļ›āļĢāļ°āļĒāļāļ•āđ€āļ—āļ„āļ™āļ„āļ—āļˆāļ°āđƒāļŠāļ— āļē

āđ€āļŦāļĄāļ­āļ‡āļ‚āļ­āļĄāļĨ āđ‚āļ”āļĒāļ‚āļ™āļ•āļ­āļ™āļ™āļĄāļāļēāļĢāļ™ āļēāđ€āļ—āļ„āļ™āļ„āļ•āļēāļ‡āđ† āļĄāļēāļŠāļ§āļĒāđƒāļ™āļāļēāļĢāļ”āļ‡āļĢāļ›āđāļšāļšāļ—āļ‹āļ­āļ™āļ­āļĒāļ­āļ­āļāļĄāļē āļāļēāļĢāļ— āļē

āđ€āļŦāļĄāļ­āļ‡āļ‚āļ­āļĄāļĨāļŠāļēāļĄāļēāļĢāļ–āđāļšāļ‡āļ­āļĨāļāļ­āļĢāļ—āļĄāđƒāļ™āļāļēāļĢāļ— āļēāļ‡āļēāļ™āđ„āļ”āđ€āļ›āļ™ 2 āļ›āļĢāļ°āđ€āļ āļ—āļŦāļĨāļ āļ›āļĢāļ°āļāļēāļĢāđāļĢāļāļ„āļ­āļāļēāļĢāļŠāļĢāļēāļ‡

āđāļšāļšāļˆ āļēāļĨāļ­āļ‡āđāļšāļšāļ— āļēāļ™āļēāļĒ āđ€āļ™āļ™āļāļēāļĢāļˆāļ”āļāļĨāļĄāđ‚āļ”āļĒāļ­āļēāļĻāļĒāļœāļĨāđ€āļ‰āļĨāļĒāļ—āļĄāļ­āļĒ āđ€āļŠāļ™ āļāļēāļĢāļˆ āļēāđāļ™āļāđāļĨāļ°āļāļēāļĢāļ§āđ€āļ„āļĢāļēāļ°āļŦ

āļāļēāļĢāļ–āļ”āļ–āļ­āļĒ āļŠāļ§āļ™āļ›āļĢāļ°āđ€āļ āļ—āļ—āļŠāļ­āļ‡āļ„āļ­ āļāļēāļĢāļŠāļĢāļēāļ‡āđāļšāļšāļˆ āļēāļĨāļ­āļ‡āđ€āļŠāļ‡āļžāļĢāļĢāļ“āļ™āļē āđ€āļ›āļ™āļāļēāļĢāļŦāļēāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āđ‚āļ”āļĒ

āđ„āļĄāļĄāļœāļĨāđ€āļ‰āļĨāļĒ

5. āļāļēāļĢāđāļ›āļĨāļœāļĨāđāļĨāļ°āļāļēāļĢāļ›āļĢāļ°āđ€āļĄāļ™āļœāļĨ (Evaluation) āđ€āļ›āļ™āļāļēāļĢāļ›āļĢāļ°āđ€āļĄāļ™āļ›āļĢāļ°āļŠāļ—āļ˜āļ āļēāļžāļ‚āļ­āļ‡āļœāļĨāļĨāļžāļ˜

āļˆāļēāļāļ§āđ€āļ„āļĢāļēāļ°āļŦāļ‚āļ­āļĄāļĨāļ§āļēāļ„āļĢāļ­āļšāļ„āļĨāļĄāđāļĨāļ°āļŠāļēāļĄāļēāļĢāļ–āļ•āļ­āļšāđ‚āļˆāļ—āļĒāļ—āļēāļ‡āļ˜āļĢāļāļˆāļ—āļ•āļ‡āđ„āļ§āđƒāļ™āļ‚āļ™āļ•āļ­āļ™āđāļĢāļāļŦāļĢāļ­āđ„āļĄ

6. āļāļēāļĢāļ™ āļēāđ„āļ›āđƒāļŠ (Deployment) āđ€āļ›āļ™āļāļēāļĢāļ§āļēāļ‡āđāļœāļ™āđāļĨāļ°āļāļēāļĢāļ™ āļēāļ•āļ§āđāļšāļšāđ€āļŦāļĄāļ­āļ‡āļ‚āļ­āļĄāļĨāđ„āļ›āđƒāļŠ

āļ›āļĢāļ°āđ‚āļĒāļŠāļ™

2.2 āļ—āļĪāļĐāļŽāļāļģāļĢāļˆāļ”āļāļĨāļĄ (Clustering Method)

āļāļēāļĢāļˆāļ”āļāļĨāļĄāļ‚āļ­āļĄāļĨ āļ„āļ­āļāļēāļĢāļĢāļ§āļĄāļāļĨāļĄāļ‚āļ­āļ‡āļ‚āļ­āļĄāļĨāļ—āļĄāļĨāļāļĐāļ“āļ°āđ€āļŦāļĄāļ­āļ™āļāļ™ āļĢāļ›āđāļšāļšāđāļĨāļ°āđāļ™āļ§āđ‚āļ™āļĄāļ—

āđ€āļŦāļĄāļ­āļ™āļāļ™ āđ‚āļ”āļĒāđ€āļĢāļĄāļˆāļēāļāļāļēāļĢāļŦāļēāļ•āļ§āđāļ—āļ™āļ‚āļ­āļ‡āļāļĨāļĄ āļˆāļēāļāļ™āļ™āļ— āļēāļāļēāļĢāđ€āļ›āļĢāļĒāļšāđ€āļ—āļĒāļšāļ‚āļ­āļĄāļĨāļāļšāļ•āļ§āđāļ—āļ™āļ‚āļ­āļ‡āđāļ•

āļĨāļ°āļāļĨāļĄ āļ–āļēāļ‚āļ­āļĄāļĨāļ„āļĨāļēāļĒāļ„āļĨāļ‡āļāļšāļ•āļ§āđāļ—āļ™āļ‚āļ­āļ‡āļāļĨāļĄāđ„āļŦāļ™āļāļˆāļ°āļ–āļāļˆāļ”āđƒāļŦāļ­āļĒāļāļĨāļĄāļ™āļ™ āļ§āļ˜āđƒāļ™āļāļēāļĢāļˆāļ”āļāļĨāļĄ

āļ‚āļ­āļĄāļĨāđāļšāļ‡āļ­āļ­āļāđ€āļ›āļ™ 2 āļ›āļĢāļ°āđ€āļ āļ—āđƒāļŦāļ āđ† āļ„āļ­ (Jain et al., 1999)

1. āļāļēāļĢāļˆāļ”āļāļĨāļĄāļ‚āļ­āļĄāļĨāđāļšāļšāđāļšāļ‡āļŠāļ§āļ™ (Partitional Clustering) āļāļēāļĢāļˆāļ”āļˆ āļēāđāļ™āļāļ‚āļ­āļĄāļĨāļ­āļ­āļāđ€āļ›āļ™āļāļĨāļĄāļĒāļ­āļĒāđ† āļ•āļēāļĄāļˆ āļēāļ™āļ§āļ™āļāļĨāļĄāļ—āļ āļēāļŦāļ™āļ”āđ‚āļ”āļĒāļžāļˆāļēāļĢāļ“āļēāļˆāļēāļāļ„āļ§āļēāļĄāļ„āļĨāļēāļĒāļ„āļĨāļ‡āļāļ™ āļ‚āļ­āļĄāļĨāļ—āļ­āļĒāđƒāļ™āļāļĨāļĄāđ€āļ”āļĒāļ§āļāļ™āļˆāļ°āļĄāļĨāļāļĐāļ“āļ°āđ€āļŦāļĄāļ­āļ™āļāļ™āļŦāļĢāļ­āļ„āļĨāļēāļĒāļāļ™ āļŠāļ§āļ™āļ‚āļ­āļĄāļĨāļ—āļ­āļĒāļ•āļēāļ‡āļāļĨāļĄāļāļ™āļˆāļ°āļĄāļĨāļāļĐāļ“āļ°āļ—āđāļ•āļāļ•āļēāļ‡āļāļ™ āđ€āļ—āļ„āļ™āļ„āļāļēāļĢāļˆāļ”āļāļĨāļĄāļ‚āļ­āļĄāļĨāđāļšāļšāđāļšāļ‡āļŠāļ§āļ™ āđ„āļ”āđāļ āļ­āļĨāļāļ­āļĢāļ—āļĄāđ€āļ„āļĄāļ™ āđāļĨāļ°āļŸāļ‹āļ‹āļ‹āļĄāļ™ (Fuzzy C-Means)

Page 17: SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

7

āļĢāļ›āļ— 2.2 āđāļŠāļ”āļ‡āļāļēāļĢāļˆāļ”āļāļĨāļĄāđāļšāļšāđāļšāļ‡āļŠāļ§āļ™

2. āļāļēāļĢāļˆāļ”āļāļĨāļĄāļ‚āļ­āļĄāļĨāđāļšāļšāđ‚āļ„āļĢāļ‡āļŠāļĢāļēāļ‡āļĨ āļēāļ”āļšāļŠāļ™ (Hierarchical Clustering) āļāļēāļĢāļˆāļ”āļāļĨāļĄāļ­āļ­āļāđ€āļ›āļ™āļāļĨāļĄāļĒāļ­āļĒāđ† āļ—āļĄāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āļāļ™āļĢāļ°āļŦāļ§āļēāļ‡āļāļĨāļĄāđƒāļŦāļāđāļĨāļ°āļāļĨāļĄāļĒāļ­āļĒāđ† āļĨāļ‡āđ„āļ› āļ§āļ˜āļāļēāļĢāļˆāļ”āļāļĨāļĄāļ‚āļ­āļĄāļĨāđāļšāļšāđ‚āļ„āļĢāļ‡āļŠāļĢāļēāļ‡āļĨ āļēāļ”āļšāļŠāļ™āļĄāļ­āļĒ 2 āļ§āļ˜ āļ„āļ­āļāļēāļĢāļˆāļ”āļāļĨāļĄāļˆāļēāļāļĨāļēāļ‡āļ‚āļ™āļšāļ™ (Agglomerative, Bottom-up) āđāļĨāļ°āļāļēāļĢāļˆāļ”āļāļĨāļĄāļ‚āļ­āļĄāļĨāļˆāļēāļāļšāļ™āļĨāļ‡āļĨāļēāļ‡ (Divisive, Top-down)

2.3 āļ­āļĨāļāļ­āļĢāļ—āļĄāđ€āļ„āļĄāļ™ (K-Means Algorithm)

āļāļēāļĢāļˆāļ”āļāļĨāļĄāļ‚āļ­āļĄāļĨāļ­āļĨāļāļ­āļĢāļ—āļĄāđ€āļ„āļĄāļ™āļ™āļ™āļĄāļāļēāļĢāļžāļ’āļ™āļēāđāļĨāļ°āļ™ āļēāđ€āļŠāļ™āļ­āđ‚āļ”āļĒ Mac Queen āđƒāļ™āļ› āļ„.āļĻ.

1967 āļ‹āļ‡āđāļŠāļ”āļ‡āđƒāļŦāđ€āļŦāļ™āļ–āļ‡āļ­āļĨāļāļ­āļĢāļ—āļĄāđƒāļ™āļāļēāļĢāļˆāļ”āļāļĨāļĄāļ—āļŠāļĄāļēāļŠāļāļ āļēāļĒāđƒāļ™āļāļĨāļĄ āļˆāļ°āļĄāļĢāļ°āļĒāļ°āđƒāļāļĨāļˆāļ”āļĻāļ™āļĒāļāļĨāļēāļ‡

āļŦāļĢāļ­āļ•āļ§āđāļ—āļ™āļ‚āļ­āļ‡āļāļĨāļĄ (Mean) āđ‚āļ”āļĒāļ§āļ˜āļāļēāļĢāļˆāļ”āļāļĨāļĄāļ‚āļ­āļĄāļĨāļ­āļĨāļāļ­āļĢāļ—āļĄāđ€āļ„āļĄāļ™āļ™āļ™āļˆāļ°āļ›āļĢāļ°āļāļ­āļšāļ”āļ§āļĒāļāļēāļĢ

āļ āļēāļŦāļ™āļ”āļˆ āļēāļ™āļ§āļ™āļāļĨāļĄāđ€āļĢāļĄāļ•āļ™ āļ āļēāļŦāļ™āļ”āļ•āļ§āđāļ—āļ™āļāļĨāļĄ āļāļēāļĢāļˆāļ”āļ‚āļ­āļĄāļĨāđāļ•āļĨāļ°āļ•āļ§āđ€āļ‚āļēāļāļĨāļĄ āđāļĨāļ°āļŠāļ”āļ—āļēāļĒāļ„āļ­ āļāļēāļĢ

āļ›āļĢāļšāļ›āļĢāļ‡āļ•āļ§āđāļ—āļ™āđƒāļ™āđāļ•āļĨāļ°āļāļĨāļĄ āļ›āļāļŦāļēāļ—āļžāļšāļ„āļ­āļāļēāļĢāļ āļēāļŦāļ™āļ”āļˆ āļēāļ™āļ§āļ™āļˆāļ”āđ€āļĢāļĄāļ•āļ™ āļ‹āļ‡āļŠāļ‡āļœāļĨāļ•āļ­

āļ›āļĢāļ°āļŠāļ—āļ˜āļ āļēāļžāļ‚āļ­āļ‡āļāļēāļĢāļˆāļ”āļāļĨāļĄ āļŦāļĢāļ­āļāļēāļĢāļ—āļāļĨāļĄāļšāļēāļ‡āļāļĨāļĄāļ™āļ™āļĄāļˆ āļēāļ™āļ§āļ™āļŠāļĄāļēāļŠāļāļ™āļ­āļĒāđ€āļāļ™āļŦāļĢāļ­āļ­āļēāļˆāļˆāļ°āđ„āļĄāļĄ

āļŠāļĄāļēāļŠāļāđƒāļ™āļāļĨāļĄāđ€āļĨāļĒ āļˆāļ‡āđ„āļ”āļĄāļāļēāļĢāļ āļēāļŦāļ™āļ”āļāļŽāđ€āļāļ“āļ‘āļ§āļēāļāļĨāļĄāļ—āļˆāļ°āļ­āļĒāđƒāļ™āļĢāļ­āļšāļ–āļ”āđ„āļ›āđ„āļ”āļ™āļ™āļˆāļ°āļ•āļ­āļ‡āļĄāļŠāļĄāļēāļŠāļ

āļ­āļĒāđ„āļĄāļ™āļ­āļĒāļāļ§āļēāļ„āļēāļ„āļ‡āļ—āļ„āļēāļŦāļ™āļ‡āļ—āļ āļēāļŦāļ™āļ”āļ‚āļ™āļĄāļē āļ‚āļ™āļ•āļ­āļ™āļ§āļ˜āļāļēāļĢāļˆāļ”āļāļĨāļĄāļ‚āļ­āļĄāļĨāļ­āļĨāļāļ­āļĢāļ—āļĄāđ€āļ„āļĄāļ™ (Tan et

al., 2006) āļĄāļ‚āļ™āļ•āļ­āļ™āļ”āļ‡āļ™

āļˆāļ”āļ—3

āļˆāļ”āļ—1

āļˆāļ”āļ—2

X1

X2

Page 18: SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

8

1) āļ āļēāļŦāļ™āļ”āļˆ āļēāļ™āļ§āļ™āļāļĨāļĄāļ—āļ•āļ­āļ‡āļāļēāļĢ āđ‚āļ”āļĒāļ āļēāļŦāļ™āļ”āđƒāļŦ K āđ€āļ—āļēāļāļšāļˆ āļēāļ™āļ§āļ™āļāļĨāļĄāļ—āļ•āļ­āļ‡āļāļēāļĢāļˆāļ”āļāļĨāļĄ āđāļĨāļ°āđ€āļĨāļ­āļāļˆāļ”āļĻāļ™āļĒāļāļĨāļēāļ‡āļ‚āļ­āļ‡āļāļĨāļĄāđ€āļĢāļĄāļ•āļ™

2) āļ„ āļēāļ™āļ§āļ“āļŦāļēāļ•āļ§āđāļ—āļ™āļāļĨāļĄ āļŦāļĢāļ­āļˆāļ”āļĻāļ™āļĒāļāļĨāļēāļ‡ (Centroid) āđƒāļ™āđāļ•āļĨāļ°āļāļĨāļĄ 3) āļˆāļ”āļāļĨāļĄāļ‚āļ­āļĄāļĨāđƒāļŦāļĄāđ‚āļ”āļĒāļžāļˆāļēāļĢāļ“āļēāļˆāļēāļāļ„āļēāļ„āļ§āļēāļĄāđƒāļāļĨāļŠāļ”āļŦāļĢāļ­āļĢāļ°āļĒāļ°āļŦāļēāļ‡āļ‚āļ­āļ‡āļ‚āļ­āļĄāļĨāđƒāļ™āļāļĨāļĄāļāļš

āļ•āļ§āđāļ—āļ™āļ‚āļ­āļ‡āļāļĨāļĄāļ•āļēāļ‡āđ† āļ§āļēāļ‚āļ­āļĄāļĨāļ™āļ™āļŠāļĄāļ„āļ§āļĢāļ—āļˆāļ°āļ­āļĒāļāļĨāļĄāđƒāļ” 4) āļ— āļēāļāļēāļĢāļ›āļĢāļšāļ›āļĢāļ‡āļāļēāļĢāļˆāļ”āļāļĨāļĄāđ‚āļ”āļĒāļĒāļ­āļ™āļāļĨāļšāđ„āļ›āļ— āļēāļ‚āļ­ 2 āđāļĨāļ°āļˆāļ°āļŦāļĒāļ”āđ€āļĄāļ­āļ‚āļ­āļĄāļĨāļŠāļĄāļēāļŠāļāđƒāļ™

āļāļĨāļĄāđāļ•āļĨāļ°āļāļĨāļĄāļ™āļ™āđ„āļĄāļĄāļāļēāļĢāđ€āļ›āļĨāļĒāļ™āđāļ›āļĨāļ‡āđāļĨāļ§

āļāļēāļĢāļˆāļ”āļāļĨāļĄāļ‚āļ­āļĄāļĨāđ‚āļ”āļĒāļ­āļĨāļāļ­āļĢāļ—āļĄāđ€āļ„āļĄāļ™āļ•āļ­āļ‡āļāļēāļĢāļžāļ™āļ—āļ—āđƒāļŠāđƒāļ™āļāļēāļĢāļ— āļēāļ‡āļēāļ™āļ™āļ­āļĒ āđ€āļ™āļ­āļ‡āļˆāļēāļāđ€āļāļšāđ€āļ‰āļžāļēāļ°āļ‚āļ­āļĄāļĨ āđāļĨāļ°āļˆāļ”āļĻāļ™āļĒāļāļĨāļēāļ‡āđ€āļ—āļēāļ™āļ™ āļ”āļ‡āļ™āļ™āļˆāļ‡āļ•āļ­āļ‡āļāļēāļĢāļžāļ™āļ—āđ€āļ›āļ™ O((m + K)n) āđ€āļĄāļ­ n āļ„āļ­āļˆ āļēāļ™āļ§āļ™āļ‚āļ­āļĄāļĨāļ—āļ‡āļŦāļĄāļ” āđāļĨāļ° m āļ„āļ­āļˆ āļēāļ™āļ§āļ™āļ‚āļ­āļ‡āļ•āļ§āđāļ›āļĢāļ—āđƒāļŠ āļŠāļ§āļ™āđ€āļ§āļĨāļēāļ—āđƒāļŠāđƒāļ™āļāļēāļĢāļ›āļĢāļ°āļĄāļ§āļĨāļœāļĨāļˆāļ°āđ€āļ›āļ™āļŠāļĄāļāļēāļĢāđ€āļŠāļ‡āđ€āļŠāļ™ āđƒāļ™āļĢāļ›āļ‚āļ­āļ‡āļˆ āļēāļ™āļ§āļ™āļ‚āļ­āļĄāļĨ āļ”āļ‡āļ™āļ™āđ€āļ§āļĨāļēāļ—āļ•āļ­āļ‡āļāļēāļĢāđƒāļŠāđ€āļ›āļ™ O(I * K * m * n) āđ€āļĄāļ­ I āđ€āļ›āļ™āļˆ āļēāļ™āļ§āļ™āļĢāļ­āļšāļ—āđƒāļŠāđ€āļĄāļ­āļ•āļ§āđāļ—āļ™āļ‚āļ­āļ‡āļāļĨāļĄāļĄāļāļēāļĢāđ€āļ›āļĨāļĒāļ™āđāļ›āļĨāļ‡ āđāļĨāļ° K āļ„āļ­āļˆ āļēāļ™āļ§āļ™āļāļĨāļĄāļ—āļ•āļ­āļ‡āļāļēāļĢāļˆāļ”āļāļĨāļĄ āđāļĨāļ°āđƒāļ™āļāļĢāļ“āļ—āđ€āļĢāļēāļ āļēāļŦāļ™āļ”āļ„āļēāļ•āļ§āđāļ›āļĢāđƒāļŦāļ„āļ‡āļ— āđ€āļ§āļĨāļēāļ—āđƒāļŠāļˆāļ°āđ€āļ›āļ™ O(n) (Tan et al., 2006)

Page 19: SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

9

āļĢāļ›āļ— 2.3 āđāļŠāļ”āļ‡āļ‚āļ™āļ•āļ­āļ™āļāļēāļĢāļ— āļēāļ‡āļēāļ™āļ‚āļ­āļ‡āļ‚āļ™āļ•āļ­āļ™āļ§āļ˜āļāļēāļĢāļˆāļ”āļāļĨāļĄāļ‚āļ­āļĄāļĨāļ­āļĨāļāļ­āļĢāļ—āļĄāđ€āļ„āļĄāļ™

āļ—āļĄāļē: Tan et al. (2006)

2.4 āļāļŽāļ„āļ§āļģāļĄāļŠāļĄāļžāļ™āļ˜ (Association Rule)

āļāļŽāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āđ€āļ›āļ™āđ€āļ—āļ„āļ™āļ„āļŦāļ™āļ‡āļ‚āļ­āļ‡āļāļēāļĢāļ— āļēāđ€āļŦāļĄāļ­āļ‡āļ‚āļ­āļĄāļĨ āđ‚āļ”āļĒāļŦāļĨāļāļāļēāļĢāļ— āļēāļ‡āļēāļ™āļ‚āļ­āļ‡āļ§āļ˜āļ™āļ„āļ­

āļāļēāļĢāļ„āļ™āļŦāļēāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āļ‚āļ­āļ‡āļ‚āļ­āļĄāļĨāļˆāļēāļāļ‚āļ­āļĄāļĨāļ‚āļ™āļēāļ”āđƒāļŦāļāļ—āļĄāļ­āļĒāđ€āļžāļ­āļ™ āļēāđ„āļ›āđƒāļŠāđƒāļ™āļāļēāļĢāļ§āđ€āļ„āļĢāļēāļ°āļŦ āļŦāļĢāļ­

āļ— āļēāļ™āļēāļĒāļ›āļĢāļēāļāļāļāļēāļĢāļ“āļ•āļēāļ‡āđ† āļŦāļĢāļ­āļˆāļēāļāļāļēāļĢāļ§āđ€āļ„āļĢāļēāļ°āļŦāļāļēāļĢāļ‹āļ­āļŠāļ™āļ„āļēāļ‚āļ­āļ‡āļĨāļāļ„āļēāđ€āļĢāļĒāļāļ§āļē “āļāļēāļĢāļ§āđ€āļ„āļĢāļēāļ°āļŦāđāļšāļš

āļ•āļ°āļāļĢāļēāļŠāļ™āļ„āļē (Market Basket Analysis)” āļ‹āļ‡āļ›āļĢāļ°āđ€āļĄāļ™āļˆāļēāļāļ‚āļ­āļĄāļĨāļ—āļĢāļ§āļšāļĢāļ§āļĄāđ„āļ§ āļœāļĨāļāļēāļĢāļ§āđ€āļ„āļĢāļēāļ°āļŦāļ—āđ„āļ”

āļˆāļ°āđ€āļ›āļ™āļ„ āļēāļ•āļ­āļšāļ‚āļ­āļ‡āļ›āļāļŦāļē āļ‹āļ‡āļāļēāļĢāļ§āđ€āļ„āļĢāļēāļ°āļŦāđāļšāļšāļ™āđ€āļ›āļ™āļāļēāļĢāđƒāļŠ “āļāļŽāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜â€ āđ€āļžāļ­āļŦāļē

āļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āļ‚āļ­āļ‡āļ‚āļ­āļĄāļĨ

āļ•āļ§āļ­āļĒāļēāļ‡āļāļēāļĢāļ™ āļēāđ€āļ—āļ„āļ™āļ„āļ™āđ„āļ›āļ›āļĢāļ°āļĒāļāļ•āđƒāļŠāļāļšāļ‡āļēāļ™āļˆāļĢāļ‡ āđ„āļ”āđāļ āļĢāļ°āļšāļšāđāļ™āļ°āļ™ āļēāļŦāļ™āļ‡āļŠāļ­āđƒāļŦāļāļšāļĨāļāļ„āļē

āđāļšāļšāļ­āļ•āđ‚āļ™āļĄāļ•āļ‚āļ­āļ‡āļšāļĢāļĐāļ— Amazon āļ‚āļ­āļĄāļĨāļāļēāļĢāļŠāļ‡āļ‹āļ­āļ—āļ‡āļŦāļĄāļ”āļ‚āļ­āļ‡āļšāļĢāļĐāļ— Amazon āļ‹āļ‡āļĄāļ‚āļ™āļēāļ”āđƒāļŦāļāļĄāļēāļ

āļˆāļ°āļ–āļāļ™ āļēāļĄāļēāļ›āļĢāļ°āļĄāļ§āļĨāļœāļĨāđ€āļžāļ­āļŦāļēāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āļ‚āļ­āļ‡āļ‚āļ­āļĄāļĨ āļ„āļ­āļĨāļāļ„āļēāļ—āļ‹āļ­āļŦāļ™āļ‡āļŠāļ­āđ€āļĨāļĄāļŦāļ™āļ‡āđ† āļĄāļāļˆāļ°āļ‹āļ­

āļŦāļ™āļ‡āļŠāļ­āđ€āļĨāļĄāđƒāļ”āļžāļĢāļ­āļĄāļāļ™āļ”āļ§āļĒāđ€āļŠāļĄāļ­ āļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āļ—āđ„āļ”āļˆāļēāļāļāļĢāļ°āļšāļ§āļ™āļāļēāļĢāļ™ āļˆāļ°āļŠāļēāļĄāļēāļĢāļ–āļ™ āļēāđ„āļ›āđƒāļŠāļ„āļēāļ”āđ€āļ”āļē

āđ„āļ”āļ§āļēāļ„āļ§āļĢāđāļ™āļ°āļ™ āļēāļŦāļ™āļ‡āļŠāļ­āđ€āļĨāļĄāđƒāļ”āđ€āļžāļĄāđ€āļ•āļĄāđƒāļŦāļāļšāļĨāļāļ„āļēāļ—āđ€āļžāļ‡āļ‹āļ­āļŦāļ™āļ‡āļŠāļ­āļˆāļēāļāļĢāļēāļ™ āđ€āļŠāļ™ buys ( x ,

Database) buys ( x , Data Mining ) [ 80 , 60 ] āļŦāļĄāļēāļĒāļ„āļ§āļēāļĄāļ§āļē āđ€āļĄāļ­āļ‹āļ­āļŦāļ™āļ‡āļŠāļ­ Database āđāļĨāļ§āļĄ

Algorithm Basic K-Means algorithm.

1: Select K points as initial centroids.

2: repeat

3: From k clusters by assigning each point to its closest centroid.

4: Recomputed the centroid of each cluster.

5: until Centroids do not change.

Page 20: SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

10

āđ‚āļ­āļāļēāļŠāļ—āļˆāļ°āļ‹āļ­āļŦāļ™āļ‡āļŠāļ­ Data Mining āļ”āļ§āļĒāļĢāļ­āļĒāļĨāļ° 60 āđāļĨāļ°āļĄāļāļēāļĢāļ‹āļ­āļ—āļ‡āļŦāļ™āļ‡āļŠāļ­ Database āđāļĨāļ°āļŦāļ™āļ‡āļŠāļ­

Data Mining āļžāļĢāļ­āļĄāļāļ™āļĢāļ­āļĒāļĨāļ° 80

āļžāļ™āļāļēāļ™āļāļēāļĢāļŦāļēāļāļŽāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜

āđ€āļĄāļ­ I āļ„āļ­āđ€āļ‹āļ•āđ„āļ­āđ€āļ—āļĄ āļ—āļĄāđ„āļ­āđ€āļ—āļĄāļ—āļ‡āļŦāļĄāļ”āđ€āļ›āļ™āļŠāļĄāļēāļŠāļ āļ‹āļ‡āđƒāļ™āļ—āļ™āļ­āļēāļˆāđ€āļ›āļ™āļŠāļ­āļŠāļ™āļ„āļēāļŦāļĢāļ­

āļŦāļ™āļ§āļĒāļžāļ™āļāļēāļ™āļ—āļˆāļ°āļ™ āļēāļĄāļēāđƒāļŠ

T āļ„āļ­āļ—āļĢāļēāļ™āđāļ‹āļ„āļŠāļ™āļ—āđ€āļ›āļ™āđ€āļ‹āļ•āļĒāļ­āļĒāļ‚āļ­āļ‡āđ€āļ‹āļ•āđ„āļ­āđ€āļ—āļĄ

D āļ„āļ­āđ€āļ‹āļ•āļ‚āļ­āļĄāļĨāļ—āļĄāļ—āļĢāļēāļ™āđāļ‹āļ„āļŠāļ™āļ—āļāļ•āļ§āđ€āļ›āļ™āļŠāļĄāļēāļŠāļ

n āļ„āļ­āļˆ āļēāļ™āļ§āļ™āđ„āļ­āđ€āļ—āļĄ

m āļ„āļ­āļˆ āļēāļ™āļ§āļ™āļ—āļĢāļēāļ™āđāļ‹āļ„āļŠāļ™

āļŠāļēāļĄāļēāļĢāļ–āļ™āļĒāļēāļĄāļāļŽāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āđ„āļ”āļ§āļē YX āđ€āļĄāļ­ IX , IY āđāļĨāļ° YX

āļ™āļ­āļāļˆāļēāļāļ™āļāļŽāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āļ—āļāļāļŽāļˆāļ°āļ›āļĢāļ°āļāļ­āļšāļ”āļ§āļĒāļ„āļēāļŠāļ™āļšāļŠāļ™āļ™ (Support) āđāļĨāļ°āļ„āļēāļ„āļ§āļēāļĄ

āļĄāļ™āđƒāļˆ (Confidence) āļ‹āļ‡āļĄāļ™āļĒāļēāļĄāļ”āļ‡āļ™

āļ„āļēāļŠāļ™āļšāļŠāļ™āļ™āļ‚āļ­āļ‡ YX āļ„āļ­ āļŠāļ”āļŠāļ§āļ™āļ‚āļ­āļ‡āļˆ āļēāļ™āļ§āļ™āļ—āļĢāļēāļ™āđāļ‹āļ„āļŠāļ™āļ—āļĄ X āđāļĨāļ° Y āļ›āļĢāļēāļāļāļ­āļĒ

āļ•āļ­āļˆ āļēāļ™āļ§āļ™āļ—āļĢāļēāļ™āđāļ‹āļ„āļŠāļ™āļ—āļ‡āļŦāļĄāļ”āđƒāļ™āļŠāļ”āļ‚āļ­āļĄāļĨ

Support, N

YXYXS

)()(

(1)

āļ„āļēāļ„āļ§āļēāļĄāđ€āļŠāļ­āļĄāļ™āļ‚āļ­āļ‡ YX āļ„āļ­āļ­āļ•āļĢāļēāļŠāļ§āļ™āļ‚āļ­āļ‡āļˆ āļēāļ™āļ§āļ™āļ—āļĢāļēāļ™āđāļ‹āļ„āļŠāļ™āļ—āļĄāļ—āļ‡ X āđāļĨāļ° Y āļ•āļ­āļˆ āļēāļ™āļ§āļ™āļ—āļĢāļēāļ™āđāļ‹āļ„āļŠāļ™āļ—āļĄ X

Page 21: SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

11

āļ„āļēāļŠāļ™āļšāļŠāļ™āļ™āļ–āļāļ™ āļēāļĄāļēāđƒāļŠ āđ€āļžāļ­āļāļēāļĢāļ āļēāļˆāļ”āļāļŽāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āļ—āđ„āļĄāļ™āļēāļŠāļ™āđƒāļˆ āļāļŽāļ—āļ›āļĢāļ°āļāļ­āļšāļ”āļ§āļĒāđ„āļ­

āđ€āļ—āļĄāđ€āļ‹āļ•āļ‹āļ‡āļĄāļ„āļēāļŠāļ™āļšāļŠāļ™āļ™āļ™āļ­āļĒ āļŦāļĄāļēāļĒāļ–āļ‡āđ„āļ­āđ€āļ—āļĄāđ€āļ‹āļ•āļ™āļ™āđ† āđ„āļĄāđ€āļ›āļ™āļ—āļ™āļēāļŠāļ™āđƒāļˆ āļŦāļĢāļ­āđ€āļāļ”āđƒāļ™āļˆ āļēāļ™āļ§āļ™āļ™āļ­āļĒ

āļ”āļ‡āļ™āļ™āļāļŽāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āļ—āļĄāđ„āļ­āđ€āļ—āļĄāđ€āļ‹āļ•āđ€āļŦāļĨāļēāļ™āļ™āļ›āļĢāļēāļāļāļ­āļĒ āļˆāļ‡āđ„āļĄāļ–āļāļŠāļ™āđƒāļˆ āđƒāļ™āļ‚āļ“āļ°āļ—āļ„āļēāļ„āļ§āļēāļĄāđ€āļŠāļ­āļĄāļ™āđƒāļŠ

āđ€āļžāļ­āđāļŠāļ”āļ‡āļ–āļ‡āļ„āļ§āļēāļĄāļ™āļēāđ€āļŠāļ­āļ–āļ­āļ‚āļ­āļ‡āļāļŽ āļĒāļ‡āļĄāļ„āļēāļ„āļ§āļēāļĄāđ€āļŠāļ­āļĄāļ™āļŠāļ‡āļ™āļ™āļŦāļĄāļēāļĒāļ„āļ§āļēāļĄāļ§āļēāđ„āļ­āđ€āļ—āļĄāđ€āļ‹āļ•āļ™āļ™āđ€āļāļ”āļ‚āļ™

āļĢāļ§āļĄāļāļšāđ„āļ­āđ€āļ—āļĄāđ€āļ‹āļ•āļ­āļāļāļĨāļĄāļŦāļ™āļ‡āļĄāļēāļāļ‚āļ™āđ€āļ—āļēāļ™āļ™

āļ„āļēāļŠāļŦāļŠāļĄāļžāļ™āļ˜āļŦāļĢāļ­āļŦāļ™āļ§āļĒāļ§āļ”āļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜ (Correlation Analysis āļŦāļĢāļ­ Lift) āļŦāļĄāļēāļĒāļ–āļ‡ āļ„āļēāļ—

āļšāļ‡āļšāļ­āļāļ–āļ‡āļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āļ—āļ™āļēāļŠāļ™āđƒāļˆāļĢāļ°āļŦāļ§āļēāļ‡āđ€āļŦāļ•āļāļēāļĢāļ“āđāļĨāļ°āļœāļĨāļ—āļ•āļēāļĄāļĄāļē āļ„ āļēāļ™āļ§āļ“āđ„āļ”āļ”āļ‡āļ™

(3)

āđ‚āļ”āļĒāļ— P(B|A) = P(A B)/P(A)

A āļ„āļ­ āđ€āļŦāļ•āļāļēāļĢāļ“āļ—āđ€āļāļ”āļāļ­āļ™ (Antecedent) āļŦāļĢāļ­āđ„āļ­āđ€āļ—āļĄāļ—āļ­āļĒāļ—āļēāļ‡āļ‹āļēāļĒ

B āļ„āļ­ āļŠāļ‡āļ—āđ€āļāļ”āļ‚āļ™āļ•āļēāļĄāļĄāļē (Consequence) āļŦāļĢāļ­āđ„āļ­āđ€āļ—āļĄāļ—āļ­āļĒāļ—āļēāļ‡āļ‚āļ§āļē

P(A) āļ„āļ­ āļˆ āļēāļ™āļ§āļ™āļ„āļĢāļ‡āļ—āđ€āļāļ”āđ€āļŦāļ•āļāļēāļĢāļ“ A

P(B) āļ„āļ­ āļˆ āļēāļ™āļ§āļ™āļ„āļĢāļ‡āļ—āđ€āļāļ”āđ€āļŦāļ•āļāļēāļĢāļ“ B

Confidence, )(

)()(

X

YXYXC

(2)

āđ€āļĄāļ­

N

āļ„āļ­ āļˆ āļēāļ™āļ§āļ™āļ—āļĢāļēāļ™āđāļ‹āļ„āļŠāļ™āļ—āļ‡āļŦāļĄāļ”

)(X āļ„āļ­ āļˆ āļēāļ™āļ§āļ™āļ„āļĢāļ‡āļ—āđ€āļāļ” X

)(

)|(

)()(

)(,

BP

ABP

BPAP

BAPcorr BA

Page 22: SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

12

āļœāļĨāļĨāļžāļ˜āļ—āđ„āļ”āļˆāļēāļāļāļēāļĢāļ§āđ€āļ„āļĢāļēāļ°āļŦāļ„āļēāļŠāļŦāļŠāļĄāļžāļ™āļ˜ āļ„āļ­

â€Ē āļ–āļēāļ„āļēāļŠāļŦāļŠāļĄāļžāļ™āļ˜āļĄāļ„āļēāļ™āļ­āļĒāļāļ§āļē 1 āļŦāļĄāļēāļĒāļ–āļ‡āļāļēāļĢāļ—āđ€āļāļ”āđ€āļŦāļ•āļāļēāļĢāļ“ A āđ„āļĄāđ„āļ”āļŠāļ‡āđ€āļŠāļĢāļĄāđƒāļŦāđ€āļāļ” B

āļˆāļĢāļ‡

â€Ē āļ–āļēāļ„āļēāļŠāļŦāļŠāļĄāļžāļ™āļ˜āļĄāļēāļāļāļ§āļē 1 āļŦāļĄāļēāļĒāļ–āļ‡āļāļēāļĢāļ—āđ€āļāļ”āđ€āļŦāļ•āļāļēāļĢāļ“ A āļŠāļ‡āđ€āļŠāļĢāļĄāđƒāļŦāđ€āļāļ” B āļˆāļĢāļ‡

â€Ē āļ–āļēāļ„āļēāļŠāļŦāļŠāļĄāļžāļ™āļ˜āļĄāđ€āļ—āļēāļāļš 1 āļŦāļĄāļēāļĒāļ–āļ‡ āļāļēāļĢāđ€āļāļ”āđ€āļŦāļ•āļāļēāļĢāļ“ A āđ„āļĄāđ„āļ”āļĄāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āđāļ•

āļ­āļĒāļēāļ‡āđƒāļ”āļāļšāļāļēāļĢāđ€āļāļ” B āļ‹āļ‡āļ–āļ­āļ§āļēāđ€āļ›āļ™āļ­āļŠāļĢāļ°āļ•āļ­āļāļ™

2.5 āļ­āļĨāļāļ­āļĢāļ—āļĄāļ­āļžāļĢāđ‚āļ­āļĢ (Apriori Algorithm)

Apriori (Agrawal and Srikant, 1994) āđ€āļ›āļ™āļ­āļĨāļāļ­āļĢāļ—āļĄāļžāļ™āļāļēāļ™āļ—āđāļžāļĢāļŦāļĨāļēāļĒāđƒāļ™āļāļēāļĢāļŦāļē

āļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āļ‚āļ­āļ‡āļ‚āļ­āļĄāļĨ āđ‚āļ”āļĒāđƒāļŠāļŦāļĨāļāļāļēāļĢāļ„āļ™āļŦāļēāđāļšāļšāļ§āļ‡āļāļ§āļēāļ‡āļāļ­āļ™āļ™āļšāļ—āļĢāļēāļ™āđāļ‹āļ„āļŠāļ™ āļ‹āļ‡āļˆāļ°āļŠāļĢāļēāļ‡āđāļĨāļ°

āļ•āļĢāļ§āļˆāļŠāļ­āļšāđ€āļ‹āļ•āđ„āļ­āđ€āļ—āļĄāļĒāļ­āļĒāļ—āļĨāļ°āļŠāļ™ āđ‚āļ”āļĒāđ€āļĢāļĄāļˆāļēāļāđ€āļ‹āļ•āđ„āļ­āđ€āļ—āļĄāļ—āļĄāļˆ āļēāļ™āļ§āļ™āļŠāļĄāļēāļŠāļāđ€āļ—āļēāļāļšāļŦāļ™āļ‡ āļ–āļēāđ€āļ‹āļ•āđ„āļ­

āđ€āļ—āļĄāđƒāļ”āļĄāļ„āļēāļŠāļ™āļšāļŠāļ™āļ™āļ™āļ­āļĒāļāļ§āļēāļ„āļēāļŠāļ™āļšāļŠāļ™āļ™āļ—āļ āļēāļŦāļ™āļ”āļāļˆāļ°āļ•āļ”āđ€āļ‹āļ•āđ„āļ­āđ€āļ—āļĄāļ™āļ™āļ­āļ­āļ āđ„āļĄāļ™ āļēāđ„āļ›āļŠāļĢāļēāļ‡āđ€āļ‹āļ•

āđ„āļ­āđ€āļ—āļĄāđƒāļ™āļŠāļ™āļ•āļ­āđ„āļ› āļāļēāļĢāļ— āļēāļ‡āļēāļ™āļ‚āļ­āļ‡āļ­āļĨāļāļ­āļĢāļ—āļĄāļˆāļ°āļ§āļ™āđ„āļ›āđ€āļĢāļ­āļĒāđ† āļˆāļ™āļāļĢāļ°āļ—āļ‡āđ„āļĨāļ—āļāļĢāļ°āļ”āļšāļŠāļ™ āļŦāļĢāļ­āđ„āļĄ

āđ€āļŦāļĨāļ­āđ€āļ‹āļ•āđ„āļ­āđ€āļ—āļĄāļ—āļˆāļ°āļŠāļĢāļēāļ‡āđ€āļ‹āļ•āđ„āļ­āđ€āļ—āļĄāđƒāļ™āļŠāļ™āļ•āļ­āđ„āļ› āļĄāļ‚āļ™āļ•āļ­āļ™āļāļēāļĢāļ— āļēāļ‡āļēāļ™ 2 āļ‚āļ™āļ•āļ­āļ™āļ”āļ‡āļ™

āļ‚āļ™āļ•āļ­āļ™āļ— 1 āļāļēāļĢāļŠāļĢāļēāļ‡āļŠāļ”āļ‚āļ­āļ‡āđ„āļ­āđ€āļ—āļĄ āđ€āļ›āļ™āļāļēāļĢāļ„āļ™āļŦāļēāļŠāļ”āļ‚āļ­āļ‡āđ„āļ­āđ€āļ—āļĄāļ—āļĄāļ„āļēāļŠāļ™āļšāļŠāļ™āļ™āļĄāļēāļāļāļ§āļēāļ„āļēāļŠāļ™āļšāļŠāļ™āļ™āļ™āļ­āļĒāļ—āļŠāļ” āđ€āļžāļ­āļŠāļĢāļēāļ‡āđ€āļ›āļ™āļŠāļ”āļ‚āļ­āļ‡āđ„āļ­āđ€āļ—āļĄ

āļ‚āļ™āļ•āļ­āļ™āļ— 2 āļāļēāļĢāļŠāļĢāļēāļ‡āļāļŽāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜ āđ€āļ›āļ™āļāļēāļĢāļŠāļĢāļēāļ‡āļāļŽāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āđ‚āļ”āļĒāļˆāļ°āļ”āļ‡āļāļŽāļ—āļĄāļ„āļēāļ„āļ§āļēāļĄāđ€āļŠāļ­āļĄāļ™āļŠāļ‡āđ† āļˆāļēāļāļŠāļ”āļ‚āļ­āļ‡āđ„āļ­āđ€āļ—āļĄ

āļ­āļĨāļāļ­āļĢāļ—āļĄāļ­āļžāļĢāđ‚āļ­āļĢāļˆāļ°āļ•āļ­āļ‡āļ— āļēāļāļēāļĢāļ āļēāļŦāļ™āļ”āļ„āļēāļŠāļ™āļšāļŠāļ™āļ™āļ‚āļ™āļ• āļē (Minimum Support) āđāļĨāļ°āļ„āļē

āļ„āļ§āļēāļĄāđ€āļŠāļ­āļĄāļ™āļ‚āļ™āļ• āļē (Minimum Confidence) āļāļēāļĢāļ āļēāļŦāļ™āļ”āļ„āļēāļ—āļ‡āļŠāļ­āļ‡āļ„āļēāļ™āļ‚āļ™āļ­āļĒāļāļšāļ™āļāļ§āļˆāļĒāđ€āļ›āļ™āļœ

āļ āļēāļŦāļ™āļ” āļ‹āļ‡āļ‚āļ™āļ­āļĒāļāļšāļ„āļ§āļēāļĄāđ€āļŦāļĄāļēāļ°āļŠāļĄāļ‚āļ­āļ‡āļŠāļ”āļ‚āļ­āļĄāļĨ āđ‚āļ”āļĒāļāļŽāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āļ—āđ„āļ”āļ™āļ™āļˆāļ°āļ•āļ­āļ‡āļĄāļ„āļē

āļŠāļ™āļšāļŠāļ™āļ™ āđāļĨāļ°āļ„āļēāļ„āļ§āļēāļĄāđ€āļŠāļ­āļĄāļ™ āđ„āļĄāļ™āļ­āļĒāļāļ§āļēāļ„āļēāļ‚āļ™āļ• āļēāļ—āļ āļēāļŦāļ™āļ”āđ„āļ§āļ‚āļēāļ‡āļ•āļ™

Page 23: SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

13

2.6 āļāļģāļĢāļ§āļ”āļ›āļĢāļ°āļŠāļ—āļ˜āļ āļģāļž

āļāļēāļĢāļ§āļ”āļ›āļĢāļ°āļŠāļ—āļ˜āļ āļēāļžāļāļēāļĢāļˆāļ”āļāļĨāļĄāļ‚āļ­āļĄāļĨ āļ­āļĨāļāļ­āļĢāļ—āļĄāļ›āļĢāļ°āļāļ­āļšāļ”āļ§āļĒāļ§āļ˜āļ—āļ™āļĒāļĄāđƒāļŠāđƒāļ™āļ›āļˆāļˆāļšāļ™ 3

āļ§āļ˜ āļ„āļ­ (1) SD Validity Index (2) Davies Bouldin Index āđāļĨāļ° (3) PBM-Index

2.6.1 SD Validity Index āđ€āļ›āļ™āļāļēāļĢāļ§āļ”āļāļēāļĢāļāļĢāļ°āļˆāļēāļĒāđ€āļ‰āļĨāļĒāđāļĨāļ°āļāļēāļĢāđāļĒāļāļāļ™āļ‚āļ­āļ‡āļāļĨāļĄ āļ‹āļ‡āļ„āļē SD Validity Index āļĄāļ„āļēāļ™āļ­āļĒ

āđāļŠāļ”āļ‡āļ–āļ‡āļāļēāļĢāļˆāļ”āļāļĨāļĄāļ—āļ” (Halkidi, 2000) āļŠāļēāļĄāļēāļĢāļ–āļ„ āļēāļ™āļ§āļ“āđ„āļ”āļ”āļ‡āļ™

āļāļēāļĢāļ§āļ”āļāļēāļĢāļāļĢāļ°āļˆāļēāļĒāđ€āļ‰āļĨāļĒāđ€āļ›āļ™āļāļēāļĢāļ„ āļēāļ™āļ§āļ“āđ‚āļ”āļĒāđƒāļŠāļ„āļēāļ„āļ§āļēāļĄāđāļ›āļĢāļ›āļĢāļ§āļ™āļ‚āļ­āļ‡āļāļĨāļĄāđāļĨāļ°āļ„āļēāļ„āļ§āļēāļĄ

āđāļ›āļĢāļ›āļĢāļ§āļ™āļ‚āļ­āļ‡āļŠāļ”āļ‚āļ­āļĄāļĨ āļ‹āļ‡āđ€āļ›āļ™āļāļēāļĢāļ§āļ”āļ„āļ§āļēāļĄāļ„āļĨāļēāļĒāļ„āļĨāļ‡āļ āļēāļĒāđƒāļ™āļāļĨāļĄ

āļāļēāļĢāļāļĢāļ°āļˆāļēāļĒāđ€āļ‰āļĨāļĒāļ‚āļ­āļ‡āđāļ•āļĨāļ°āļāļĨāļĄ āļŠāļēāļĄāļēāļĢāļ–āļ„ āļēāļ™āļ§āļ“āđ„āļ”āļˆāļēāļāļŠāļ•āļĢāļ”āļ‡āļ™

cn

i

i

c x

v

nScatt

1 )(

)(1

(4)

āļ„āļēāļ„āļ§āļēāļĄāđāļ›āļĢāļ›āļĢāļ§āļ™āļ‚āļ­āļ‡āļŠāļ”āļ‚āļ­āļĄāļĨ

2

1

)(1

n

k

pp

k

p

n xxn

(5)

d

x

x

x

1

)(

āļ„āļēāļ„āļ§āļēāļĄāđāļ›āļĢāļ›āļĢāļ§āļ™āļ‚āļ­āļ‡āļāļĨāļĄ

2

1

)(1

n

k

p

i

p

k

i

p

v vxci

(6)

d

v

v

i

i

i

v

1

)(

Page 24: SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

14

āđ€āļĄāļ­ n āļ„āļ­ āļˆ āļēāļ™āļ§āļ™āļāļĨāļĄāļ—āđāļšāļ‡āđ„āļ”āļ—āļ‡āļŦāļĄāļ”

in āļ„āļ­ āļˆ āļēāļ™āļ§āļ™āļ‚āļ­āļĄāļĨāļ—āļ­āļĒāđƒāļ™āļāļĨāļĄāļ— ic c āļ„āļ­ āļˆ āļēāļ™āļ§āļ™āļāļĨāļĄ

iv āļ„āļ­ āļˆ āļēāļ™āļ§āļ™āļ‚āļ­āļĄāļĨāļ—āļ­āļĒāđƒāļ™āļāļĨāļĄāļ— ic nij āļ„āļ­ āļˆāļ”āļĻāļ™āļĒāļāļĨāļēāļ‡āļ‚āļ­āļ‡āļāļĨāļĄāļ— i

āļāļēāļĢāđāļĒāļāļāļ™āļĢāļ°āļŦāļ§āļēāļ‡āļāļĨāļĄ āļ„āļ­āļāļēāļĢāļŦāļēāļœāļĨāļĢāļ§āļĄāļ‚āļ­āļ‡āļāļēāļĢāđāļĒāļāļāļ™āļ‚āļ­āļ‡āļāļĨāļĄāļ—āļĄāļžāļ™āļāļēāļ™āļˆāļēāļāļāļēāļĢāļŦāļē

āļĢāļ°āļĒāļ°āļŦāļēāļ‡āļ‚āļ­āļ‡āļˆāļ”āļĻāļ™āļĒāļāļĨāļēāļ‡āļ‚āļ­āļ‡āļāļĨāļĄ āļĄāļāļēāļĢāļ„ āļēāļ™āļ§āļ“āļ”āļ‡āļ™

1

1 ,1..1,

..1,)(

)(min

)(max

c c

c

c

n

k

n

jij

ij

ijnji

ijnji

vvvv

vv

Dis (7)

āļ”āļ‡āļ™āļ™ SD Validity Index āļˆāļ‡āļ„ āļēāļ™āļ§āļ“āđ„āļ”āļˆāļēāļāļŠāļ•āļĢ

DisScattxSD )( (8)

āđ‚āļ”āļĒāļ— āļ„āļ­ āļ„āļēāļ™ āļēāļŦāļ™āļ(weight)

2.6.2 Davies-Bouldin Index (DB Index)

āđ€āļ›āļ™āļāļēāļĢāļ§āļ”āļ„āļ§āļēāļĄāļ„āļĨāļēāļĒāļ„āļĨāļ‡āļāļ™āđ€āļ‰āļĨāļĒāļĢāļ°āļŦāļ§āļēāļ‡āđāļ•āļĨāļ°āļāļĨāļĄ āļ‹āļ‡āļˆāļ°āđƒāļŠāļāļēāļĢāļ§āļ”āļ„āļ§āļēāļĄāļ„āļĨāļēāļĒāļ„āļĨāļ‡āļāļ™

āļ‚āļ­āļ‡āļāļĨāļĄ(Cluster) ijR āļāļēāļĢāļ§āļ”āļāļēāļĢāđāļžāļĢāļāļĢāļ°āļˆāļēāļĒāļ‚āļ­āļ‡āļāļĨāļĄ iS āđāļĨāļ°āļāļēāļĢāļ§āļ”āļ„āļ§āļēāļĄāđāļ•āļāļ•āļēāļ‡āļāļ™āļ‚āļ­āļ‡āļāļĨāļĄ

ijd āđƒāļ™āļāļĢāļ“āļ—āļĄāļ„āļē DB Index āļ™āļ­āļĒāđāļŠāļ”āļ‡āļ–āļ‡āļāļēāļĢāļˆāļ”āļāļĨāļĄāļ—āļ” (Kovacs et al., 2005)

āđ‚āļ”āļĒāļ— ijR āļĄāļēāļāļāļ§āļē 0 ijR āđ€āļ—āļēāļāļš jiij RR āļ–āļē iS āđ€āļ—āļēāļāļš 0 āđāļĨāļ° Sj āđ€āļ—āļēāļāļš 0 āđāļĨāļ§ ijR āđ€āļ—āļēāļāļš 0 āļ–āļē jS āļĄāļēāļāļāļ§āļē kS āđāļĨāļ° ijd āđ€āļ—āļēāļāļš jkd āđāļĨāļ§ ijR āļĄāļēāļāļāļ§āļē jkR āļ–āļē jS āđ€āļ—āļēāļāļš kS āđāļĨāļ° ijd āļ™āļ­āļĒāļāļ§āļē ikd āđāļĨāļ§ ijR āļĄāļēāļāļāļ§āļē ikR

Page 25: SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

15

āļāļēāļĢāļ§āļ”āļ„āļ§āļēāļĄāļ„āļĨāļēāļĒāļ„āļĨāļ‡āļāļ™āļ‚āļ­āļ‡āļāļĨāļĄ(Cluster) ijR

ij

ji

ijd

SSR

(9)

āļāļēāļĢāļ§āļ”āļāļēāļĢāđāļžāļĢāļāļĢāļ°āļˆāļēāļĒāļ‚āļ­āļ‡āļāļĨāļĄ iS āđāļĨāļ°āļāļēāļĢāļ§āļ”āļ„āļ§āļēāļĄāđāļ•āļāļ•āļēāļ‡āļāļ™āļ‚āļ­āļ‡āļāļĨāļĄ ijd

),( jiij VVdd ,

iCx

i

i

i VXdc

S ),(1 (10)

āđ‚āļ”āļĒāļ— ijR āļ„āļ­ āļāļēāļĢāļ§āļ”āļ„āļ§āļēāļĄāļ„āļĨāļēāļĒāļ„āļĨāļ‡āļāļ™āļ‚āļ­āļ‡āļāļĨāļĄ(Cluster) i āđāļĨāļ° j iS āļ„āļ­ āļāļēāļĢāļ§āļ”āļāļēāļĢāđāļžāļĢāļāļĢāļ°āļˆāļēāļĒāļ‚āļ­āļ‡āļāļĨāļĄ i ijd āļ„āļ­ āļāļēāļĢāļ§āļ”āļ„āļ§āļēāļĄāđāļ•āļāļ•āļēāļ‡āļāļ™āļ‚āļ­āļ‡āļāļĨāļĄ i āđāļĨāļ° j ),( ji VVd āļ„āļ­ āļĢāļ°āļĒāļ°āļŦāļēāļ‡āļĢāļ°āļŦāļ§āļēāļ‡āļ•āļ§āđāļ—āļ™āļ‚āļ­āļ‡āļāļĨāļĄ i āđāļĨāļ° j ),( iVXD āļ„āļ­ āļĢāļ°āļĒāļ°āļŦāļēāļ‡āļĢāļ°āļŦāļ§āļēāļ‡āļ‚āļ­āļĄāļĨ x āļāļšāļ•āļ§āđāļ—āļ™āļ‚āļ­āļ‡āļāļĨāļĄ i iC āļ„āļ­ āļˆ āļēāļ™āļ§āļ™āļ‚āļ­āļĄāļĨāļ‚āļ­āļ‡āļāļĨāļĄāļ— i āļ”āļ‡āļ™āļ™ Davies-Bouldin Index āļŠāļēāļĄāļēāļĢāļ–āļ„ āļēāļ™āļ§āļ“āđ„āļ”āļ”āļ‡āļ™

cn

i

i

c

Rn

DB1

1 (11)

cijjinj

i niRRc

...1),(max,..1

(12)

āđ€āļĄāļ­ cn āļ„āļ­ āļˆ āļēāļ™āļ§āļ™āļāļĨāļĄāļ—āļ‡āļŦāļĄāļ”

Page 26: SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

16

2.6.3 PBM-Index

PBM-Index āđ€āļ›āļ™āđ€āļ—āļ„āļ™āļ„āđƒāļ™āļāļēāļĢāļ§āļ”āļ„āļ§āļēāļĄāļ–āļāļ•āļ­āļ‡āļ‚āļ­āļ‡āļāļēāļĢāļˆāļ”āļāļĨāļĄ (Cluster Validity) āļ‹āļ‡āđ€āļ›āļ™

āļ āļēāļĨāļ‡āļŠāļ­āļ‡āļ‚āļ­āļ‡āļœāļĨāļ„āļ“āļ‚āļ­āļ‡āļŠāļ§āļ™āļāļĨāļšāļ‚āļ­āļ‡āļˆ āļēāļ™āļ§āļ™āļāļĨāļĄ āļāļēāļĢāļ§āļ”āļĢāļ°āļĒāļ°āļŦāļēāļ‡āļ‚āļ­āļ‡āļ‚āļ­āļĄāļĨāļ āļēāļĒāđƒāļ™āļāļĨāļĄāđāļĨāļ°āļ„āļ§āļēāļĄ

āđāļ•āļāļ•āļēāļ‡āļāļ™āļĄāļēāļāļ—āļŠāļ”āļ‚āļ­āļ‡āđāļ•āļĨāļ°āļāļĨāļĄ āđƒāļ™āļāļĢāļ“āļ— PBM-Index āļĄāļ„āļēāļŠāļ‡āļŦāļĄāļēāļĒāļ–āļ‡āļāļēāļĢāļˆāļ”āļāļĨāļĄāļ—āļ” āđ‚āļ”āļĒāļĄ

āļŠāļ•āļĢāļāļēāļĢāļ„ āļēāļ™āļ§āļ“āļ„āļē PBM-Index āļ”āļ‡āļ™ (Pakhira et al., 2004) 2

11)(

k

k

DE

E

kkPBM (13)

āļāļēāļĢāļ§āļ”āļĢāļ°āļĒāļ°āļŦāļēāļ‡āļ‚āļ­āļ‡āļ‚āļ­āļĄāļĨāļ āļēāļĒāđƒāļ™āļāļĨāļĄ

n

j

kjkjk

K

k

kK ZxUEEE11

, (14)

āļāļēāļĢāļ§āļ”āļ„āļēāļ„āļ§āļēāļĄāđāļ•āļāļ•āļēāļ‡āļĢāļ°āļŦāļ§āļēāļ‡āļāļĨāļĄ

āđ€āļĄāļ­

k

āļ„āļ­ āļˆ āļēāļ™āļ§āļ™āļāļĨāļĄāļ—āđāļšāļ‡āđ„āļ”āļ—āļ‡āļŦāļĄāļ”

n āļ„āļ­ āļˆ āļēāļ™āļ§āļ™āļŠāļ”āļ‚āļ­āļĄāļĨāļ—āļ‡āļŦāļĄāļ”

Ukj āļ„āļ­ āļ„āļēāļ„āļ§āļēāļĄāđ€āļ›āļ™āļŠāļĄāļēāļŠāļāļ‚āļ­āļ‡āļ‚āļ­āļĄāļĨāļ•āļ§āļ— i āļ—āļ­āļĒāđƒāļ™āļāļĨāļĄ j

Dk āļ„āļ­ āļāļēāļĢāļ§āļ”āļāļēāļĢāļāļĢāļ°āļˆāļēāļĒāļĄāļēāļāļ—āļŠāļ”āļ‚āļ­āļ‡āļāļĨāļĄ cluster

Zk āļ„āļ­ āļˆāļ”āļĻāļ™āļĒāļāļĨāļēāļ‡āļ‚āļ­āļ‡āļāļĨāļĄāļ— k

ji

k

jik ZZD

1,max (15)

Page 27: SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

17

2.7 āļ‡āļģāļ™āļ§āļˆāļĒāļ—āđ€āļāļĒāļ§āļ‚āļ­āļ‡

āļāļĪāļĐāļ“āļ° āđ„āļ§āļĒāļĄāļĒ, āļŠāļ”āļŠāļ™āļ āļŠāļ‡āļĻāļĢ, āđāļĨāļ°āļ˜āļ™āļēāļ§āļ™āļ— āļĢāļāļ˜āļĢāļĢāļĄāļēāļ™āļ™āļ— (2001) āđ„āļ”āļ­āļ˜āļšāļēāļĒāļ„āļ§āļēāļĄāļŦāļĄāļēāļĒ

āļ‚āļ­āļ‡āļāļēāļĢāļ„āļ™āļŦāļēāļāļŽāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜ āđ€āļ›āļ™āļāļēāļĢāļ„āļ™āļŦāļēāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āļ‚āļ­āļ‡āļ‚āļ­āļĄāļĨāļˆāļēāļāļāļēāļ™āļ‚āļ­āļĄāļĨāļ‚āļ™āļēāļ”āđƒāļŦāļāļ—āļĄ

āļ­āļĒ āđ€āļžāļ­āļ™ āļēāđ„āļ›āđƒāļŠāđƒāļ™āļāļēāļĢāļ§āđ€āļ„āļĢāļēāļ°āļŦāļŦāļĢāļ­āļ— āļēāļ™āļēāļĒāļ›āļĢāļēāļāļāļāļēāļĢāļ“āļ•āļēāļ‡āđ† āđ‚āļ”āļĒāđ€āļ—āļ„āļ™āļ„āļ™āđƒāļŠāļāļ™āļ­āļĒāļēāļ‡āđāļžāļĢāļŦāļĨāļēāļĒ

āđƒāļ™āļāļēāļĢāļ‚āļēāļĒāļŠāļ™āļ„āļēāļŦāļĢāļ­āļāļēāļĢāļ§āđ€āļ„āļĢāļēāļ°āļŦāļ‚āļ­āļĄāļĨ

āļāļĪāļĐāļ“āļ° āđ„āļ§āļĒāļĄāļĒ, āļŠāļ”āļŠāļ™āļ āļŠāļ‡āļĻāļĢ, āđāļĨāļ°āļ˜āļ™āļēāļ§āļ™āļ— āļĢāļāļ˜āļĢāļĢāļĄāļēāļ™āļ™āļ— (2001) āđ„āļ”āļ™ āļēāđ€āļ—āļ„āļ™āļ„āļāļēāļĢāļŦāļē

āļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āļĄāļēāļ›āļĢāļ°āļĒāļāļ•āđƒāļŠāđƒāļ™āļāļēāļĢāļŠāļ§āļĒāļ— āļēāļ™āļēāļĒāđ€āļāļĢāļ”āļĢāļēāļĒāļ§āļŠāļēāļ•āļēāļ‡āđ†āđƒāļ™āļ āļēāļ„āđ€āļĢāļĒāļ™āļ•āļ­āđ„āļ› āļ‚āļ­āļ‡āļ™āļŠāļ•āļ„āļ“āļ°

āļ§āļĻāļ§āļāļĢāļĢāļĄāļĻāļēāļŠāļ•āļĢ āđ‚āļ”āļĒāļŦāļēāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āļ‚āļ­āļ‡āļœāļĨāļāļēāļĢāđ€āļĢāļĒāļ™āđƒāļ™āđāļ•āļĨāļ°āļ§āļŠāļēāļ—āļŠāļ‡āļœāļĨāļ•āļ­āļāļ™ āđ‚āļ”āļĒāđāļšāļšāļˆ āļēāļĨāļ­āļ‡

āļˆāļ°āļ— āļēāļ™āļēāļĒāđ‚āļ”āļĒāļ­āļēāļ‡āļ­āļ‡āļˆāļēāļāļ‚āļ­āļĄāļĨāđ€āļ”āļĄāļ‚āļ­āļ‡āļ™āļŠāļ•āļ—āđ€āļ„āļĒāđ€āļĢāļĒāļ™āļĄāļēāđāļĨāļ°āđ„āļ”āļœāļĨāļāļēāļĢāđ€āļĢāļĒāļ™āđ€āļŠāļ™āđ€āļ”āļĒāļ§āļāļšāļ™āļŠāļ•āļ„āļ™

āļ™āļ™

āļāļĪāļĐāļ“āļ° āđāļĨāļ°āļ˜āļĢāļ°āļ§āļ’āļ™ (2001) āđ„āļ”āđƒāļŠāđ€āļ—āļ„āļ™āļ„āļāļēāļĢāļ„āļ™āļŦāļēāļāļŽāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āđāļĨāļ°āđ€āļ—āļ„āļ™āļ„āļāļēāļĢ

āļˆ āļēāđāļ™āļāļ›āļĢāļ°āđ€āļ āļ—āļ‚āļ­āļĄāļĨ (Data Classification) āļĄāļēāļ›āļĢāļ°āļĒāļāļ•āđƒāļŠāđ€āļžāļ­āļāļēāļĢāļˆāļ”āļŠāļĢāļĢāļāļŽāļŦāļĄāļēāļĒāļ—āđ€āļŦāļĄāļēāļ°āļŠāļĄāļāļš

āļāļēāļĢāļžāļˆāļēāļĢāļ“āļēāļ„āļ”āļ„āļ§āļēāļĄ āđ‚āļ”āļĒāļ™ āļēāđ€āļ—āļ„āļ™āļ„āļāļēāļĢāļˆ āļēāđāļ™āļāļ›āļĢāļ°āđ€āļ āļ—āļ‚āļ­āļĄāļĨāļĄāļēāļŠāļĢāļēāļ‡āļ•āļ§āļˆ āļēāđāļ™āļāļ‚āļ­āļĄāļĨāļˆāļēāļāļāļŽāđ€āļāļ“āļ‘

āļ—āđ„āļ”āļˆāļēāļāđ€āļ—āļ„āļ™āļ„āļāļēāļĢāļ„āļ™āļŦāļēāļāļŽāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜ āļ•āļ§āļˆ āļēāđāļ™āļāļ‚āļ­āļĄāļĨāļŠāļēāļĄāļēāļĢāļ–āļ™ āļēāđ„āļ›āđƒāļŠāļ— āļēāļ™āļēāļĒāļ„āļ”āļ„āļ§āļēāļĄāđāļ•āļĨāļ°

āļ„āļ”āļ§āļēāļ„āļ§āļĢāđƒāļŠāļāļŽāļŦāļĄāļēāļĒāļ‰āļšāļšāđƒāļ”āđƒāļ™āļāļēāļĢāļžāļˆāļēāļĢāļ“āļē āļœāļĨāļĨāļžāļ˜āļ—āđ„āļ”āļĄāļ„āļ§āļēāļĄāļŠāļēāļĄāļēāļĢāļ–āđƒāļ™āļāļēāļĢāļ— āļēāļ™āļēāļĒāļ—āļ”āļāļ§āļēāļāļēāļĢ

āđƒāļŠāļāļēāļĢāļˆ āļēāđāļ™āļāļ›āļĢāļ°āđ€āļ āļ—āļ‚āļ­āļĄāļĨ āļ‹āļ‡āļ­āļĒāđƒāļ™āļĢāļ›āļ‚āļ­āļ‡āļ•āļ™āđ„āļĄāļāļēāļĢāļ•āļ”āļŠāļ™āđƒāļˆ

āđ„āļŠāļĒāļĒāļĻ āđāļĨāļ°āļŠāļĄāļŠāļēāļĒ (2011) āļ™ āļēāđ€āļ—āļ„āļ™āļ„āļāļēāļĢāļ— āļēāđ€āļŦāļĄāļ­āļ‡āļ‚āļ­āļĄāļĨāļĄāļēāđƒāļŠāđ€āļžāļ­āļĻāļāļĐāļēāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āļ‚āļ­āļ‡āļ™āļāļāļ­āļĨāļŸāļ—āļĄāļēāđƒāļŠāļšāļĢāļāļēāļĢāđ‚āļ”āļĒāđƒāļŠāļ­āļĨāļāļ­āļĢāļ—āļĄāļ­āļžāļĢāđ‚āļ­āļĢāđƒāļ™āļāļēāļĢāļŠāļĢāļēāļ‡āļāļŽāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜ āļˆāļēāļāļ™āļ™āļ™ āļēāđ„āļ›āļ§āđ€āļ„āļĢāļēāļ°āļŦāļāļēāļĢāļ–āļ”āļ–āļ­āļĒ (Regression Analysis) āļ‹āļ‡āļ–āļāđƒāļŠāđ€āļ›āļ™āđāļ™āļ§āļ—āļēāļ‡ āđ€āļžāļ­āļāļēāļĢāļžāļĒāļēāļāļĢāļ“āļāļēāļĢāļˆāļ”āļŠāļĢāļĢāļ‡āļšāļ›āļĢāļ°āļĄāļēāļ“āļĢāļēāļĒāļˆāļēāļĒāļ›āļĢāļ°āļˆ āļēāļ› āļāļēāļĢāļˆāļ”āđƒāļŠāļ—āļĢāļžāļĒāļēāļāļĢāļ•āļēāļ‡āđ†āļ‚āļ­āļ‡āļŠāļ™āļēāļĄāđƒāļ™āļ›āļ•āļ­āđ„āļ›

āļ§āļēāļ—āļ™ āļ™āļĒāđ€āļžāļĒāļĢ āđāļĨāļ°āļ„āļ“āļ° (2009) āļ™ āļēāđ€āļŠāļ™āļ­āļāļēāļĢāđ€āļ›āļĢāļĒāļšāđ€āļ—āļĒāļšāļ­āļĨāļāļ­āļĢāļ—āļĄāļāļēāļĢāļˆāļ”āļāļĨāļĄāļ‚āļ­āļĄāļĨ āđ‚āļ”āļĒ

āđƒāļŠāļ‚āļ­āļĄāļĨāļ›āļĢāļĄāļēāļ“āđ‚āļ­āđ‚āļ‹āļ™āļˆāļēāļāļāļēāļĢāļ•āļĢāļ§āļˆāļ§āļ”āļ›āļĢāļ°āļˆ āļēāļ§āļ™ āļ‹āļ‡āđ€āļ›āļ™āļ•āļ§āđāļ›āļĢāđ€āļŠāļ‡āļ›āļĢāļĄāļēāļ“āđāļšāļšāļ­āļ•āļĢāļēāļŠāļ§āļ™ āļĄāļ„āļē

āļ•āļ­āđ€āļ™āļ­āļ‡āđāļĨāļ°āļ— āļēāļāļēāļĢāļ„āļ”āđ€āļĨāļ­āļāļ‚āļ­āļĄāļĨ āđāļšāļš CfsSubsetEval āļˆ āļēāļ™āļ§āļ™ 6 āđāļ­āļ—āļ—āļĢāļšāļ§āļ• āđāļĨāļ°āļžāļˆāļēāļĢāļ“āļēāļˆāļēāļ

āļœāļ§āļˆāļĒāļˆ āļēāļ™āļ§āļ™ 24 āđāļ­āļ—āļ—āļĢāļšāļ§āļ• āļœāļĨāļ›āļĢāļēāļāļāļ§āļēāļ­āļĨāļāļ­āļĢāļ—āļĄāđ€āļ„āļĄāļ™ āđāļĨāļ° XMeans āđ€āļ›āļ™āđāļšāļšāļˆ āļēāļĨāļ­āļ‡āļ—āđƒāļŦāļœāļĨ

āļĨāļžāļ˜āļ”āļ—āļŠāļ” āđ€āļĄāļ­āđ€āļ—āļĒāļšāļāļšāļˆ āļēāļ™āļ§āļ™āļāļĨāļĄāļ‚āļ­āļ‡āļ‚āļ­āļĄāļĨāļˆāļĢāļ‡

Page 28: SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

18

āđ€āļŠāļēāļ§āļ“āļĒ āđ„āļ—āļĒāļĢāļ‡āđ‚āļĢāļˆāļ™ āđāļĨāļ° āļ™āļēāļĒāļ§āļēāļ—āļ•āļĢ āļĢāļāļĐāļ˜āļĢāļĢāļĄ (2549) āđ„āļ”āļ™ āļēāđ€āļŠāļ™āļ­āļāļēāļĢāļ§āđ€āļ„āļĢāļēāļ°āļŦ āđāļĨāļ°āļĻāļāļĐāļēāļžāļĪāļ•āļāļĢāļĢāļĄāļāļēāļĢāļšāļĢāđ‚āļ āļ„āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āđ„āļ—āļĒ āđ‚āļ”āļĒāđƒāļŠāļ‚āļ­āļĄāļĨāļāļēāļĢāļŠ āļēāļĢāļ§āļˆāļ āļēāļ§āļ°āđ€āļĻāļĢāļĐāļāļāļˆāđāļĨāļ°āļŠāļ‡āļ„āļĄāļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ āļž.āļĻ. 2547 āļ‹āļ‡āļˆāļ”āļ— āļēāđ‚āļ”āļĒāļŠ āļēāļ™āļāļ‡āļēāļ™āļŠāļ–āļ•āđāļŦāļ‡āļŠāļēāļ• āļžāļšāļ§āļēāļ„āļĢāļ§āđ€āļĢāļ­āļ™āđ„āļ—āļĒāļĄāļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļžāļĄāļ‚āļ™āđ€āļ‰āļĨāļĒāļĢāļ­āļĒāļĨāļ° 5.4 āļ•āļ­āļ› āđāļ•āļžāļĪāļ•āļāļĢāļĢāļĄāļāļēāļĢāļšāļĢāđ‚āļ āļ„āđ€āļĄāļ­āļžāļˆāļēāļĢāļ“āļēāļˆāļēāļāļŠāļ”āļŠāļ§āļ™āļ„āļēāđƒāļŠāļˆāļēāļĒāļžāļšāļ§āļēāđ„āļĄāļĄāļāļēāļĢāđ€āļ›āļĨāļĒāļ™āđāļ›āļĨāļ‡āļĄāļēāļ āļ„āļēāđƒāļŠāļˆāļēāļĒāļ”āļēāļ™āļ­āļēāļŦāļēāļĢāđ€āļ„āļĢāļ­āļ‡āļ”āļĄāļĒāļ‡āļ„āļ‡āļĄāļŠāļ”āļŠāļ§āļ™āļŠāļ‡āļŠāļ” āđāļ•āļĨāļ”āļĨāļ‡āđ€āļĄāļ­āđ€āļ—āļĒāļšāļāļšāļ› āļž.āļĻ. 2545 āļ‚āļ“āļ°āļ—āļŠāļ”āļŠāļ§āļ™āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļāļĒāļ§āļāļšāļĒāļēāļ™āļžāļēāļŦāļ™āļ°āđāļĨāļ°āļ„āļēāļšāļĢāļāļēāļĢāļŠāļ­āļŠāļēāļĢāļĄāļ„āļ§āļēāļĄāļŠ āļēāļ„āļāđ€āļ›āļ™āļĨ āļēāļ”āļšāļ—āļŠāļ­āļ‡ āļ™āļ­āļāļˆāļēāļāļ™āļ™āļĄāļ„āļēāđƒāļŠāļˆāļēāļĒāļāļēāļĢāļšāļĢāđ‚āļ āļ„āđ€āļ„āļĢāļ­āļ‡āļ”āļĄāđāļ­āļĨāļāļ­āļŪāļ­āļĨāļĄāļŠāļ”āļŠāļ§āļ™āđ€āļžāļĄāļ‚āļ™ āļŠāļ§āļ™āļ„āļēāđƒāļŠāļˆāļēāļĒāļ”āļēāļ™āļāļēāļĢāļĻāļāļĐāļēāđāļĨāļ°āļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨāļĄāļŠāļ”āļŠāļ§āļ™āļĨāļ”āļĨāļ‡

Barth āđāļĨāļ°āļ„āļ“āļ° (2003) āļĻāļāļĐāļēāđ€āļ›āļĢāļĒāļšāđ€āļ—āļĒāļšāļ§āļ˜āļāļēāļĢāļˆāļ”āļāļĨāļĄāļ‚āļ­āļĄāļĨāđ‚āļ”āļĒāđƒāļŠ 8 āļ§āļ˜āļāļēāļĢ

āļ›āļĢāļ°āļāļ­āļšāļ”āļ§āļĒāđ€āļ„āļĄāļ™āļ­āļĨāļāļ­āļĢāļ—āļĄ, āđāļœāļ™āļœāļ‡āļāļēāļĢāļˆāļ”āļĢāļ°āđ€āļšāļĒāļšāļ•āļ™āđ€āļ­āļ‡ (Self-Organizing Maps), Neural Gas,

Hardel, C-Means, Maximin, CLARA āđāļĨāļ° Ufel āđ‚āļ”āļĒāđƒāļŠāļ‚āļ­āļĄāļĨāļˆāļēāļāļāļēāļĢāļˆ āļēāļĨāļ­āļ‡āđāļĨāļ°āļ‚āļ­āļĄāļĨāļˆāļĢāļ‡ āļāļēāļĢāļ§āļ”

āļ›āļĢāļ°āļŠāļ—āļ˜āļ āļēāļžāđƒāļŠ Weighted Jaccard (WJC) āđāļĨāļ° Correlation Coefficient (CC) āļœāļĨāļāļēāļĢāļ—āļ”āļĨāļ­āļ‡āļžāļšāļ§āļē

āđ€āļ„āļĄāļ™āļ­āļĨāļāļ­āļĢāļ—āļĄ āđāļĨāļ° Neural Gas āđ€āļ›āļ™āļ§āļ˜āļ—āļ”āļ—āļŠāļ” āđ€āļ™āļ­āļ‡āļˆāļēāļāđƒāļŦāļ„āļē WJC āđāļĨāļ° CC āļŠāļ‡āļŠāļ”

Forman āđāļĨāļ° Zhang (2000) āļĻāļāļĐāļēāđāļĨāļ°āđ€āļ›āļĢāļĒāļšāđ€āļ—āļĒāļšāļ›āļĢāļ°āļŠāļ—āļ˜āļ āļēāļžāļˆāļ”āļāļĨāļĄāļ‚āļ­āļĄāļĨāļ‚āļ­āļ‡

āļ­āļĨāļāļ­āļĢāļ—āļĄāđ€āļ„āļĄāļ™, K-Harmonic Means Algorithm āđāļĨāļ° Expectation-Maximization Algorithm āļœāļĨ

āļāļēāļĢāļ—āļ”āļŠāļ­āļšāļžāļšāļ§āļēāļ‚āļ™āļ•āļ­āļ™āļ§āļ˜āļāļēāļĢāļˆāļ”āļāļĨāļĄāļ‚āļ­āļĄāļĨāđ‚āļ”āļĒāđƒāļŠāļ­āļĨāļāļ­āļĢāļ—āļĄāđ€āļ„āļĄāļ™āļĄāļ›āļĢāļ°āļŠāļ—āļ˜āļ āļēāļžāđƒāļ™āļāļēāļĢāļˆāļ”āļāļĨāļĄ

āļ”āļāļ§āļē K-Harmonic Means Algorithm āļ­āļĒ 6 āđ€āļ—āļē āđāļĨāļ°āļ”āļāļ§āļē Expectation-Maximization Algorithm

āļ–āļ‡ 200 āđ€āļ—āļē

Halkidi āđāļĨāļ°āļ„āļ“āļ° (2001) āļĻāļāļĐāļēāļāļĢāļ°āļšāļ§āļ™āļāļēāļĢāđƒāļ™āļāļēāļĢāļˆāļ”āļāļĨāļĄ āļŦāļĨāļāļāļēāļĢāļžāļ™āļāļēāļ™āļ‚āļ­āļ‡āļāļēāļĢāļˆāļ”

āļāļĨāļĄ āļĢāļ§āļĄāļ–āļ‡āļ§āļ˜āđƒāļ™āļāļēāļĢāļ§āļ”āļ›āļĢāļ°āļŠāļ—āļ˜āļ āļēāļž āđ‚āļ”āļĒāļ— āļēāļāļēāļĢāđ€āļ›āļĢāļĒāļšāđ€āļ—āļĒāļšāļ§āļ˜āđƒāļ™āļāļēāļĢāļ§āļ”āļ›āļĢāļ°āļŠāļ—āļ˜āļ āļēāļž āđ€āļžāļ­āļŦāļē

āļˆ āļēāļ™āļ§āļ™āļāļĨāļĄāļ—āđ€āļŦāļĄāļēāļ°āļŠāļĄ āļ›āļĢāļ°āļāļ­āļšāļ”āļ§āļĒ DB Index, RMSSTD, RS āđāļĨāļ° SD Validity Index āđƒāļŠāļ‚āļ­āļĄāļĨ

āļ—āļ”āļŠāļ­āļš 5 āļŠāļ” āđ‚āļ”āļĒāļ—āļĄ 4 āļŠāļ”āđ€āļ›āļ™āļ‚āļ­āļĄāļĨāļ‚āļ­āļ‡āļ‚āļ­āļĄāļĨāļĄāļēāļ•āļĢāļāļēāļ™ āļŠāļ§āļ™āļ­āļ 1 āļŠāļ”āđ€āļ›āļ™āļ‚āļ­āļĄāļĨāļˆāļĢāļ‡ āļˆāļēāļāļœāļĨāļāļēāļĢ

āļ—āļ”āļĨāļ­āļ‡āļžāļšāļ§āļē SD Validity Index āļŠāļēāļĄāļēāļĢāļ–āđƒāļŦāļœāļĨāļ–āļāļ•āļ­āļ‡āļ–āļ‡ 3 āđƒāļ™ 5 āļ‚āļ­āļ‡āļ‚āļ­āļĄāļĨāļ—āļ”āļŠāļ­āļš

Pakhira āđāļĨāļ°āļ„āļ“āļ° (2004) āļ™ āļēāđ€āļŠāļ™āļ­āļ§āļ˜āđƒāļ™āļāļēāļĢāļ§āļ”āļ›āļĢāļ°āļŠāļ—āļ˜āļ āļēāļžāļ—āļŠāļ­āļ§āļē PBM-Index āđ‚āļ”āļĒāļ— āļē

āļāļēāļĢāđ€āļ›āļĢāļĒāļšāđ€āļ—āļĒāļšāļāļšāļ§āļ˜ DB Index, XB-Index, Dunn’s Index āđƒāļŠāļ‚āļ­āļĄāļĨāļ—āļ”āļŠāļ­āļš 8 āļŠāļ”āļ‹āļ‡āđ€āļ›āļ™āļ‚āļ­āļĄāļĨ

āļĄāļēāļ•āļĢāļāļēāļ™āļ—āļĢāļˆ āļēāļ™āļ§āļ™āļāļĨāļĄāđāļĨāļ§āļˆāļēāļāļœāļĨāļāļēāļĢāļ—āļ”āļĨāļ­āļ‡āļžāļšāļ§āļēāļ§āļ˜āļ—āļ™ āļēāđ€āļŠāļ™āļ­āļ„āļ­ PBM-Index āļŠāļēāļĄāļēāļĢāļ–āļŦāļē

āļˆ āļēāļ™āļ§āļ™āļāļĨāļĄāļ—āđ€āļŦāļĄāļēāļ°āļŠāļĄāđ„āļ”āļ–āļāļ•āļ­āļ‡āļ—āļ‡āļŦāļĄāļ”

Page 29: SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

19

Wiwattanacharoenchai āđāļĨāļ° Srivihok (2003) āļ™ āļēāđ€āļ—āļ„āļ™āļ„āļāļēāļĢāļ— āļēāđ€āļŦāļĄāļ­āļ‡āļ‚āļ­āļĄāļĨāđ„āļ›āđƒāļŠāđƒāļ™āļāļēāļĢāļˆāļ”

āļāļĨāļĄāļ‚āļ­āļĄāļĨāļĨāļāļ„āļēāļ—āđƒāļŠāļ‡āļēāļ™āļ­āļ™āđ€āļ—āļ­āļĢāđ€āļ™āļ•āđāļšāļ‡āļāļāļ‡ āđāļĨāļ°āļ— āļēāļāļēāļĢāđ€āļ›āļĢāļĒāļšāđ€āļ—āļĒāļšāļ­āļĨāļāļ­āļĢāļ—āļĄāļ—āđƒāļŠāđƒāļ™āļāļēāļĢāļˆāļ”āļāļĨāļĄ

āļĢāļ°āļŦāļ§āļēāļ‡āļ‚āļ™āļ•āļ­āļ™āļ§āļ˜āļāļēāļĢāļˆāļ”āļāļĨāļĄāļ‚āļ­āļĄāļĨāļ­āļĨāļāļ­āļĢāļ—āļĄāđ€āļ„āļĄāļ™ āđāļĨāļ°āđ‚āļ„āļĢāļ‡āļ‚āļēāļĒāļ›āļĢāļ°āļŠāļēāļ—āđ€āļ—āļĒāļĄ (Artificial

Neural Network) āļžāļšāļ§āļēāļ‚āļ™āļ•āļ­āļ™āļ§āļ˜āļāļēāļĢāļˆāļ”āļāļĨāļĄāļ‚āļ­āļĄāļĨāđ‚āļ”āļĒāļ­āļĨāļāļ­āļĢāļ—āļĄāđ€āļ„āļĄāļ™ āļŠāļēāļĄāļēāļĢāļ–āļˆāļ”āļāļĨāļĄāđ„āļ”āļ”āļāļ§āļē

āđ€āļĄāļ­āļĄāļˆ āļēāļ™āļ§āļ™āļ‚āļ­āļĄāļĨāļĄāļēāļ āļŠāļ§āļ™āđ‚āļ„āļĢāļ‡āļ‚āļēāļĒāļ›āļĢāļ°āļŠāļēāļ—āđ€āļ—āļĒāļĄāļˆāļ°āļŠāļēāļĄāļēāļĢāļ–āļˆāļ”āļāļĨāļĄāđ„āļ”āļ”āļāļ§āļēāđ€āļĄāļ­āļ‚āļ­āļĄāļĨāļĄāļˆ āļēāļ™āļ§āļ™

āļ™āļ­āļĒ

Page 30: SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

20

āļšāļ—āļ— 3

āļ§āļ˜āļāļģāļĢāļ” āļģāđ€āļ™āļ™āļāļģāļĢāļ§āļˆāļĒ 3.1 āđ€āļ„āļĢāļ­āļ‡āļĄāļ­āđāļĨāļ°āļ­āļ›āļāļĢāļ“

1. āļŪāļēāļĢāļ”āđāļ§āļĢ - āļ„āļ­āļĄāļžāļ§āđ€āļ•āļ­āļĢāļŠāļ§āļ™āļšāļ„āļ„āļĨ CPU Intel Pentium 4 2.93GHz, 256 DDR SDRAM, HD

40 GB 2. āļ‹āļ­āļŸāļ•āđāļ§āļĢ

- MATLAB version 7.11.0.0 āļŠ āļēāļŦāļĢāļšāļāļēāļĢāļˆāļ”āļāļĨāļĄāđ‚āļ”āļĒāļ­āļĨāļāļ­āļĢāļ—āļĄāđ€āļ„āļĄāļ™ āđāļĨāļ°āđƒāļŠ

āļŠ āļēāļŦāļĢāļšāļ•āļ§āļ§āļ”āļ›āļĢāļ°āļŠāļ—āļ˜āļ āļēāļžāļ‚āļ­āļ‡āļāļēāļĢāļˆāļ”āļāļĨāļĄ āļ„āļ­ DB Index, PBM-Index āđāļĨāļ° SD

Validity Index

- Weka version 3.6.2 āļŠ āļēāļŦāļĢāļšāļ§āđ€āļ„āļĢāļēāļ°āļŦāļŦāļēāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜ āđ‚āļ”āļĒāđƒāļŠāļāļŽāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜

3. āļĢāļ°āļšāļšāļāļēāļ™āļ‚āļ­āļĄāļĨ

- MySQL version 5.0.45 āļŠ āļēāļŦāļĢāļšāļˆāļ”āđ€āļāļšāļ‚āļ­āļĄāļĨāļĨāļ‡āļāļēāļ™āļ‚āļ­āļĄāļĨ 4. āļĢāļ°āļšāļšāļ›āļāļšāļ•āļāļēāļĢ

- Microsoft Window 7

3.2 āļ‚āļ­āļĄāļĨāļŠ āļģāļŦāļĢāļšāļ— āļģāļāļģāļĢāļ§āļˆāļĒ (Data set)

āļ‚āļ­āļĄāļĨāļŠ āļēāļŦāļĢāļšāļ— āļēāļāļēāļĢāļ§āļˆāļĒāļ™āļ„āļ­āļ‚āļ­āļĄāļĨāļāļēāļĢāļŠ āļēāļĢāļ§āļˆāļ āļēāļ§āļ°āđ€āļĻāļĢāļĐāļāļāļˆāđāļĨāļ°āļŠāļ‡āļ„āļĄāļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ (Household Socio-Economic Survey) āļ‹āļ‡āđ„āļ”āļˆāļ”āļ— āļēāļāļēāļĢāļŠ āļēāļĢāļ§āļˆāļ āļēāļ§āļ°āđ€āļĻāļĢāļĐāļāļāļˆ āđāļĨāļ°āļŠāļ‡āļ„āļĄāļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ› āļž.āļĻ. 2552 āđ€āļžāļ­āđ€āļāļšāļĢāļ§āļšāļĢāļ§āļĄāļ‚āļ­āļĄāļĨāđ€āļāļĒāļ§āļāļšāļĢāļēāļĒāđ„āļ” āļ„āļēāđƒāļŠāļˆāļēāļĒ āļ āļēāļ§āļ°āļŦāļ™āļŠāļ™ āđāļĨāļ°āļ—āļĢāļžāļĒāļŠāļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ āļ•āļĨāļ­āļ”āļˆāļ™āļĨāļāļĐāļ“āļ°āļ—āļ­āļĒāļ­āļēāļĻāļĒ āđ‚āļ”āļĒāļ— āļēāļāļēāļĢāđ€āļāļšāļĢāļ§āļšāļĢāļ§āļĄāļ‚āļ­āļĄāļĨāļ—āļāđ€āļ”āļ­āļ™ (āļĄāļāļĢāļēāļ„āļĄ - āļ˜āļ™āļ§āļēāļ„āļĄ āļž.āļĻ. 2552) āļˆāļēāļāļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ•āļ§āļ­āļĒāļēāļ‡āđƒāļ™āļ—āļāļˆāļ‡āļŦāļ§āļ”āļ—āļ‡āđƒāļ™āđ€āļ‚āļ•āđāļĨāļ°āļ™āļ­āļāđ€āļ‚āļ•āđ€āļ—āļĻāļšāļēāļĨ

Page 31: SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

21

āļ•āļģāļĢāļģāļ‡āļ— 3.1 āļ•āļ§āļ­āļĒāļēāļ‡āļ‚āļ­āļĄāļĨāļāļēāļĢāļŠ āļēāļĢāļ§āļˆāļ āļēāļ§āļ°āđ€āļĻāļĢāļĐāļāļāļˆāļŠāļ‡āļ„āļĄāļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™

Reg Area Month Number of Earners Socio-Economic Class Household Size Total Monthly Expenditures

1 1 3 2 22 6 28,907

1 1 3 2 60 4 36,292

1 1 3 3 21 3 40,942 1 1 3 1 21 1 18,903

1 1 3 3 21 4 48,847

1 1 3 3 22 5 18,404

1 1 3 0 71 1 11,890 1 1 3 1 21 2 37,364

1 1 3 1 50 3 18,306

1 1 3 3 60 4 20,769

1 1 5 2 32 3 30,758 1 1 5 3 22 3 36,007

1 1 5 0 71 1 8,741

Page 32: SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

22

3.3 āļ‚āļ™āļ•āļ­āļ™āļāļģāļĢāļ—āļ”āļĨāļ­āļ‡

āļ‚āļ™āļ•āļ­āļ™āļāļēāļĢāļ—āļ”āļĨāļ­āļ‡āđƒāļ™āļ‡āļēāļ™āļ§āļˆāļĒāļ™āđƒāļŠāđ€āļ—āļ„āļ™āļ„āļ‚āļ­āļ‡āļāļēāļĢāļ— āļēāđ€āļŦāļĄāļ­āļ‡āļ‚āļ­āļĄāļĨāđ‚āļ”āļĒāđƒāļŠāļ­āļĨāļāļ­āļĢāļ—āļĄāđ€āļ„āļĄāļ™ āđƒāļ™

āļāļēāļĢāļˆāļ”āļāļĨāļĄāļ‚āļ­āļĄāļĨāļ—āļĄāļĨāļāļĐāļ“āļ°āđƒāļāļĨāđ€āļ„āļĒāļ‡āļāļ™āđƒāļŦāļ­āļĒāđƒāļ™āļāļĨāļĄāđ€āļ”āļĒāļ§āļāļ™ āļˆāļēāļāļ™āļ™āļˆāļ°āđƒāļŠāļāļŽāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āđƒāļ™āļāļēāļĢāļŦāļē

āļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āļ‚āļ­āļ‡āļ‚āļ­āļĄāļĨāđƒāļ™āđāļ•āļĨāļ°āļāļĨāļĄ āđ€āļžāļ­āļ™ āļēāđ„āļ›āđƒāļŠāđƒāļ™āļāļēāļĢāļŦāļēāļ›āļˆāļˆāļĒāļ—āļĄāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āļāļ™āļ•āļ­āđ„āļ›

āļĢāļ›āļ— 3.1 āđāļŠāļ”āļ‡āļ āļēāļžāđ‚āļ„āļĢāļ‡āļŠāļĢāļēāļ‡āļāļēāļĢāļ— āļēāļ‡āļēāļ™āļ‚āļ­āļ‡āļ‡āļēāļ™āļ§āļˆāļĒ

3. Data Preprocessing

Cluster by using K-Means

Algorithm

SES

SD validity Index,

PBM and DB index

Measurement 4.1 Clustering Method

4.2 Association Rule

1. Business Understanding

2. Data Understanding

5. Evaluation

6. Deployment

4. Modeling

Page 33: SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

23

1. āļāļēāļĢāļ— āļēāļ„āļ§āļēāļĄāđ€āļ‚āļēāđƒāļˆāļ˜āļĢāļāļˆ (Business Understanding) āļ›āļˆāļˆāļšāļ™āļ™āļŠāļ āļēāļžāđ€āļĻāļĢāļĐāļāļāļˆāļ‚āļ­āļ‡āļ›āļĢāļ°āđ€āļ—āļĻāđ„āļ—āļĒāļ­āļĒāđƒāļ™āļŠāļ āļēāļ§āļ°āļ—āļĄāļāļēāļĢāđāļ‚āļ‡āļ‚āļ™āļŠāļ‡ āļ‹āļ‡āļĄāļœāļĨāļāļĢāļ°āļ—āļš

āļ•āļ­āļŠāļ§āļ•āļ„āļ§āļēāļĄāđ€āļ›āļ™āļ­āļĒāļ‚āļ­āļ‡āļ›āļĢāļ°āļŠāļēāļāļĢ āļāļēāļĢāđƒāļŠāļˆāļēāļĒāđ€āļ›āļ™āļ›āļˆāļˆāļĒāļŦāļ™āļ‡āļ—āļĄāļœāļĨāļ•āļ­āļāļēāļĢāļ” āļēāļĢāļ‡āļŠāļ§āļ•āļ‚āļ­āļ‡āļ›āļĢāļ°āļŠāļēāļāļĢ āđƒāļ™

āļ‡āļēāļ™āļ§āļˆāļĒāļ™āļˆāļ°āļ— āļēāļāļēāļĢāļĢāļ§āļšāļĢāļ§āļĄāļ‚āļ­āļĄāļĨāđ€āļžāļ­āļˆāļ”āļāļĨāļĄāļ‚āļ­āļĄāļĨāļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ‚āļ­āļ‡āļ›āļĢāļ°āļŠāļēāļāļĢ āđāļĨāļ°āļŦāļēāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āļ‚āļ­āļ‡

āļ‚āļ­āļĄāļĨāđ€āļžāļ­āļŦāļēāļ›āļˆāļˆāļĒāļ—āļĄāļœāļĨāļ•āļ­āļāļēāļĢāđƒāļŠāļˆāļēāļĒāļ‚āļ­āļ‡āļ›āļĢāļ°āļŠāļēāļāļĢāđƒāļ™āļ›āļĢāļ°āđ€āļ—āļĻāđ„āļ—āļĒ

2. āļāļēāļĢāļ— āļēāļ„āļ§āļēāļĄāđ€āļ‚āļēāđƒāļˆāļ‚āļ­āļĄāļĨ (Data Understanding) āļ„āļ“āļ°āļœāļ§āļˆāļĒāļ— āļēāļāļēāļĢāļĻāļāļĐāļēāđāļĨāļ°āļ— āļēāļ„āļ§āļēāļĄāđ€āļ‚āļēāđƒāļˆāļ‚āļ­āļĄāļĨāļ—āđ„āļ”āļ— āļēāļāļēāļĢāļˆāļ”āđ€āļāļšāļ‚āļ­āļĄāļĨāļ āļēāļ§āļ°āđ€āļĻāļĢāļĐāļāļāļˆ

āđāļĨāļ°āļŠāļ‡āļ„āļĄāļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ āđ€āļŠāļ™ āļŠāļ­āļ•āļ§āđāļ›āļĢ āļ„āļēāļ—āļˆāļ”āđ€āļāļš āļ„āļ§āļēāļĄāļŦāļĄāļēāļĒ āđāļĨāļ°āļŠāļ™āļ”āļ‚āļ­āļ‡āļ‚āļ­āļĄāļĨ āđ€āļ›āļ™āļ•āļ™

3. āļāļēāļĢāđ€āļ•āļĢāļĒāļĄāļ‚āļ­āļĄāļĨ (Data Preprocessing)

āļ‚āļ™āļ•āļ­āļ™āļ™āļˆāļ°āļ— āļēāļāļēāļĢāļĢāļ§āļšāļĢāļ§āļĄāļ‚āļ­āļĄāļĨāļāļēāļĢāļŠ āļēāļĢāļ§āļˆāļ āļēāļ§āļ°āđ€āļĻāļĢāļĐāļāļāļˆāđāļĨāļ°āļŠāļ‡āļ„āļĄāļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ āđƒāļ™

āļĢāļ°āļĒāļ°āđ€āļ§āļĨāļē 1 āļ› (āļž.āļĻ. 2552) āļĄāļēāļˆāļ”āđ€āļāļšāļĨāļ‡āļāļēāļ™āļ‚āļ­āļĄāļĨ MySQL āđāļĨāļ°āļ— āļēāļāļēāļĢāļ„āļ”āđ€āļĨāļ­āļāļ‚āļ­āļĄāļĨāļ—āļ•āļ­āļ‡āļāļēāļĢāļ™ āļēāļĄāļēāđƒāļŠ

āļ›āļĢāļ°āđ‚āļĒāļŠāļ™ āļˆāļēāļāļ™āļ™āļˆāļ°āļ— āļēāļāļēāļĢāļ— āļēāļ„āļ§āļēāļĄāļŠāļ°āļ­āļēāļ”āļ‚āļ­āļĄāļĨ āļ— āļēāļāļēāļĢāļ•āļ”āļ‚āļ­āļĄāļĨāļ—āđ„āļĄāļ„āļĢāļšāļ–āļ§āļ™āļ—āļ‡ āđāļĨāļ°āđāļ›āļĨāļ‡āļ‚āļ­āļĄāļĨāđƒāļŦ

āļ­āļĒāđƒāļ™āļĢāļ›āļ—āļŠāļēāļĄāļēāļĢāļ–āļ™ āļēāđ„āļ›āđƒāļŠāļ›āļĢāļ°āļĄāļ§āļĨāļœāļĨāđ„āļ” āļ‹āļ‡āđƒāļ™āļ‚āļ™āļ•āļ­āļ™āļ™āļ•āļ­āļ‡āļ— āļēāļāļēāļĢāđāļ›āļĨāļ‡āļ‚āļ­āļĄāļĨāļ—āļˆāļ°āļ™ āļēāđ„āļ›āđƒāļŠāđƒāļŦāļ­āļĒ

āđƒāļ™āļĢāļ›āļ„āļ°āđāļ™āļ™āļĄāļēāļ•āļĢāļāļēāļ™ (Standard Scores) āđ€āļžāļ­āļ•āļĢāļ§āļˆāļŠāļ­āļšāļ„āļēāļœāļ”āļ›āļāļ•āļ‚āļ­āļ‡āļ‚āļ­āļĄāļĨ (Outliers)

āļ„āļēāļœāļ”āļ›āļāļ• āļ„āļ­āļ‚āļ­āļĄāļĨāļ—āļĄāļ„āļēāđāļ•āļāļ•āļēāļ‡āļˆāļēāļāļāļĨāļĄ āđ€āļŠāļ™ āļ‚āļ­āļĄāļĨāļ­āļēāļĒāļ‚āļ­āļ‡āļ„āļ™āļ„āļ­ 250 āļ› āđ€āļ‡āļ™āđ€āļ”āļ­āļ™āđ€āļ‰āļĨāļĒāļ„āļ­ 3,000,000 āļšāļēāļ— āļ„āļēāđƒāļŠāļˆāļēāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ„āļ­ 5,400,000 āļšāļēāļ— āđ€āļ›āļ™āļ•āļ™ āļ‹āļ‡āļ„āļēāļœāļ”āļ›āļāļ•āļĄāđ‚āļ­āļāļēāļŠāđ€āļāļ”āļ‚āļ™āđ„āļ” 2 āļ›āļĢāļ°āļāļēāļĢāļ„āļ­ 1) āļāļēāļĢāļˆāļ”āļšāļ™āļ—āļāļŦāļĢāļ­āđ€āļāļšāļ‚āļ­āļĄāļĨāļĄāļ„āļ§āļēāļĄāļ„āļĨāļēāļ”āđ€āļ„āļĨāļ­āļ™ 2) āļāļĨāļĄāļ•āļ§āļ­āļĒāļēāļ‡āļ—āđ€āļāļšāļĢāļ§āļšāļĢāļ§āļĄāļ‚āļ­āļĄāļĨ āļĄāļ„āļ§āļēāļĄāđāļ•āļāļ•āļēāļ‡āđ„āļ›āļˆāļēāļāļāļĨāļĄāļ­āļ™āļˆāļĢāļ‡ āļ‹āļ‡āļāļēāļĢāđ€āļāļ”āļ„āļēāļœāļ”āļ›āļāļ•āļ›āļĢāļ°āļāļēāļĢāđāļĢāļāļ™āļ™ āļŠāļēāļĄāļēāļĢāļ–āđ€āļāļ”āļ‚āļ™āđ„āļ”āđ€āļŠāļĄāļ­ āļˆāļ‡āļ•āļ­āļ‡āļ— āļēāļāļēāļĢāļ•āļĢāļ§āļˆāļŠāļ­āļšāļ‚āļ­āļĄāļĨāđƒāļŦāļ–āļāļ•āļ­āļ‡āļāļ­āļ™āļ™ āļēāļ‚āļ­āļĄāļĨāđ„āļ›āđƒāļŠāđƒāļ™āļ‚āļ™āļ•āļ­āļ™āļ•āļ­āđ„āļ›āđ‚āļ”āļĒāđƒāļŠ āļ„āļ°āđāļ™āļ™āļĄāļēāļ•āļĢāļāļēāļ™āļ‹āļ‡āļŠāļēāļĄāļēāļĢāļ–āļ„ āļēāļ™āļ§āļ“āđ„āļ”āļ”āļ‡āļ™

āđ€āļĄāļ­ Zi āļ„āļ­ āļ„āļ°āđāļ™āļ™āļĄāļēāļ•āļĢāļāļēāļ™āļ‚āļ­āļ‡āļ•āļ§āđāļ›āļĢ Xi āļ„āļ­ āļ‚āļ­āļĄāļĨāļ”āļš

āļ„āļ­ āļ„āļēāđ€āļ‰āļĨāļĒāļ‚āļ­āļ‡āļ‚āļ­āļĄāļĨ S.D. āļ„āļ­ āļŠāļ§āļ™āđ€āļšāļĒāļ‡āđ€āļšāļ™āļĄāļēāļ•āļĢāļāļēāļ™

..DS

XXZ i

i

(16)

Page 34: SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

24

āļŦāļĨāļ‡āļˆāļēāļāļ āļēāļˆāļ”āļ‚āļ­āļĄāļĨāļ—āļĄāļ„āļēāļœāļ”āļ›āļāļ•āđāļĨāļ§ āļ‚āļ™āļ•āļ­āļ™āļ•āļ­āđ„āļ›āļˆāļ°āļ— āļēāļāļēāļĢāđāļ›āļĨāļ‡āļ‚āļ­āļĄāļĨāđ€āļžāļ­āđ€āļ›āļĨāļĒāļ™āļ„āļēāļ‚āļ­āļĄāļĨāđƒāļŦāļ­āļĒāđƒāļ™āļĢāļ›āļĄāļēāļ•āļĢāļāļēāļ™ (Data Normalization) āđ€āļžāļ­āļĨāļ”āļ„āļ§āļēāļĄāđ€āļŦāļĨāļ­āļĄāļĨ āļēāļ‚āļ­āļ‡āļ‚āļ­āļĄāļĨ āđāļĨāļ°āļ— āļēāđƒāļŦāļ‚āļ­āļĄāļĨāļ­āļĒāđƒāļ™āļŠāļ§āļ‡āđ€āļ”āļĒāļ§āļāļ™ āļœāļ§āļˆāļĒāđ€āļĨāļ­āļāđƒāļŠāļ§āļ˜ Min-Max Normalization āļ‹āļ‡āđ€āļ›āļ™āđ€āļ—āļ„āļ™āļ„āļ—āļ•āļ­āļ‡āļĢāļ„āļēāļŠāļ‡āļŠāļ”āđāļĨāļ°āļ„āļēāļ• āļēāļŠāļ”āļ‚āļ­āļ‡āļ‚āļ­āļĄāļĨ āđāļĨāļ°āļˆāļ°āļ— āļēāđƒāļŦāļ‚āļ­āļĄāļĨāļ—āđ„āļ”āļ™āļ™āļ­āļĒāđƒāļ™āļŠāļ§āļ‡āđƒāļŦāļĄāļ—āļ āļēāļŦāļ™āļ” āđ‚āļ”āļĒāļ›āļāļ•āđāļĨāļ§āļˆāļ°āļ āļēāļŦāļ™āļ”āđƒāļŦāļ­āļĒāđƒāļ™āļŠāļ§āļ‡ 0 āđāļĨāļ° 1

xxx

xx

x newnewnewv

vnew min_)min_max_.(minmax

min_

āđ€āļĄāļ­ v āļ„āļ­ āļ„āļēāļ‚āļ­āļ‡āļ‚āļ­āļĄāļĨ

minx āļ„āļ­ āļ„āļēāļ—āļ™āļ­āļĒāļ—āļŠāļ”āļ‚āļ­āļ‡āļŠāļ”āļ‚āļ­āļĄāļĨāđ€āļ”āļĄ

maxx āļ„āļ­ āļ„āļēāļ—āļĄāļēāļāļ—āļŠāļ”āļ‚āļ­āļ‡āļŠāļ”āļ‚āļ­āļĄāļĨāđ€āļ”āļĄ

new_minx āļ„āļ­ āļ„āļēāļ—āļ™āļ­āļĒāļ—āļŠāļ”āļŠāļ§āļ‡āļŠāļ”āļ‚āļ­āļĄāļĨāđƒāļŦāļĄ

new_maxx āļ„āļ­ āļ„āļēāļ—āļĄāļēāļāļ—āļŠāļ”āļŠāļ§āļ‡āļŠāļ”āļ‚āļ­āļĄāļĨāđƒāļŦāļĄ

āļŦāļĨāļ‡āļˆāļēāļāļ— āļēāļ„āļ§āļēāļĄāļŠāļ°āļ­āļēāļ”āđāļĨāļ°āđāļ›āļĨāļ‡āļ‚āļ­āļĄāļĨāđ€āļĢāļĒāļšāļĢāļ­āļĒāđāļĨāļ§āļˆāļ°āđ„āļ”āļ‚āļ­āļĄāļĨāļ—āļ™ āļēāļĄāļēāđƒāļŠāđƒāļ™āļ‡āļēāļ™āļ§āļˆāļĒāļ™

āļˆ āļēāļ™āļ§āļ™āļ—āļ‡āļŦāļĄāļ” 39,633 āļĢāļēāļĒāļāļēāļĢ

4. āļāļēāļĢāļžāļ’āļ™āļēāļ•āļ§āđāļšāļš (Modeling)

4.1 āļāļēāļĢāļˆāļ”āļāļĨāļĄāļ‚āļ­āļĄāļĨāđ‚āļ”āļĒāđƒāļŠāļ­āļĨāļāļ­āļĢāļ—āļĄāđ€āļ„āļĄāļ™ āļ‚āļ™āļ•āļ­āļ™āļ™āļˆāļ°āļ— āļēāļāļēāļĢāļˆāļ”āļāļĨāļĄāļ‚āļ­āļĄāļĨāđ‚āļ”āļĒāļœāļ§āļˆāļĒāđ„āļ”āđ€āļĨāļ­āļāđƒāļŠāđ€āļ—āļ„āļ™āļ„āļāļēāļĢāļˆāļ”āļāļĨāļĄāļ‚āļ­āļĄāļĨ

āļ­āļĨāļāļ­āļĢāļ—āļĄāđ€āļ„āļĄāļ™āđ€āļ‚āļēāļĄāļēāđƒāļŠāđƒāļ™āļāļēāļĢāļ—āļ”āļĨāļ­āļ‡ āđ€āļ™āļ­āļ‡āļˆāļēāļāļ­āļĨāļāļ­āļĢāļ—āļĄāđ€āļ„āļĄāļ™āđ€āļŦāļĄāļēāļ°āļŠ āļēāļŦāļĢāļšāļāļēāļĢāļˆāļ”āļāļĨāļĄāđ€āļĄāļ­āļĄāļ‚āļ­āļĄāļĨāļˆ āļēāļ™āļ§āļ™āļĄāļēāļ āđ€āļ›āļ™āļ­āļĨāļāļ­āļĢāļ—āļĄāļ—āļ‡āļēāļĒāļ•āļ­āļ„āļ§āļēāļĄāđ€āļ‚āļēāđƒāļˆ āđāļĨāļ°āđƒāļŠāđ€āļ§āļĨāļēāđƒāļ™āļāļēāļĢāļ›āļĢāļ°āļĄāļ§āļĨāļ‚āļ­āļĄāļĨāđ„āļĄāļĄāļēāļāļ™āļ āļ‚āļ™āļ•āļ­āļ™āđƒāļ™āļāļēāļĢāļ— āļēāļ‡āļēāļ™āļˆāļ°āļŦāļēāļˆ āļēāļ™āļ§āļ™āļāļĨāļĄāļ—āđ€āļŦāļĄāļēāļ°āļŠāļĄāđƒāļ™āļāļēāļĢāļˆāļ”āļāļĨāļĄāļ•āļ‡āđāļ• 2-10 āļāļĨāļĄ āđāļĨāļ°āļ— āļēāļāļēāļĢāļŦāļēāļˆ āļēāļ™āļ§āļ™āļāļĨāļĄāļ—āļ”āļ—āļŠāļ”āđ‚āļ”āļĒāđƒāļŠāļ„āļē SD Validity Index, PBM-Index āđāļĨāļ° DB index āđ€āļ›āļ™āļ•āļ§āļ•āļ”āļŠāļ™ āļˆāļēāļāļ™āļ™āļˆāļ‡āļ™ āļēāļˆ āļēāļ™āļ§āļ™āļāļĨāļĄāļ—āđ„āļ”āđ„āļ›āđ€āļ›āļ™āļ‚āļ­āļĄāļĨāļ™ āļēāđ€āļ‚āļēāđ€āļžāļ­āđƒāļŠāđƒāļ™āļāļēāļĢāļˆāļ”āļāļĨāļĄāļ‚āļ­āļĄāļĨāļ•āļ­āđ„āļ›

4.2 āļāļēāļĢāļŦāļēāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āđ‚āļ”āļĒāđƒāļŠāđ€āļ—āļ„āļ™āļ„āļāļŽāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜ āđƒāļ™āļ‚āļ™āļ•āļ­āļ™āļ™āļˆāļ°āļ™ āļēāļ‚āļ­āļĄāļĨāļ—āļœāļēāļ™āļāļēāļĢāļˆāļ”āļāļĨāļĄāđ‚āļ”āļĒāļ­āļĨāļāļ­āļĢāļ—āļĄāđ€āļ„āļĄāļ™ āļĄāļēāļ— āļēāļāļēāļĢāļŦāļēāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜

āđ‚āļ”āļĒāđƒāļŠāđ€āļ—āļ„āļ™āļ„āļāļŽāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āļ—āļŠāļ­āļ§āļēāļ­āļĨāļāļ­āļĢāļ—āļĄāļ­āļžāļĢāđ‚āļ­āļĢāđƒāļ™āđ‚āļ›āļĢāđāļāļĢāļĄ Weka āļ‹āļ‡āļāļŽāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āļ—āđ„āļ”

āļžāļˆāļēāļĢāļ“āļēāļˆāļēāļāļ„āļēāļŠāļ™āļšāļŠāļ™āļ™ āļ„āļēāļ„āļ§āļēāļĄāļĄāļ™āđƒāļˆ āđāļĨāļ°āļ„āļēāļŠāļŦāļŠāļĄāļžāļ™āļ˜ āļˆāļēāļāļ™āļ™āļ™ āļēāļ‚āļ­āļĄāļĨāļ—āđ„āļ”āđ„āļ›āļ§āđ€āļ„āļĢāļēāļ°āļŦāļŦāļē

(17)

Page 35: SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

25

āļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āļ‚āļ­āļ‡āļāļēāļĢāđƒāļŠāļˆāļēāļĒāļ‚āļ­āļ‡āļ›āļĢāļ°āļŠāļēāļāļĢāļ•āļ­āđ„āļ› āđāļĨāļ°āļāļ­āļ™āļ—āļˆāļ°āļ™ āļēāļ‚āļ­āļĄāļĨāđ€āļ‚āļēāļŠāđ‚āļ›āļĢāđāļāļĢāļĄ Weka āđ€āļžāļ­āđƒāļŠ

āđƒāļ™āļāļēāļĢāļŠāļĢāļēāļ‡āļāļŽāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜ āļ‚āļ­āļĄāļĨāļˆāļ°āļ•āļ­āļ‡āļ–āļāđāļ›āļĨāļ‡āđƒāļŦāļ­āļĒāđƒāļ™āļĢāļ›āđāļšāļš .arff āļ”āļ‡āļĢāļ›āļ— 3.2

āļĢāļ›āļ— 3.2 āđāļŠāļ”āļ‡āļ•āļ§āļ­āļĒāļēāļ‡āđ„āļŸāļĨ .arff

5. āļāļēāļĢāđāļ›āļĨāļœāļĨāđāļĨāļ°āļāļēāļĢāļ›āļĢāļ°āđ€āļĄāļ™āļœāļĨ (Evaluation) āđ€āļ›āļ™āļāļēāļĢāļ›āļĢāļ°āđ€āļĄāļ™āļ›āļĢāļ°āļŠāļ—āļ˜āļ āļēāļžāļ‚āļ­āļ‡āļœāļĨāļĨāļžāļ˜āļˆāļēāļ

āđāļšāļšāļˆ āļēāļĨāļ­āļ‡āļ§āđ€āļ„āļĢāļēāļ°āļŦāļ‚āļ­āļĄāļĨāļ§āļēāļ„āļĢāļ­āļšāļ„āļĨāļĄ āļŠāļēāļĄāļēāļĢāļ–āļ•āļ­āļšāđ€āļ›āļēāļŦāļĄāļēāļĒāđāļĨāļ°āļ§āļ•āļ–āļ›āļĢāļ°āļŠāļ‡āļ„āļ—āļ•āļ‡āđ„āļ§āđƒāļ™āļ‚āļ™āļ•āļ­āļ™āđāļĢāļ

āļŦāļĢāļ­āđ„āļĄ

6. āļāļēāļĢāļ™ āļēāđ„āļ›āđƒāļŠ (Deployment) āđ€āļ›āļ™āļāļēāļĢāļ™ āļēāļœāļĨāļĨāļžāļ˜āļ—āđ„āļ”āļˆāļēāļāļāļēāļĢāļ‡āļēāļ™āļ§āļˆāļĒāđ„āļ›āđƒāļŠāļ›āļĢāļ°āđ‚āļĒāļŠāļ™āļ•āļ­āđ„āļ›

āđāļ­āļ•āļ—āļĢāļšāļ§āļ•/āļ•āļ§āđāļ›āļĢ

āļ‚āļ­āļĄāļĨ

Page 36: SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

26

3.4 āļ•āļ§āđāļ›āļĢāļ—āđƒāļŠāđƒāļ™āļ‡āļģāļ™āļ§āļˆāļĒ

āļāļēāļĢāļˆāļ”āļāļĨāļĄāđāļĨāļ°āļŦāļēāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āļ‚āļ­āļ‡āļ‚āļ­āļĄāļĨāļāļēāļĢāļŠ āļēāļĢāļ§āļˆāļ āļēāļ§āļ°āđ€āļĻāļĢāļĐāļāļāļˆāđāļĨāļ°āļŠāļ‡āļ„āļĄāļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™

āđƒāļŠāļ•āļ§āđāļ›āļĢāļ”āļ‡āļ•āļ­āđ„āļ›āļ™

āļ•āļģāļĢāļģāļ‡āļ— 3.2 āļ•āļ§āđāļ›āļĢāļ—āđƒāļŠāđƒāļ™āļāļēāļĢāļˆāļ”āļāļĨāļĄāđāļĨāļ°āļŦāļēāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āļ‚āļ­āļ‡āļ‚āļ­āļĄāļĨāļāļēāļĢāļŠ āļēāļĢāļ§āļˆāļ āļēāļ§āļ°āđ€āļĻāļĢāļĐāļāļāļˆāđāļĨāļ°

āļŠāļ‡āļ„āļĄāļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™

āļ‚āļ­āļĄāļĨ

āļ•āļ§āđāļ›āļĢ

āļ āļēāļ„

Reg

āļĨāļāļĐāļ“āļ°āļ—āļŠ āļēāļ„āļāļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ āļ›āļĢāļ°āļāļ­āļšāļ”āļ§āļĒ

o āļŦāļ§āļŦāļ™āļēāļ„āļĢāļ§āđ€āļĢāļ­āļ™ o āļĢāļ°āļ”āļšāļāļēāļĢāļĻāļāļĐāļēāļŠāļ‡āļŠāļ”

Education-Level

o āļŠāļĄāļēāļŠāļāđƒāļ™āļ„āļĢāļ§āđ€āļĢāļ­āļ™ o āļ‚āļ™āļēāļ”āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ (āļˆ āļēāļ™āļ§āļ™āļŠāļĄāļēāļŠāļ)

Household -Size

o āļˆ āļēāļ™āļ§āļ™āļœāļ— āļēāļ‡āļēāļ™āļŦāļēāļĢāļēāļĒāđ„āļ”

No-Earners

o āļˆ āļēāļ™āļ§āļ™āļŠāļĄāļēāļŠāļāļ—āļ— āļēāļ‡āļēāļ™āļĢāļšāļ„āļēāļˆāļēāļ‡āđāļĨāļ°āđ€āļ‡āļ™āđ€āļ”āļ­āļ™

No-Wages

o āļˆ āļēāļ™āļ§āļ™āļŠāļĄāļēāļŠāļāļ—āļĄāļŠāļ—āļ˜āđ€āļšāļāļ„āļēāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ

Welfare

o āļˆ āļēāļ™āļ§āļ™āļŠāļĄāļēāļŠāļāļ—āđ„āļ”āļĢāļšāļšāļ•āļĢāļ›āļĢāļ°āļāļ™āļŠāļ‚āļ āļēāļž

Universal-Health

o āļˆ āļēāļ™āļ§āļ™āļŠāļĄāļēāļŠāļāļ—āļĄāļšāļ•āļĢāļĢāļšāļĢāļ­āļ‡āļŠāļ—āļ˜āļāļēāļĢāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ āđ‚āļ”āļĒāđƒāļŠāļšāļ•āļĢāļ›āļĢāļ°āļāļ™āļŠāļ‡āļ„āļĄ

Medical-Card

āļŠāļ–āļēāļ™āļ°āļ āļēāļžāļ—āļēāļ‡āđ€āļĻāļĢāļĐāļāļāļˆāļŠāļ‡āļ„āļĄāļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ (āļŠāļ™āļ—āļēāļ‡āđ€āļĻāļĢāļĐāļāļāļˆ)

Socio-Economic

āļĢāļēāļĒāđ„āļ”āđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™

Income

āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™

Month-Ex

āļ„āļēāđƒāļŠāļˆāļēāļĒāļ­āļēāļŦāļēāļĢāđāļĨāļ°āđ€āļ„āļĢāļ­āļ‡āļ”āļĄāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™

Food-Ex

āļ„āļēāđƒāļŠāļˆāļēāļĒāļĒāļēāļŠāļšāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™

Tobacco-Ex

āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļžāļ­āļāļēāļĢāļ­āļ›āđ‚āļ āļ„āļšāļĢāđ‚āļ āļ„āļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™

Conex-Ex

āļ„āļēāđƒāļŠāļˆāļēāļĒāļ—āđ„āļĄāđ€āļāļĒāļ§āļāļšāļāļēāļĢāļ­āļ›āđ‚āļ āļ„āļšāļĢāđ‚āļ āļ„

NonCon-Ex

āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļžāļ­āļ—āļ­āļĒāļ­āļēāļĻāļĒ āđ€āļ„āļĢāļ­āļ‡āđāļ•āļ‡āļšāļēāļ™āļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™

House-Ex

Page 37: SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

27

āļ•āļģāļĢāļģāļ‡āļ— 3.2 (āļ•āļ­) āļ•āļ§āđāļ›āļĢāļ—āđƒāļŠāđƒāļ™āļāļēāļĢāļˆāļ”āļāļĨāļĄāđāļĨāļ°āļŦāļēāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āļ‚āļ­āļ‡āļ‚āļ­āļĄāļĨāļāļēāļĢāļŠ āļēāļĢāļ§āļˆāļ āļēāļ§āļ°āđ€āļĻāļĢāļĐāļāļāļˆ

āđāļĨāļ°āļŠāļ‡āļ„āļĄāļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™

āļ‚āļ­āļĄāļĨ

āļ•āļ§āđāļ›āļĢ

āļ„āļēāđƒāļŠāļˆāļēāļĒāļāļēāļĢāđ€āļ”āļ™āļ—āļēāļ‡āđāļĨāļ°āļāļēāļĢāļŠāļ­āļŠāļēāļĢ

Transport-Ex

āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļĢāļ­āļ‡āļāļēāļĢāļĻāļāļĐāļē

Education-Ex

āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļšāļ”āđ€āļ•āļĨāļ” Special-Ex

āļĄāļĨāļ„āļēāļ—āļĢāļžāļĒāļŠāļ™āļ—āđ€āļ›āļ™āļ•āļ§āđ€āļ‡āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ Financial-Asset

āļ āļēāļ„ (Reg) āđāļšāļ‡āļ­āļ­āļāđ€āļ›āļ™ 5 āļāļĨāļĄ āļ„āļ­ āļāļĨāļĄāļ— 1 āļ„āļ­ āļāļĢāļ‡āđ€āļ—āļžāđāļĨāļ°āļ›āļĢāļĄāļ“āļ‘āļĨ

āļāļĨāļĄāļ— 2 āļ„āļ­ āļ āļēāļ„āļāļĨāļēāļ‡

āļāļĨāļĄāļ— 3 āļ„āļ­ āļ āļēāļ„āđ€āļŦāļ™āļ­

āļāļĨāļĄāļ— 4 āļ„āļ­ āļ āļēāļ„āļ•āļ°āļ§āļ™āļ­āļ­āļāđ€āļ‰āļĒāļ‡āđ€āļŦāļ™āļ­

āļāļĨāļĄāļ— 5 āļ„āļ­ āļ āļēāļ„āđƒāļ•

āļŦāļ§āļŦāļ™āļēāļ„āļĢāļ§āđ€āļĢāļ­āļ™ o āļĢāļ°āļ”āļšāļāļēāļĢāļĻāļāļĐāļēāļŠāļ‡āļŠāļ” (Education-Level) āđāļšāļ‡āļ­āļ­āļāđ€āļ›āļ™ 6 āļāļĨāļĄ āļ„āļ­

āļāļĨāļĄāļ— 1 āļ„āļ­ āļ• āļēāļāļ§āļēāļĄāļ˜āļĒāļĄāļĻāļāļĐāļē

āļāļĨāļĄāļ— 2 āļ„āļ­ āļĄāļ˜āļĒāļĄāļĻāļāļĐāļē

āļāļĨāļĄāļ— 3 āļ„āļ­ āļ­āļ™āļ›āļĢāļāļāļē

āļāļĨāļĄāļ— 4 āļ„āļ­ āļ›āļĢāļāļāļēāļ•āļĢ

āļāļĨāļĄāļ— 5 āļ„āļ­ āļŠāļ‡āļāļ§āļēāļ›āļĢāļāļāļēāļ•āļĢ

āļāļĨāļĄāļ— 6 āļ„āļ­ āļāļēāļĢāļĻāļāļĐāļēāļ­āļ™āđ†

āļŠāļĄāļēāļŠāļāđƒāļ™āļ„āļĢāļ§āđ€āļĢāļ­āļ™ o āļ‚āļ™āļēāļ”āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ (Household -Size) āļĢāļ§āļĄāļŦāļ§āļŦāļ™āļēāļ„āļĢāļ§āđ€āļĢāļ­āļ™ āđāļšāļ‡āļ­āļ­āļāđ€āļ›āļ™ 4 āļāļĨāļĄ āļ„āļ­

āļāļĨāļĄāļ— 1 āļ„āļ­ 1- 2 āļ„āļ™

āļāļĨāļĄāļ— 2 āļ„āļ­ 3- 4 āļ„āļ™

āļāļĨāļĄāļ— 3 āļ„āļ­ 5- 7 āļ„āļ™

āļāļĨāļĄāļ— 4 āļ„āļ­ 8 āļ„āļ™ āļ‚āļ™āđ„āļ›

Page 38: SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

28

o āļˆ āļēāļ™āļ§āļ™āļœāļ— āļēāļ‡āļēāļ™āļŦāļēāļĢāļēāļĒāđ„āļ” (No-Earners) āđāļšāļ‡āļ­āļ­āļāđ€āļ›āļ™ 4 āļāļĨāļĄ āļ„āļ­ āļāļĨāļĄāļ— 1 āļ„āļ­ āđ„āļĄāļĄ

āļāļĨāļĄāļ— 2 āļ„āļ­ 1 āļ„āļ™

āļāļĨāļĄāļ— 3 āļ„āļ­ 2-3 āļ„āļ™

āļāļĨāļĄāļ— 4 āļ„āļ­ 4 āļ„āļ™ āļ‚āļ™āđ„āļ›

o āļˆ āļēāļ™āļ§āļ™āļŠāļĄāļēāļŠāļāļ—āļ— āļēāļ‡āļēāļ™āļĢāļšāļ„āļēāļˆāļēāļ‡āđāļĨāļ°āđ€āļ‡āļ™āđ€āļ”āļ­āļ™ (No-Wages) āđāļšāļ‡āļ­āļ­āļāđ€āļ›āļ™ 4 āļāļĨāļĄ āļ„āļ­ āļāļĨāļĄāļ— 1 āļ„āļ­ āđ„āļĄāļĄ

āļāļĨāļĄāļ— 2 āļ„āļ­ 1 āļ„āļ™

āļāļĨāļĄāļ— 3 āļ„āļ­ 2 āļ„āļ™

āļāļĨāļĄāļ— 4 āļ„āļ­ 3 āļ„āļ™ āļ‚āļ™āđ„āļ›

o āļˆ āļēāļ™āļ§āļ™āļŠāļĄāļēāļŠāļāļ—āļĄāļŠāļ—āļ˜āđ€āļšāļāļ„āļēāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ (Welfare) āđāļšāļ‡āļ­āļ­āļāđ€āļ›āļ™ 4 āļāļĨāļĄ āļ„āļ­ āļāļĨāļĄāļ— 1 āļ„āļ­ āđ„āļĄāļĄ

āļāļĨāļĄāļ— 2 āļ„āļ­ 1 āļ„āļ™

āļāļĨāļĄāļ— 3 āļ„āļ­ 2-3 āļ„āļ™

āļāļĨāļĄāļ— 4 āļ„āļ­ āļĄāļēāļāļāļ§āļē 3 āļ„āļ™āļ‚āļ™āđ„āļ›

o āļˆ āļēāļ™āļ§āļ™āļŠāļĄāļēāļŠāļāļ—āđ„āļ”āļĢāļšāļšāļ•āļĢāļ›āļĢāļ°āļāļ™āļŠāļ‚āļ āļēāļž (Universal-Health) āđāļšāļ‡āļ­āļ­āļāđ€āļ›āļ™ 4 āļāļĨāļĄ āļ„āļ­ āļāļĨāļĄāļ— 1 āļ„āļ­ āđ„āļĄāļĄ

āļāļĨāļĄāļ— 2 āļ„āļ­ 1 āļ„āļ™

āļāļĨāļĄāļ— 3 āļ„āļ­ 2-3 āļ„āļ™

āļāļĨāļĄāļ— 4 āļ„āļ­ āļĄāļēāļāļāļ§āļē 3 āļ„āļ™āļ‚āļ™āđ„āļ›

o āļˆ āļēāļ™āļ§āļ™āļŠāļĄāļēāļŠāļāļ—āļĄāļšāļ•āļĢāļĢāļšāļĢāļ­āļ‡āļŠāļ—āļ˜āļāļēāļĢāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ āđ‚āļ”āļĒāđƒāļŠāļšāļ•āļĢāļ›āļĢāļ°āļāļ™āļŠāļ‡āļ„āļĄ (Medical-Card) āđāļšāļ‡āļ­āļ­āļāđ€āļ›āļ™ 4 āļāļĨāļĄ āļ„āļ­

āļāļĨāļĄāļ— 1 āļ„āļ­ āđ„āļĄāļĄ

āļāļĨāļĄāļ— 2 āļ„āļ­ 1 āļ„āļ™

āļāļĨāļĄāļ— 3 āļ„āļ­ 2-3 āļ„āļ™

āļāļĨāļĄāļ— 4 āļ„āļ­ āļĄāļēāļāļāļ§āļē 3 āļ„āļ™āļ‚āļ™āđ„āļ›

Page 39: SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

29

o āļŠāļ–āļēāļ™āļ°āļ āļēāļžāļ—āļēāļ‡āđ€āļĻāļĢāļĐāļāļāļˆāļŠāļ‡āļ„āļĄāļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ (āļŠāļ™āļ—āļēāļ‡āđ€āļĻāļĢāļĐāļāļāļˆ) (Socio-Economic) āđāļšāļ‡āļ­āļ­āļāđ€āļ›āļ™ 4 āļāļĨāļĄ āļ„āļ­

āļāļĨāļĄāļ— 1 āļ„āļ­ āļœāļ–āļ­āļ„āļĢāļ­āļ‡āļ— āļēāļāļēāļĢāđ€āļāļĐāļ•āļĢ āđ€āļŠāļ™ āļ›āļĨāļāļžāļŠ/āđ€āļĨāļĒāļ‡āļŠāļ•āļ§/āđ€āļžāļēāļ°āđ€āļĨāļĒāļ‡ āļœāļ— āļē

āļ›āļĢāļ°āļĄāļ‡ āļ›āļēāđ„āļĄ āļĨāļēāļŠāļ•āļ§ āđ€āļāļšāļ‚āļ­āļ‡āļ›āļē āļšāļĢāļāļēāļĢāļ—āļēāļ‡āļāļēāļĢāđ€āļāļĐāļ•āļĢ

āļāļĨāļĄāļ— 2 āļ„āļ­ āļœāļ” āļēāđ€āļ™āļ™āļ˜āļĢāļāļˆāļ‚āļ­āļ‡āļ•āļ™āđ€āļ­āļ‡āļ—āđ„āļĄāđƒāļŠāđ€āļāļĐāļ•āļĢāļāļĢ

āļāļĨāļĄāļ— 3 āļ„āļ­ āļĨāļāļˆāļēāļ‡ āđ€āļŠāļ™ āļœāļ›āļāļšāļ•āļ‡āļēāļ™āļ§āļŠāļēāļŠāļž āļ™āļāļ§āļŠāļēāļāļēāļĢāđāļĨāļ°āļ™āļāļšāļĢāļŦāļēāļĢ

āļ„āļ™āļ‡āļēāļ™āđ€āļāļĐāļ•āļĢ āļ„āļ™āļ‡āļēāļ™āļ—āļ§āđ„āļ› āđ€āļŠāļĄāļĒāļ™ āļžāļ™āļāļ‡āļēāļ™āļ‚āļēāļĒ āđāļĨāļ°āđƒāļŦāļšāļĢāļāļēāļĢ

āļœāļ›āļāļšāļ•āļ‡āļēāļ™āđƒāļ™āļāļĢāļ°āļšāļ§āļ™āļāļēāļĢāļœāļĨāļ•

āļāļĨāļĄāļ— 4 āļ„āļ­ āļœāđ„āļĄāđ„āļ”āļ›āļāļšāļ•āļ‡āļēāļ™āđ€āļŠāļ‡āđ€āļĻāļĢāļĐāļāļāļˆ

o āļĢāļēāļĒāđ„āļ”āđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ (Income) āđāļšāļ‡āļ­āļ­āļāđ€āļ›āļ™ 5 āļāļĨāļĄ āļ„āļ­ āļāļĨāļĄāļ— 1 āļ„āļ­ āļĢāļēāļĒāđ„āļ”āļ• āļēāļāļ§āļē 10,001 āļšāļēāļ—

āļāļĨāļĄāļ— 2 āļ„āļ­ āļĢāļēāļĒāđ„āļ” 10,001-20,000 āļšāļēāļ—

āļāļĨāļĄāļ— 3 āļ„āļ­ āļĢāļēāļĒāđ„āļ” 20,001-50,000 āļšāļēāļ—

āļāļĨāļĄāļ— 4 āļ„āļ­ āļĢāļēāļĒāđ„āļ” 50,001-100,000 āļšāļēāļ—

āļāļĨāļĄāļ— 5 āļ„āļ­ āļĢāļēāļĒāđ„āļ”āļĄāļēāļāļāļ§āļē 100,000 āļšāļēāļ—

o āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ (Month-Ex) āđāļšāļ‡āļ­āļ­āļāđ€āļ›āļ™ 4 āļāļĨāļĄ āļ„āļ­ āļāļĨāļĄāļ— 1 āļ„āļ­ āļ„āļēāđƒāļŠāļˆāļēāļĒāļ• āļēāļāļ§āļē 10,001 āļšāļēāļ—

āļāļĨāļĄāļ— 2 āļ„āļ­ āļ„āļēāđƒāļŠāļˆāļēāļĒ 10,001-20,000 āļšāļēāļ—

āļāļĨāļĄāļ— 3 āļ„āļ­ āļ„āļēāđƒāļŠāļˆāļēāļĒ 20,001-50,000 āļšāļēāļ—

āļāļĨāļĄāļ— 4 āļ„āļ­ āļ„āļēāđƒāļŠāļˆāļēāļĒāļĄāļēāļāļāļ§āļē 50,000 āļšāļēāļ—

o āļ„āļēāđƒāļŠāļˆāļēāļĒāļ­āļēāļŦāļēāļĢāđāļĨāļ°āđ€āļ„āļĢāļ­āļ‡āļ”āļĄāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ (Food-Ex) āđāļšāļ‡āļ­āļ­āļāđ€āļ›āļ™ 5 āļāļĨāļĄ āļ„āļ­ āļāļĨāļĄāļ— 1 āļ„āļ­ āļ™āļ­āļĒāļāļ§āļē 2,001 āļšāļēāļ—

āļāļĨāļĄāļ— 2 āļ„āļ­ 2,001-4,500 āļšāļēāļ—

āļāļĨāļĄāļ— 3 āļ„āļ­ 4,501-7,000 āļšāļēāļ—

āļāļĨāļĄāļ— 4 āļ„āļ­ 7,001-10,000 āļšāļēāļ—

āļāļĨāļĄāļ— 5 āļ„āļ­ āļĄāļēāļāļāļ§āļē 10,000 āļšāļēāļ—

Page 40: SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

30

o āļ„āļēāđƒāļŠāļˆāļēāļĒāļĒāļēāļŠāļšāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ (Tobacco-Ex) āļ›āļĢāļ°āļāļ­āļšāļ”āļ§āļĒ āļĒāļēāļŠāļš āļŦāļĄāļēāļ āļĒāļēāļ™āļ•āļ– āđāļĨāļ°āļ­āļ™āđ† āđāļšāļ‡āļ­āļ­āļāđ€āļ›āļ™ 4 āļāļĨāļĄ āļ„āļ­

āļāļĨāļĄāļ— 1 āļ„āļ­ āđ„āļĄāļĄāļ„āļēāđƒāļŠāļˆāļēāļĒ

āļāļĨāļĄāļ— 2 āļ„āļ­ 1-200 āļšāļēāļ—

āļāļĨāļĄāļ— 3 āļ„āļ­ 201-500 āļšāļēāļ—

āļāļĨāļĄāļ— 4 āļ„āļ­ āļĄāļēāļāļāļ§āļē 500 āļšāļēāļ—

o āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļžāļ­āļāļēāļĢāļ­āļ›āđ‚āļ āļ„āļšāļĢāđ‚āļ āļ„āļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ (Conex-Ex) āđāļšāļ‡āļ­āļ­āļāđ€āļ›āļ™ 4 āļāļĨāļĄ āļ„āļ­ āļāļĨāļĄāļ— 1 āļ„āļ­ āļ™āļ­āļĒāļāļ§āļē 5,001 āļšāļēāļ—

āļāļĨāļĄāļ— 2 āļ„āļ­ 5,001-12,000 āļšāļēāļ—

āļāļĨāļĄāļ— 3 āļ„āļ­ 12,001-24,000 āļšāļēāļ—

āļāļĨāļĄāļ— 4 āļ„āļ­ āļĄāļēāļāļāļ§āļē 24,000 āļšāļēāļ—

o āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļžāļ­āļ—āļ­āļĒāļ­āļēāļĻāļĒ āđ€āļ„āļĢāļ­āļ‡āđāļ•āļ‡āļšāļēāļ™āļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ (House-Ex) āđāļšāļ‡āļ­āļ­āļāđ€āļ›āļ™ 4 āļāļĨāļĄ āļ„āļ­ āļāļĨāļĄāļ— 1 āļ„āļ­ āļ™āļ­āļĒāļāļ§āļē 2,001 āļšāļēāļ—

āļāļĨāļĄāļ— 2 āļ„āļ­ 2,001-4,000 āļšāļēāļ—

āļāļĨāļĄāļ— 3 āļ„āļ­ 4,001-8,000 āļšāļēāļ—

āļāļĨāļĄāļ— 4 āļ„āļ­ āļĄāļēāļāļāļ§āļē 8,000 āļšāļēāļ—

o āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ§āļŠāļ āļ“āļ‘āđāļĨāļ°āļ„āļēāļ•āļĢāļ§āļˆāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ (Medical-Ex) āđāļšāļ‡āļ­āļ­āļāđ€āļ›āļ™ 5 āļāļĨāļĄ āļ„āļ­

āļāļĨāļĄāļ— 1 āļ„āļ­ āđ„āļĄāļĄāļ„āļēāđƒāļŠāļˆāļēāļĒ

āļāļĨāļĄāļ— 2 āļ„āļ­ 1-500 āļšāļēāļ—

āļāļĨāļĄāļ— 3 āļ„āļ­ 501-1,000 āļšāļēāļ—

āļāļĨāļĄāļ— 4 āļ„āļ­ 1,001-1,500 āļšāļēāļ—

āļāļĨāļĄāļ— 5 āļ„āļ­ āļĄāļēāļāļāļ§āļē 1,500 āļšāļēāļ—

Page 41: SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

31

o āļ„āļēāđƒāļŠāļˆāļēāļĒāļāļēāļĢāđ€āļ”āļ™āļ—āļēāļ‡āđāļĨāļ°āļāļēāļĢāļŠāļ­āļŠāļēāļĢāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ (Transport-Ex) āđāļšāļ‡āļ­āļ­āļāđ€āļ›āļ™ 5 āļāļĨāļĄ āļ„āļ­ āļāļĨāļĄāļ— 1 āļ„āļ­ āđ„āļĄāļĄāļ„āļēāđƒāļŠāļˆāļēāļĒ

āļāļĨāļĄāļ— 2 āļ„āļ­ 1-2,000 āļšāļēāļ—

āļāļĨāļĄāļ— 3 āļ„āļ­ 2,001-4,000 āļšāļēāļ—

āļāļĨāļĄāļ— 4 āļ„āļ­ 4,001-8,000 āļšāļēāļ—

āļāļĨāļĄāļ— 5 āļ„āļ­ āļĄāļēāļāļāļ§āļē 8,000 āļšāļēāļ—

o āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļĢāļ­āļ‡āļāļēāļĢāļĻāļāļĐāļēāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ (Education-Ex) āđāļšāļ‡āļ­āļ­āļāđ€āļ›āļ™ 5 āļāļĨāļĄ āļ„āļ­ āļāļĨāļĄāļ— 1 āļ„āļ­ āđ„āļĄāļĄāļ„āļēāđƒāļŠāļˆāļēāļĒ

āļāļĨāļĄāļ— 2 āļ„āļ­ 1-400 āļšāļēāļ—

āļāļĨāļĄāļ— 3 āļ„āļ­ 401-800 āļšāļēāļ—

āļāļĨāļĄāļ— 4 āļ„āļ­ 801-1,600 āļšāļēāļ—

āļāļĨāļĄāļ— 5 āļ„āļ­ āļĄāļēāļāļāļ§āļē 1,600 āļšāļēāļ—

o āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļšāļ”āđ€āļ•āļĨāļ” āļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ (Special-Ex) āđ€āļ›āļ™āļœāļĨāļĢāļ§āļĄāļ‚āļ­āļ‡āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ„āļĢāļ­āļ‡āļ™āļ‡āļŦāļĄāđāļĨāļ°āļĢāļ­āļ‡āđ€āļ—āļē āļ„āļēāđƒāļŠāļˆāļēāļĒāļŠāļ§āļ™āļšāļ„āļ„āļĨ āļ„āļēāđƒāļŠāļˆāļēāļĒāļāļēāļĢāļšāļ™āđ€āļ—āļ‡ āļāļēāļĢāļ­āļēāļ™āđāļĨāļ°āļāļˆāļāļĢāļĢāļĄāļ—āļēāļ‡āļĻāļēāļŠāļ™āļē āđāļĨāļ° āļ„āļēāđƒāļŠāļˆāļēāļĒāļāļēāļĢāļˆāļ”āļ‡āļēāļ™āļžāļ˜ āđƒāļ™āđ‚āļ­āļāļēāļŠāļžāđ€āļĻāļĐ āđāļšāļ‡āļ­āļ­āļāđ€āļ›āļ™ 5 āļāļĨāļĄ āļ„āļ­

āļāļĨāļĄāļ— 1 āļ„āļ­ āļ™āļ­āļĒāļāļ§āļē 500 āļšāļēāļ—

āļāļĨāļĄāļ— 2 āļ„āļ­ 501-1,000 āļšāļēāļ—

āļāļĨāļĄāļ— 3 āļ„āļ­ 1,001-1,500 āļšāļēāļ—

āļāļĨāļĄāļ— 4 āļ„āļ­ 1,501-2,000 āļšāļēāļ—

āļāļĨāļĄāļ— 5 āļ„āļ­ āļĄāļēāļāļāļ§āļē 2,000 āļšāļēāļ—

o āļ„āļēāđƒāļŠāļˆāļēāļĒāļ—āđ„āļĄāđ€āļāļĒāļ§āļāļšāļāļēāļĢāļ­āļ›āđ‚āļ āļ„āļšāļĢāđ‚āļ āļ„āļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ (NonCon-Ex) āļ›āļĢāļ°āļāļ­āļšāļ”āļ§āļĒ - āļ āļēāļĐ/āļ˜āļĢāļĢāļĄāđ€āļ™āļĒāļĄ/āļ„āļēāļ›āļĢāļš āļ„āļēāļŠāļĄāļēāļŠāļāļāļĨāļĄāļ­āļēāļŠāļž āđ€āļ‡āļ™/āļŠāļ‡āļ‚āļ­āļ‡āļ—āļŠāļ‡āđƒāļŦāļšāļ„āļ„āļĨāļ™āļ­āļāļ„āļĢāļ§āđ€āļĢāļ­āļ™

āļšāļĢāļˆāļēāļ„āđ€āļ‡āļ™/āļŠāļ‡āļ‚āļ­āļ‡āđƒāļŦāđāļāļ­āļ‡āļ„āļāļĢāļ•āļēāļ‡āđ† āđ€āļ‡āļ™āļ— āļēāļšāļ/āđ€āļ‡āļ™āļŠāļ§āļĒāđ€āļŦāļĨāļ­āļ­āļ™āđ† āļ„āļēāđ€āļšāļĒāļ›āļĢāļ°āļāļ™āļ āļĒ/

āļ—āļĢāļžāļĒāļŠāļ™/āļ›āļĢāļ°āļāļ™āļŠāļ§āļ•/āđ€āļ‡āļ™āļŒāļēāļ›āļ™āļāļˆāļĻāļž āđ€āļ‡āļ™āļŠāļĄāļ—āļšāļ›āļĢāļ°āļāļ™āļŠāļ‡āļ„āļĄ āļ„āļēāļ‹āļ­āļŠāļĨāļēāļāļāļ™āđāļšāļ‡/

āļŦāļ§āļĒāļ‚āļ­āļ‡āļĢāļ/āđāļĨāļ°āļāļēāļĢāļžāļ™āļ™āļ­āļ™āđ† āļ”āļ­āļāđ€āļšāļĒāļˆāļēāļĒ/āļ”āļ­āļāđ€āļšāļĒāđāļŠāļĢ āļ„āļēāđƒāļŠāļˆāļēāļĒāļ­āļ™ āđ†

Page 42: SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

32

- āđāļšāļ‡āļ­āļ­āļāđ€āļ›āļ™ 5 āļāļĨāļĄ āļ„āļ­ āļāļĨāļĄāļ— 1 āļ„āļ­ āđ„āļĄāļĄāļ„āļēāđƒāļŠāļˆāļēāļĒ

āļāļĨāļĄāļ— 2 āļ„āļ­ 1-1,000 āļšāļēāļ—

āļāļĨāļĄāļ— 3 āļ„āļ­ 1,001-3,000 āļšāļēāļ—

āļāļĨāļĄāļ— 4 āļ„āļ­ 3,001-6,000 āļšāļēāļ—

āļāļĨāļĄāļ— 5 āļ„āļ­ āļĄāļēāļāļāļ§āļē 6,000 āļšāļēāļ—

o āļĄāļĨāļ„āļēāļ—āļĢāļžāļĒāļŠāļ™āļ—āđ€āļ›āļ™āļ•āļ§āđ€āļ‡āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ (Financial-Asset) āđāļšāļ‡āļ­āļ­āļāđ€āļ›āļ™ 5 āļāļĨāļĄ āļ„āļ­ āļāļĨāļĄāļ— 1 āļ„āļ­ āļ™āļ­āļĒāļāļ§āļē 10,001 āļšāļēāļ—

āļāļĨāļĄāļ— 2 āļ„āļ­ 10,001-30,000 āļšāļēāļ—

āļāļĨāļĄāļ— 3 āļ„āļ­ 30,001-50,000 āļšāļēāļ—

āļāļĨāļĄāļ— 4 āļ„āļ­ 50,001-100,000 āļšāļēāļ—

āļāļĨāļĄāļ— 5 āļ„āļ­ āļĄāļēāļāļāļ§āļē 100,000 āļšāļēāļ—āļ‚āļ™āđ„āļ›

*āļŦāļĄāļēāļĒāđ€āļŦāļ• - āļāļēāļĢāđāļšāļ‡āļāļĨāļĄāļ•āļ§āđāļ›āļĢāđƒāļ™āļ‡āļēāļ™āļ§āļˆāļĒāļ™āđƒāļŠāļŦāļĨāļāđ€āļāļ“āļ‘āļ•āļēāļĄāļŠ āļēāļ™āļāļ‡āļēāļ™āļŠāļ–āļ•āđāļŦāļ‡āļŠāļēāļ•

- āļ•āļ§āđāļ›āļĢāļ—āļ—āļēāļ‡āļ„āļ“āļ°āļœāļ§āļˆāļĒāļ™ āļēāļ‚āļ­āļĄāļĨāļ‚āļ­āļ‡āļŠ āļēāļ™āļāļ‡āļēāļ™āļŠāļ–āļ•āđāļŦāļ‡āļŠāļēāļ•āļĄāļēāļ›āļĢāļšāđƒāļŠāđ€āļžāļ­āđƒāļŦāđ€āļŦāļĄāļēāļ°āļŠāļĄ

āļāļšāļ‡āļēāļ™āļ§āļˆāļĒ āđ‚āļ”āļĒāļžāļˆāļēāļĢāļ“āļēāļˆāļēāļāļŪāļŠāđ‚āļ•āđāļāļĢāļĄ (Histograms) āđ€āļžāļ­āļŦāļēāļāļēāļĢāļāļĢāļ°āļˆāļēāļĒāļ‚āļ­āļ‡āļ‚āļ­āļĄāļĨ āļ•āļ§

āđāļ›āļĢāđ€āļŦāļĨāļēāļ™āđ„āļ”āđāļ āļ­āļēāļĒāļ‚āļ­āļ‡āļŦāļ§āļŦāļ™āļēāļ„āļĢāļ§āđ€āļĢāļ­āļ™ āļĢāļēāļĒāđ„āļ”āđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ āļ„āļēāđƒāļŠāļˆāļēāļĒ

āļ•āļēāļ‡āđ† āđāļĨāļ°āļĄāļĨāļ„āļēāļ—āļĢāļžāļĒāļŠāļ™āļ—āđ€āļ›āļ™āļ•āļ§āđ€āļ‡āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™

Page 43: SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

33

āļšāļ—āļ— 4

āļœāļĨāļāļģāļĢāļ§āļˆāļĒ

āļāļēāļĢāļ—āļ”āļĨāļ­āļ‡āđ€āļĄāļ­āļ— āļēāļāļēāļĢāļ„āļ”āđ€āļĨāļ­āļāļ‚āļ­āļĄāļĨāļ—āļ•āļ­āļ‡āļāļēāļĢāđāļĨāļ°āļˆāļ”āđ€āļ•āļĢāļĒāļĄāļ‚āļ­āļĄāļĨāđƒāļŦāļ­āļĒāđƒāļ™āļĢāļ›āđāļšāļšāļ—āđ€āļŦāļĄāļēāļ°āļŠāļĄ

āđƒāļ™āļāļēāļĢāļ— āļēāđ€āļŦāļĄāļ­āļ‡āļ‚āļ­āļĄāļĨāđāļĨāļ§ āđāļĨāļ°āļāļ­āļ™āļ—āļˆāļ°āļ™ āļēāļ‚āļ­āļĄāļĨāđ€āļ‚āļēāļŠāļāļĢāļ°āļšāļ§āļ™āļāļēāļĢāļ— āļēāđ€āļŦāļĄāļ­āļ‡āļ‚āļ­āļĄāļĨāļ™āļ™ āļˆāļ°āļ•āļ­āļ‡āļ— āļēāļāļēāļĢ

āđāļ›āļĨāļ‡āļ‚āļ­āļĄāļĨāđƒāļŦāļ­āļĒāđƒāļ™āļĢāļ›āļ„āļēāļĄāļēāļ•āļĢāļāļēāļ™ (Z-score) āđ€āļžāļ­āļ āļēāļˆāļ”āļ‚āļ­āļĄāļĨāļ—āļœāļ”āļ›āļāļ• āđ‚āļ”āļĒāļ— āļēāļāļēāļĢāļ„āļ”āđ€āļĨāļ­āļāļ‚āļ­āļĄāļĨāļ—āļ­āļĒ

āđƒāļ™āļŠāļ§āļ‡āļ›āļāļ• āļ„āļ­āļ‚āļ­āļĄāļĨāļ—āļĄāļ„āļēāļĄāļēāļ•āļĢāļāļēāļ™āļ­āļĒāđƒāļ™āļŠāļ§āļ‡ -3 āļ–āļ‡ 3 āļˆāļēāļāļ™āļ™āļ‚āļ­āļĄāļĨāđ€āļŦāļĨāļēāļ™āļˆāļ°āļ–āļāļ™ āļēāđ„āļ›āļˆāļ”āļāļĨāļĄāļ•āļēāļĄ

āļ„āļēāđƒāļŠāļˆāļēāļĒāļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āđ‚āļ”āļĒāđƒāļŠāļ­āļĨāļāļ­āļĢāļ—āļĄāđ€āļ„āļĄāļ™ āļˆāļ”āļāļĨāļĄāļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ—āļĄāļāļēāļĢāđƒāļŠāļˆāļēāļĒāđƒāļ™āļĨāļāļĐāļ“āļ°āđ€āļ”āļĒāļ§āļāļ™āđƒāļŦāļ­āļĒ

āđƒāļ™āļāļĨāļĄāđ€āļ”āļĒāļ§āļāļ™ āļ•āļ§āđāļ›āļĢāļ„āļēāđƒāļŠāļˆāļēāļĒāļ—āļ™ āļēāļĄāļēāđƒāļŠāđƒāļ™āļāļēāļĢāļˆāļ”āļāļĨāļĄāļ›āļĢāļ°āļāļ­āļšāļ”āļ§āļĒ 8 āļ•āļ§āđāļ›āļĢāļŦāļĨāļ āļ„āļ­ 1) āļ„āļēāđƒāļŠāļˆāļēāļĒ

āļ­āļēāļŦāļēāļĢāđāļĨāļ°āđ€āļ„āļĢāļ­āļ‡āļ”āļĄāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 2) āļ„āļēāđƒāļŠāļˆāļēāļĒāļĒāļēāļŠāļšāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 3) āļ„āļēāđƒāļŠāļˆāļēāļĒāļ—āđ„āļĄ

āđ€āļāļĒāļ§āļāļšāļāļēāļĢāļ­āļ›āđ‚āļ āļ„āļšāļĢāđ‚āļ āļ„ 4) āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļžāļ­āļ—āļ­āļĒāļ­āļēāļĻāļĒ āđ€āļ„āļĢāļ­āļ‡āđāļ•āļ‡āļšāļēāļ™āļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 5)

āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ§āļŠāļ āļ“āļ‘āđāļĨāļ°āļ„āļēāļ•āļĢāļ§āļˆāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ 6) āļ„āļēāđƒāļŠāļˆāļēāļĒāļāļēāļĢāđ€āļ”āļ™āļ—āļēāļ‡āđāļĨāļ°āļāļēāļĢāļŠāļ­āļŠāļēāļĢ 7) āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļĢāļ­āļ‡

āļāļēāļĢāļĻāļāļĐāļē āđāļĨāļ° 8) āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļšāļ”āđ€āļ•āļĨāļ” āļˆāļēāļāļ™āļ™āļˆāļ°āļ— āļēāļāļēāļĢāļŦāļēāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āļ‚āļ­āļ‡āļ‚āļ­āļĄāļĨāđƒāļ™āđāļ•āļĨāļ°āļāļĨāļĄāđ‚āļ”āļĒāđƒāļŠ

āļāļŽāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜ āđ€āļžāļ­āđƒāļŦāđ„āļ”āļĄāļēāļ‹āļ‡āļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āļĢāļ°āļŦāļ§āļēāļ‡āļ•āļ§āđāļ›āļĢāļ•āļēāļ‡āđ†āļ‚āļ­āļ‡āļ›āļĢāļ°āļŠāļēāļāļĢ

4.1 āļāļģāļĢāļˆāļ”āļāļĨāļĄāļ‚āļ­āļĄāļĨāļāļģāļĢāļŠ āļģāļĢāļ§āļˆāļ āļģāļ§āļ°āđ€āļĻāļĢāļĐāļāļāļˆāđāļĨāļ°āļŠāļ‡āļ„āļĄāļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ āļ•āļģāļĄāļ„āļģāđƒāļŠāļˆāļģāļĒāļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™

āļ— āļēāļāļēāļĢāļˆāļ”āļāļĨāļĄāļ‚āļ­āļĄāļĨāļ āļēāļ§āļ°āđ€āļĻāļĢāļĐāļāļāļˆāđāļĨāļ°āļŠāļ‡āļ„āļĄāļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ āļ•āļēāļĄāļ„āļēāđƒāļŠāļˆāļēāļĒāļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āđ‚āļ”āļĒāđƒāļŠ

āļ­āļĨāļāļ­āļĢāļ—āļĄāđ€āļ„āļĄāļ™ āļ‹āļ‡āļĄāļ‚āļ­āļĄāļĨāļ™ āļēāđ€āļ‚āļēāļˆ āļēāļ™āļ§āļ™ 39,633 āļĢāļēāļĒāļāļēāļĢ āđ‚āļ”āļĒāđāļšāļ‡āļ­āļ­āļāđ€āļ›āļ™ 2 āļ‚āļ™āļ•āļ­āļ™āļĒāļ­āļĒ āļ„āļ­āļ‚āļ™āļ•āļ­āļ™

āļāļēāļĢāļŦāļēāļˆ āļēāļ™āļ§āļ™āļāļĨāļĄāļ—āđ€āļŦāļĄāļēāļ°āļŠāļĄāđƒāļ™āļāļēāļĢāļˆāļ”āļāļĨāļĄ āđāļĨāļ°āļ‚āļ™āļ•āļ­āļ™āļāļēāļĢāļˆāļ”āļāļĨāļĄāļ‚āļ­āļĄāļĨ

4.1.1 āļāļēāļĢāļŦāļēāļˆ āļēāļ™āļ§āļ™āļāļĨāļĄāļ—āđ€āļŦāļĄāļēāļ°āļŠāļĄāđƒāļ™āļāļēāļĢāļˆāļ”āļāļĨāļĄ āļ™ āļēāļ­āļĨāļāļ­āļĢāļ—āļĄāđ€āļ„āļĄāļ™āļĄāļēāļˆāļ”āļāļĨāļĄāļ‚āļ­āļĄāļĨāļ āļēāļ§āļ°āđ€āļĻāļĢāļĐāļāļāļˆāđāļĨāļ°āļŠāļ‡āļ„āļĄāļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ•āļ‡āđāļ• 2-10 āļāļĨāļĄ

āđ€āļžāļ­āļŦāļēāļˆ āļēāļ™āļ§āļ™āļāļĨāļĄāļ—āđ€āļŦāļĄāļēāļ°āļŠāļĄāđƒāļ™āļāļēāļĢāļˆāļ”āļāļĨāļĄ āđ„āļ”āļœāļĨāļāļēāļĢāļ§āļˆāļĒāļ”āļ‡āļ•āļ­āđ„āļ›āļ™

Page 44: SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

34

āļ•āļģāļĢāļģāļ‡āļ— 4.1 āļœāļĨāļāļēāļĢāļ§āļ”āļ›āļĢāļ°āļŠāļ—āļ˜āļ āļēāļžāļāļēāļĢāļˆāļ”āļāļĨāļĄāļ‚āļ­āļĄāļĨāļ āļēāļ§āļ°āđ€āļĻāļĢāļĐāļāļāļˆāđāļĨāļ°āļŠāļ‡āļ„āļĄāļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ āđ‚āļ”āļĒāđƒāļŠ āļ­āļĨāļāļ­āļĢāļ—āļĄāđ€āļ„āļĄāļ™āļ•āļ‡āđāļ• 2 - 10 āļāļĨāļĄ

āļˆ āļēāļ™āļ§āļ™āļāļĨāļĄ (Cluster) SD Validity Index PBM Index DB Index

2 97.909 0.0037 1.636 3 84.464 0.0002 1.131 4 99.103 0.0020 1.656 5 93.014 0.0001 1.389 6 92.189 0.0002 1.188 7 94.357 0.0001 1.121 8 99.761 0.0000 1.149 9 145.625 0.0001 1.239 10 137.605 0.0001 1.270

āļˆāļēāļāļ•āļēāļĢāļēāļ‡āļ— 4.1 āļ™ āđāļŠāļ”āļ‡āđƒāļŦāđ€āļŦāļ™āļ–āļ‡āļ„āļē SD Validity Index āļ„āļē PBM Index āđāļĨāļ°āļ„āļē DB Index

āđ€āļĄāļ­āļ— āļēāļāļēāļĢāļˆāļ”āļāļĨāļĄāļ‚āļ­āļĄāļĨāđ‚āļ”āļĒāđƒāļŠāļ­āļĨāļāļ­āļĢāļ—āļĄāđ€āļ„āļĄāļ™ āļĢāļ°āļšāļˆ āļēāļ™āļ§āļ™āļāļĨāļĄāđƒāļ™āļāļēāļĢāļˆāļ”āļāļĨāļĄāļ•āļ‡āđāļ• 2 - 10 āļāļĨāļĄ āđ‚āļ”āļĒ

āļˆāļ°āļŠāļ‡āđ€āļāļ•āđ„āļ”āļ§āļēāđ€āļĄāļ­āļˆ āļēāļ™āļ§āļ™āļāļĨāļĄāļĄāļ„āļēāđ€āļ—āļēāļāļš 3 āļˆāļ°āļĄāļ„āļē SD Validity Index āļ™āļ­āļĒāļ—āļŠāļ” āļ„āļ­āļĄāļ„āļēāđ€āļ—āļēāļāļš 84.464

āļ„āļē PBM Index āļĄāļ„āļēāļĄāļēāļāļ—āļŠāļ”āđ€āļĄāļ­āļˆ āļēāļ™āļ§āļ™āļāļĨāļĄāđ€āļ—āļēāļāļš 2 āļāļĨāļĄ āļĄāļ„āļēāđ€āļ—āļēāļāļš 0.0037 āļŠāļ§āļ™āļ„āļē DB Index āļĄāļ„āļē

āļ™āļ­āļĒāļ—āļŠāļ”āđ€āļĄāļ­āļˆ āļēāļ™āļ§āļ™āļāļĨāļĄāđ€āļ—āļēāļāļš 7 āļāļĨāļĄ āļĄāļ„āļēāđ€āļ—āļēāļāļš 1.121 āļĢāļ­āļ‡āļĨāļ‡āļĄāļēāļ„āļ­ 3 āļāļĨāļĄ āļĄāļ„āļēāđ€āļ—āļēāļāļš 1.131 āļˆāļ°

āđ€āļŦāļ™āđ„āļ”āļ§āļēāļ„āļē DB Index āļ—āļāļĨāļĄāđ€āļ—āļēāļāļš 7 āđāļĨāļ° 3 āļāļĨāļĄ āļĄāļ„āļēāđƒāļāļĨāđ€āļ„āļĒāļ‡āļāļ™āļĄāļēāļ āļ”āļ‡āļ™āļ™āļœāļ§āļˆāļĒāļˆāļ‡āđ€āļĨāļ­āļāļˆ āļēāļ™āļ§āļ™

āļāļĨāļĄāļ—āđ€āļŦāļĄāļēāļ°āļŠāļĄāđ€āļ—āļēāļāļš 3 āļāļĨāļĄ āđ€āļ™āļ­āļ‡āļˆāļēāļāļĄāļ•āļ§āļ§āļ”āļ›āļĢāļ°āļŠāļ—āļ˜āļ āļēāļžāļ–āļ‡ 2 āđƒāļ™ 3 āļ•āļ§āđƒāļŦāļœāļĨāļ”āđ€āļĄāļ­āļˆ āļēāļ™āļ§āļ™āļāļĨāļĄ

āđ€āļ—āļēāļāļš 3 āļāļĢāļ“āļ—āļĄāļ„āļē SD Validity āđāļĨāļ° āļ„āļē DB Index āļĄāļ„āļēāļ™āļ­āļĒ āđāļŠāļ”āļ‡āđƒāļŦāđ€āļŦāļ™āļ–āļ‡āļāļēāļĢāļˆāļ”āļāļĨāļĄāļ—āļ” āđƒāļ™āļ—āļēāļ‡

āļ•āļĢāļ‡āļāļ™āļ‚āļēāļĄ āļ„āļē PBM-Index āļ„āļ§āļĢāļˆāļ°āļĄāļ„āļēāļŠāļ‡ āđāļŠāļ”āļ‡āļ–āļ‡āļāļēāļĢāļˆāļ”āļāļĨāļĄāļ—āļ”

4.1.2 āļāļēāļĢāļˆāļ”āļāļĨāļĄāļ‚āļ­āļĄāļĨ

āđ€āļĄāļ­āļŦāļēāļˆ āļēāļ™āļ§āļ™āļāļĨāļĄāļ—āđ€āļŦāļĄāļēāļ°āļŠāļĄāđƒāļ™āļāļēāļĢāļˆāļ”āļāļĨāļĄāđ„āļ”āđ€āļ—āļēāļāļš 3 āļāļĨāļĄ āļ‚āļ­āļĄāļĨāđƒāļ™āđāļ•āļĨāļ°āļāļĨāļĄāļĄ

āļĢāļēāļĒāļĨāļ°āđ€āļ­āļĒāļ”āļ”āļ‡āļ•āļēāļĢāļēāļ‡āļ— 4.2 āđāļĨāļ°āļ•āļēāļĢāļēāļ‡āļ— 4.3

Page 45: SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

35

āļ•āļģāļĢāļģāļ‡āļ— 4.2 āđāļŠāļ”āļ‡āļˆ āļēāļ™āļ§āļ™āļĢāļēāļĒāļāļēāļĢāđāļĨāļ°āļĢāļ­āļĒāļĨāļ°āļ‚āļ­āļ‡āļˆ āļēāļ™āļ§āļ™āļĢāļēāļĒāļāļēāļĢāļ—āļ‡ 3 āļāļĨāļĄ

āļāļĨāļĄāļ— 1 2 3 āļĢāļ§āļĄ āļˆ āļēāļ™āļ§āļ™āļĢāļēāļĒāļāļēāļĢ (āļĢāļēāļĒāļāļēāļĢ) 3,084 27,923 8,626 39,633 āļˆ āļēāļ™āļ§āļ™āļĢāļēāļĒāļāļēāļĢ (āļĢāļ­āļĒāļĨāļ°) 7.78 70.45 21.77 100.00

āļĢāļ›āļ— 4.1 āđāļŠāļ”āļ‡āļœāļĨāļāļēāļĢāļˆāļ”āļāļĨāļĄāđ‚āļ”āļĒāļ­āļĨāļāļ­āļĢāļ—āļĄāđ€āļ„āļĄāļ™

āļˆāļēāļāļĢāļ›āļ— 4.1 āđāļŠāļ”āļ‡āļ–āļ‡āļœāļĨāļāļēāļĢāļˆāļ”āļāļĨāļĄāļ‚āļ­āļĄāļĨāļ āļēāļ§āļ°āđ€āļĻāļĢāļĐāļāļāļˆāđāļĨāļ°āļŠāļ‡āļ„āļĄāļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āđ‚āļ”āļĒ

āļ­āļĨāļāļ­āļĢāļ—āļĄāđ€āļ„āļĄāļ™ āļžāļšāļ§āļēāđƒāļ™āđāļ•āļĨāļ°āļāļĨāļĄāļ™āļ™āļĄāļˆ āļēāļ™āļ§āļ™āļŠāļĄāļēāļŠāļāđāļ•āļāļ•āļēāļ‡āļāļ™āđ„āļ› āđ‚āļ”āļĒāļāļĨāļĄāļ—āļĄāļŠāļĄāļēāļŠāļāļĄāļēāļāļ—āļŠāļ”āļ„āļ­

āļāļĨāļĄāļ— 2 āļĄāļˆ āļēāļ™āļ§āļ™āļŠāļĄāļēāļŠāļāļ„āļ”āđ€āļ›āļ™āļĢāļ­āļĒāļĨāļ° 70.45 āļĢāļ­āļ‡āļĨāļ‡āļĄāļēāļ„āļ­āļāļĨāļĄāļ— 3 āđāļĨāļ° 1 āļ•āļēāļĄāļĨ āļēāļ”āļš āđ‚āļ”āļĒāļĄāļˆ āļēāļ™āļ§āļ™

āļŠāļĄāļēāļŠāļāļĢāļ­āļĒāļĨāļ° 21.77 āđāļĨāļ° 7.78 āļ•āļēāļĄāļĨ āļēāļ”āļš

Page 46: SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

36

āļ•āļģāļĢāļģāļ‡āļ— 4.3 āđāļŠāļ”āļ‡āļĢāļēāļĒāļĨāļ°āđ€āļ­āļĒāļ”āļœāļĨāļāļēāļĢāļˆāļ”āļāļĨāļĄ āđ‚āļ”āļĒāļˆ āļēāđāļ™āļāļ•āļēāļĄāļ•āļ§āđāļ›āļĢāļŦāļĨāļ 8 āļ•āļ§āđāļ›āļĢāļ—āđƒāļŠāđƒāļ™āļāļēāļĢāļˆāļ”āļāļĨāļĄ

āļ•āļ§āđāļ›āļĢāļ—āđƒāļŠāļˆāļ”āļāļĨāļĄ āļˆ āļēāļ™āļ§āļ™āļ„āļĢāļ§āđ€āļĢāļ­āļ™āđƒāļ™āđāļ•āļĨāļ°āļāļĨāļĄ (āļ„āļĢāļ§āđ€āļĢāļ­āļ™(āļĢāļ­āļĒāļĨāļ°))

āļāļĨāļĄāļ— 1 āļāļĨāļĄāļ— 2 āļāļĨāļĄāļ— 3

3,084(7.78) 27,923(70.45) 8,626(21.77)

āļ„āļēāđƒāļŠāļˆāļēāļĒāļ­āļēāļŦāļēāļĢāđāļĨāļ°āđ€āļ„āļĢāļ­āļ‡āļ”āļĄāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™

āļ™āļ­āļĒāļāļ§āļē 2,001 āļšāļēāļ— 40(1.30) 3,110(11.14) 16(0.19)

2,001-4,500 āļšāļēāļ— 710(23.02) 14,856(53.20) 886(10.27)

4,501-7,000 āļšāļēāļ— 1,219(39.53) 8,160(29.22) 2,826(32.76)

7,001-10,000 āļšāļēāļ— 791(25.65) 1,699(6.08) 3,086(35.78)

āļĄāļēāļāļāļ§āļē 10,000 āļšāļēāļ— 324(10.51) 98(0.35) 1,812(21.01) āļ„āļēāđƒāļŠāļˆāļēāļĒāļĒāļēāļŠāļšāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™

āđ„āļĄāļĄ 0(0.00) 19,341(69.27) 7,257(84.13)

1-200 āļšāļēāļ— 0(0.00) 7,445(26.66) 852(9.88)

201-500 āļšāļēāļ— 1,127(36.54) 1,137(4.07) 488(5.66)

āļĄāļēāļāļāļ§āļē 500 āļšāļēāļ— 1,957(63.46) 0(0.00) 29(0.34) āļ„āļēāđƒāļŠāļˆāļēāļĒāļ—āđ„āļĄāđ€āļāļĒāļ§āļāļšāļāļēāļĢāļ­āļ›āđ‚āļ āļ„āļšāļĢāđ‚āļ āļ„āļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™

āđ„āļĄāļĄ 19(0.62) 411(1.47) 9(0.10) 1-1,000 āļšāļēāļ— 1,370(44.42) 20,010(71.66) 1,570(18.20) 1,001-3,000 āļšāļēāļ— 1,082(35.08) 5,621(20.13) 3,030(35.13) 3,001-6,000 āļšāļēāļ— 431(13.98) 1,552(5.56) 2,219(25.72) āļĄāļēāļāļāļ§āļē 6,000 āļšāļēāļ— 182(5.90) 329(1.18) 1,798(20.84)

āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļžāļ­āļ—āļ­āļĒāļ­āļēāļĻāļĒ āđ€āļ„āļĢāļ­āļ‡āđāļ•āļ‡āļšāļēāļ™āļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™

āļ™āļ­āļĒāļāļ§āļē 2,001 āļšāļēāļ— 998(32.36) 15,546(55.67) 766(8.88)

2,001-4,000 āļšāļēāļ— 1,471(47.70) 10,158(36.38) 3,659(42.42)

4,001-8,000 āļšāļēāļ— 556(18.03) 2,007(7.19) 3,357(38.92)

āļĄāļēāļāļāļ§āļē 8,000 āļšāļēāļ— 59(1.91) 212(0.76) 844(9.78) āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ§āļŠāļ āļ“āļ‘āđāļĨāļ°āļ„āļēāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ āļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™

āđ„āļĄāļĄāļ„āļēāđƒāļŠāļˆāļēāļĒ 1,207(39.14) 13,177(47.19) 3,427(39.73)

1-500 āļšāļēāļ— 1,554(50.39) 12,774(45.75) 3,595(41.68)

501-1,000 āļšāļēāļ— 197(6.39) 1,113(3.99) 715(8.29)

1,001-1,500 āļšāļēāļ— 53(1.72) 382(1.37) 297(3.44) āļĄāļēāļāļāļ§āļē 1,500 āļšāļēāļ— 73(2.37) 477(1.71) 592(6.86)

Page 47: SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

37

āļ•āļģāļĢāļģāļ‡āļ— 4.3 āđāļŠāļ”āļ‡āļĢāļēāļĒāļĨāļ°āđ€āļ­āļĒāļ”āļœāļĨāļāļēāļĢāļˆāļ”āļāļĨāļĄ āđ‚āļ”āļĒāļˆ āļēāđāļ™āļāļ•āļēāļĄāļ•āļ§āđāļ›āļĢāļŦāļĨāļ 8 āļ•āļ§āđāļ›āļĢāļ—āđƒāļŠāđƒāļ™āļāļēāļĢāļˆāļ”āļāļĨāļĄ (āļ•āļ­)

āļ•āļ§āđāļ›āļĢāļ—āđƒāļŠāļˆāļ”āļāļĨāļĄ āļˆ āļēāļ™āļ§āļ™āļ„āļĢāļ§āđ€āļĢāļ­āļ™āđƒāļ™āđāļ•āļĨāļ°āļāļĨāļĄ (āļ„āļĢāļ§āđ€āļĢāļ­āļ™(āļĢāļ­āļĒāļĨāļ°))

āļāļĨāļĄāļ— 1 āļāļĨāļĄāļ— 2 āļāļĨāļĄāļ— 3

3,084(7.78) 27,923(70.45) 8,626(21.77)

āļ„āļēāđƒāļŠāļˆāļēāļĒāļāļēāļĢ

āđ€āļ”āļ™āļ—āļēāļ‡āđāļĨāļ°āļāļēāļĢ

āļŠāļ­āļŠāļēāļĢāļ•āļ­āđ€āļ”āļ­āļ™

āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™

āđ„āļĄāļĄ 24(0.78) 1,612(5.77) 1(0.01)

1-2,000 āļšāļēāļ— 1,296(42.02) 19,748(70.72) 818(9.48) 2,001-4,000 āļšāļēāļ— 907(29.41) 4,911(17.59) 1,808(20.96) 4,001-8,000 āļšāļēāļ— 520(16.86) 1,404(5.03) 2,726(31.60) āļĄāļēāļāļāļ§āļē 8,000 āļšāļēāļ— 337(10.93) 248(0.89) 3,273(37.94)

āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļĢāļ­āļ‡āļāļēāļĢāļĻāļāļĐāļēāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™

āđ„āļĄāļĄāļ„āļēāđƒāļŠāļˆāļēāļĒ 1,537(49.84) 15,734(56.35) 3,437(39.84)

1-400 āļšāļēāļ— 1,064(34.50) 9,871(35.35) 2,092(24.25)

401-800 āļšāļēāļ— 248(8.04) 1,358(4.86) 1,051(12.18) 801-1,600 āļšāļēāļ— 164(5.32) 757(2.71) 1,071(12.42)

āļĄāļēāļāļāļ§āļē 1,600 āļšāļēāļ— 71(2.30) 203(0.73) 975(11.30) āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļšāļ”āđ€āļ•āļĨāļ”āļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™

āļ™āļ­āļĒāļāļ§āļē 500 āļšāļēāļ— 580(18.81) 11,858(42.47) 364(4.22) 501-1,000 āļšāļēāļ— 870(28.21) 8,323(29.81) 1,068(12.38) 1,001-1,500 āļšāļēāļ— 604(19.58) 3,887(13.92) 1,321(15.31) 1,501-2,000 āļšāļēāļ— 380(12.32) 1,939(6.94) 1,284(14.89) āļĄāļēāļāļāļ§āļē 2,000 āļšāļēāļ— 650(21.08) 1,916(6.86) 4,589(53.20)

Page 48: SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

38

āļ•āļģāļĢāļģāļ‡āļ— 4.4 āđāļŠāļ”āļ‡āļĢāļēāļĒāļĨāļ°āđ€āļ­āļĒāļ”āļœāļĨāļāļēāļĢāļˆāļ”āļāļĨāļĄ āđ‚āļ”āļĒāļˆ āļēāđāļ™āļāļ•āļēāļĄāļ•āļ§āđāļ›āļĢāļ—āļ§āđ€āļ„āļĢāļēāļ°āļŦ

āļ•āļ§āđāļ›āļĢāļ—āļ§āđ€āļ„āļĢāļēāļ°āļŦ āļˆ āļēāļ™āļ§āļ™āļ„āļĢāļ§āđ€āļĢāļ­āļ™āđƒāļ™āđāļ•āļĨāļ°āļāļĨāļĄ (āļ„āļĢāļ§āđ€āļĢāļ­āļ™(āļĢāļ­āļĒāļĨāļ°))

āļāļĨāļĄāļ— 1 āļāļĨāļĄāļ— 2 āļāļĨāļĄāļ— 3 3,084(7.78) 27,923(70.45) 8,626(21.77)

āļ āļēāļ„ āļāļĢāļ‡āđ€āļ—āļžāļĄāļŦāļēāļ™āļ„āļĢ 257(8.33) 862(3.09) 873(10.12)

āļ āļēāļ„āļāļĨāļēāļ‡ 1,176(38.13) 7,346(26.31) 3,014(34.94)

āļ āļēāļ„āđ€āļŦāļ™āļ­ 487(15.79) 8,023(28.73) 1,491(17.28)

āļ āļēāļ„āļ•āļ°āļ§āļ™āļ­āļ­āļāđ€āļ‰āļĒāļ‡āđ€āļŦāļ™āļ­ 547(17.74) 8,027(28.75) 1,880(21.79)

āļ āļēāļ„āđƒāļ• 617(20.01) 3,665(13.13) 1,368(15.86) āļĢāļēāļĒāđ„āļ”āđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™

1-10,000 āļšāļēāļ— 498(16.15) 13,548(48.52) 162(1.88)

10,001-20,000 āļšāļēāļ— 1,298(42.09) 10,900(39.04) 1,263(14.64)

20,001-50,001 āļšāļēāļ— 1,144(37.09) 3,277(11.74) 5,761(66.79)

50,001-100,000 āļšāļēāļ— 134(4.35) 171(0.61) 1,284(14.89)

āļĄāļēāļāļāļ§āļē 100,000 āļšāļēāļ— 10(0.32) 27(0.10) 156(1.81) āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™

āļ™āļ­āļĒāļāļ§āļē 10,001 āļšāļēāļ— 489(15.86) 15,867(56.82) 0(0.00)

10,001-20,000 āļšāļēāļ— 1,673(54.25) 11,899(42.61) 1,629(18.88)

20,001-50,000 āļšāļēāļ— 919(29.80) 157(0.56) 6,889(79.86)

āļĄāļēāļāļāļ§āļē 50,000 āļšāļēāļ— 3(0.10) 0(0.00) 108(1.25) āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļžāļ­āļāļēāļĢāļ­āļ›āđ‚āļ āļ„āļšāļĢāđ‚āļ āļ„āļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™

āļ™āļ­āļĒāļāļ§āļē 5,001 āļšāļēāļ— 979(31.74) 17,816(63.80) 110(1.28)

5,001-12,000 āļšāļēāļ— 1,518(49.22) 9,662(34.60) 3,081(35.72)

12,001-24,000 āļšāļēāļ— 537(17.41) 444(1.59) 4,571(52.99)

āļĄāļēāļāļāļ§āļē 24,000 āļšāļēāļ— 50(1.62) 1(0.00) 864(10.02) āļ‚āļ™āļēāļ”āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™

1- 2 āļ„āļ™ 898(29.12) 12,788(45.80) 2,082(24.14)

3- 4 āļ„āļ™ 1,386(44.94) 11,265(40.34) 4,173(48.38)

5- 7 āļ„āļ™ 729(23.64) 3,705(13.27) 2,204(25.55)

āļĄāļēāļāļāļ§āļē 8 āļ„āļ™āļ‚āļ™āđ„āļ› 71(2.30) 165(0.59) 167(1.94)

Page 49: SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

39

āļ•āļģāļĢāļģāļ‡āļ— 4.4 āđāļŠāļ”āļ‡āļĢāļēāļĒāļĨāļ°āđ€āļ­āļĒāļ”āļœāļĨāļāļēāļĢāļˆāļ”āļāļĨāļĄ āđ‚āļ”āļĒāļˆ āļēāđāļ™āļāļ•āļēāļĄāļ•āļ§āđāļ›āļĢāļ—āļ§āđ€āļ„āļĢāļēāļ°āļŦ (āļ•āļ­)

āļ•āļ§āđāļ›āļĢāļ—āļ§āđ€āļ„āļĢāļēāļ°āļŦ āļˆ āļēāļ™āļ§āļ™āļ„āļĢāļ§āđ€āļĢāļ­āļ™āđƒāļ™āđāļ•āļĨāļ°āļāļĨāļĄ (āļ„āļĢāļ§āđ€āļĢāļ­āļ™(āļĢāļ­āļĒāļĨāļ°))

āļāļĨāļĄāļ— 1 āļāļĨāļĄāļ— 2 āļāļĨāļĄāļ— 3 3,084(7.78) 27,923(70.45) 8,626(21.77)

āļŠāļĄāļēāļŠāļāļ—āđ„āļ”āļĢāļš

āļšāļ•āļĢāļ›āļĢāļ°āļāļ™

āļŠāļ‚āļ āļēāļž

āđ„āļĄāļĄ 573(18.58) 4,022(14.40) 2,718(31.51) 1 āļ„āļ™ 417(13.52) 4,939(17.69) 1,105(12.81) 2-3 āļ„āļ™ 1,125(36.48) 11,991(42.94) 2,597(30.11) āļĄāļēāļāļāļ§āļē 3 āļ„āļ™ 969(31.42) 6,971(24.97) 2,206(25.57)

āļĢāļ°āļ”āļšāļāļēāļĢāļĻāļāļĐāļē

āļŠāļ‡āļŠāļ”āļ‚āļ­āļ‡

āļŦāļ§āļŦāļ™āļē

āļ„āļĢāļ§āđ€āļĢāļ­āļ™

āļ• āļēāļāļ§āļēāļĄāļ˜āļĒāļĄāļĻāļāļĐāļē 1,728(56.03) 18,855(67.52) 3,402(39.44) āļĄāļ˜āļĒāļĄāļĻāļāļĐāļē 905(29.35) 4,854(17.38) 2,302(26.69) āļ­āļ™āļ›āļĢāļāļāļē 148(4.80) 651(2.33) 591(6.85) āļ›āļĢāļāļāļēāļ•āļĢ 164(5.32) 1,272(4.56) 1,880(21.79) āļŠāļ‡āļāļ§āļēāļ›āļĢāļāļāļēāļ•āļĢ 12(0.39) 66(0.24) 313(3.63) āļāļēāļĢāļĻāļāļĐāļēāļ­āļ™āđ† 127(4.12) 2,225(7.97) 138(1.60)

āļˆāļēāļāļ•āļēāļĢāļēāļ‡āļ— 4.3 āđāļŠāļ”āļ‡āđƒāļŦāđ€āļŦāļ™āļ–āļ‡āļˆ āļēāļ™āļ§āļ™āļ„āļĢāļ§āđ€āļĢāļ­āļ™āđƒāļ™āđāļ•āļĨāļ°āļ•āļ§āđāļ›āļĢāļ•āļēāļ‡āđ† āđ‚āļ”āļĒāđƒāļ™āđāļ•āļĨāļ°āļāļĨāļĄāļ™āļ™

āļˆāļ°āļĄāļĨāļāļĐāļ“āļ°āđ‚āļ”āļĒāļ—āļ§āđ„āļ› āđāļĨāļ°āļžāļĪāļ•āļāļĢāļĢāļĄāļāļēāļĢāđƒāļŠāļˆāļēāļĒāļ‚āļ­āļ‡āļāļĨāļĄāđāļ•āļāļ•āļēāļ‡āļāļ™āđ„āļ›āļ”āļ‡āļ•āļ­āđ„āļ›āļ™

4.1.2.1 āļ‚āļ­āļĄāļĨāđāļŠāļ”āļ‡āļĨāļāļĐāļ“āļ°āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ āļˆ āļēāļ™āļ§āļ™ 3 āļāļĨāļĄ

1) āļ‚āļ­āļĄāļĨāđāļŠāļ”āļ‡āļĨāļāļĐāļ“āļ°āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ āđƒāļ™āļāļĨāļĄāļ— 1 āļˆ āļēāļ™āļ§āļ™āļĢāļēāļĒāļāļēāļĢāļ—āļ‡āļŦāļĄāļ”āđƒāļ™āļāļĨāļĄāļ— 1 āļ™ āļĄāļˆ āļēāļ™āļ§āļ™āļ—āļ‡āļŠāļ™ 3,084 āļĢāļēāļĒāļāļēāļĢ āļŦāļĢāļ­āļ„āļ”āđ€āļ›āļ™āļĢāļ­āļĒāļĨāļ° 7.78

āļ‚āļ­āļ‡āļˆ āļēāļ™āļ§āļ™āļĢāļēāļĒāļāļēāļĢāļ—āļ‡āļŦāļĄāļ” āļĨāļāļĐāļ“āļ°āđ‚āļ”āļĒāļ—āļ§āđ„āļ›āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ āļēāļĒāđƒāļ™āļāļĨāļĄāļ™ āļŠāļ§āļ™āđƒāļŦāļāļĄāļ„āļēāđƒāļŠāļˆāļēāļĒāļ­āļēāļŦāļēāļĢ

āđāļĨāļ°āđ€āļ„āļĢāļ­āļ‡āļ”āļĄāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ­āļĒāđƒāļ™āļŠāļ§āļ‡ 4,501-7,000 āļšāļēāļ— āđāļĨāļ° 7,001-10,000 āļšāļēāļ— āļ„āļ”āđ€āļ›āļ™āļĢāļ­āļĒāļĨāļ°

39.53 āđāļĨāļ° 25.65 āļ•āļēāļĄāļĨ āļēāļ”āļš āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļŠāļ§āļ™āđƒāļŦāļāļĄāļ„āļēāđƒāļŠāļˆāļēāļĒāļĒāļēāļŠāļšāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ­āļĒāđƒāļ™āļŠāļ§āļ‡

āļĄāļēāļāļāļ§āļē 500 āļšāļēāļ— āļ„āļ”āđ€āļ›āļ™āļĢāļ­āļĒāļĨāļ° 63.46 āļĢāļ­āļ‡āļĨāļ‡āļĄāļēāļ„āļ­ 201-500 āļšāļēāļ— āļ„āļ”āđ€āļ›āļ™āļĢāļ­āļĒāļĨāļ° 36.54 āļĄāļ„āļēāđƒāļŠāļˆāļēāļĒāļ—

āđ„āļĄāđ€āļāļĒāļ§āļāļšāļāļēāļĢāļ­āļ›āđ‚āļ āļ„āļšāļĢāđ‚āļ āļ„āļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ­āļĒāđƒāļ™āļŠāļ§āļ‡ 1-1,000 āļšāļēāļ— āđāļĨāļ° 1,001-3,000 āļšāļēāļ— āļ„āļ”

āđ€āļ›āļ™āļĢāļ­āļĒāļĨāļ° 44.42 āđāļĨāļ° 35.08 āļ•āļēāļĄāļĨ āļēāļ”āļš āļĄāļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļžāļ­āļ—āļ­āļĒāļ­āļēāļĻāļĒ āđāļĨāļ°āđ€āļ„āļĢāļ­āļ‡āđāļ•āļ‡āļšāļēāļ™āļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡

āļ„āļĢāļ§āđ€āļĢāļ­āļ™ āļ­āļĒāđƒāļ™āļŠāļ§āļ‡ 2,001-4,000 āļšāļēāļ— āļĄāļēāļāļ—āļŠāļ”āļ„āļ”āđ€āļ›āļ™āļĢāļ­āļĒāļĨāļ° 47.70 āļĄāļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ§āļŠāļ āļ“āļ‘āđāļĨāļ°āļ„āļēāļ•āļĢāļ§āļˆ

āļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ­āļĒāđƒāļ™āļŠāļ§āļ‡ 1-500 āļšāļēāļ— āļĄāļēāļāļ—āļŠāļ”āļ„āļ”āđ€āļ›āļ™āļĢāļ­āļĒāļĨāļ° 50.39 āļĢāļ­āļ‡āļĨāļ‡āļĄāļēāļ„āļ­

Page 50: SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

40

āđ„āļĄāļĄāļ„āļēāđƒāļŠāļˆāļēāļĒ āļ„āļ”āđ€āļ›āļ™āļĢāļ­āļĒāļĨāļ° 39.14 āļĄāļāļēāļĢāđƒāļŠāļˆāļēāļĒāđ€āļāļĒāļ§āļāļšāļāļēāļĢāđ€āļ”āļ™āļ—āļēāļ‡āđāļĨāļ°āļāļēāļĢāļŠāļ­āļŠāļēāļĢāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡

āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ­āļĒāđƒāļ™āļŠāļ§āļ‡ 1-2,000 āļšāļēāļ— āļĄāļēāļāļ—āļŠāļ”āļ„āļ”āđ€āļ›āļ™āļĢāļ­āļĒāļĨāļ° 42.02 āđ„āļĄāļĄāļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļĢāļ­āļ‡āļāļēāļĢāļĻāļāļĐāļēāļĄāļēāļāļ—āļŠāļ”

āļ„āļ”āđ€āļ›āļ™āļĢāļ­āļĒāļĨāļ° 49.84 āļĢāļ­āļ‡āļĨāļ‡āļĄāļēāļ„āļ­ 1-400 āļšāļēāļ— āļ„āļ”āđ€āļ›āļ™āļĢāļ­āļĒāļĨāļ° 34.5 āļĄāļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļšāļ”āđ€āļ•āļĨāļ”āļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡

āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ­āļĒāđƒāļ™āļŠāļ§āļ‡ 501-1000 āļšāļēāļ— āļĄāļēāļāļ—āļŠāļ”āļ„āļ”āđ€āļ›āļ™āļĢāļ­āļĒāļĨāļ° 28.21 āļĢāļ­āļ‡āļĨāļ‡āļĄāļēāļ„āļ­ āļĄāļēāļāļāļ§āļē 2,000 āļšāļēāļ—

āđāļĨāļ° 1,001-1,500 āļšāļēāļ— āļ„āļ”āđ€āļ›āļ™āļĢāļ­āļĒāļĨāļ° 21.08 āđāļĨāļ° 19.58 āļ•āļēāļĄāļĨ āļēāļ”āļš

āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ—āļ­āļĒāđƒāļ™āļāļĨāļĄāļ— 1 āļ­āļĒāđƒāļ™āļ āļēāļ„āļāļĨāļēāļ‡āļĄāļēāļāļ—āļŠāļ”āļ„āļ”āđ€āļ›āļ™āļĢāļ­āļĒāļĨāļ° 38.13 āļĢāļ­āļ‡āļĨāļ‡āļĄāļēāļ„āļ­ āļ āļēāļ„āđƒāļ•

āđāļĨāļ°āļ āļēāļ„āļ•āļ°āļ§āļ™āļ­āļ­āļāđ€āļ‰āļĒāļ‡āđ€āļŦāļ™āļ­āļ„āļ”āđ€āļ›āļ™āļĢāļ­āļĒāļĨāļ° 20.01 āđāļĨāļ° 17.74 āļ•āļēāļĄāļĨ āļēāļ”āļš āļĄāļĢāļēāļĒāđ„āļ”āđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ­āļĒ

āđƒāļ™āļŠāļ§āļ‡ 10,001-20,000 āļšāļēāļ— āļĄāļēāļāļ—āļŠāļ”āļ„āļ”āđ€āļ›āļ™āļĢāļ­āļĒāļĨāļ° 42.09 āļĢāļ­āļ‡āļĨāļ‡āļĄāļēāļ„āļ­ 20,001-50,001 āļšāļēāļ— āļ„āļ”āđ€āļ›āļ™

āļĢāļ­āļĒāļĨāļ° 37.09 āļĄāļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ­āļĒāđƒāļ™āļŠāļ§āļ‡ 10,001-20,000 āļšāļēāļ— āļ„āļ”āđ€āļ›āļ™āļĢāļ­āļĒāļĨāļ°

54.25 āļĢāļ­āļ‡āļĨāļ‡āļĄāļēāļ„āļ­ 20,001-50,000 āļšāļēāļ— āļ„āļ”āđ€āļ›āļ™āļĢāļ­āļĒāļĨāļ° 29.80 āļĄāļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļžāļ­āļāļēāļĢāļ­āļ›āđ‚āļ āļ„āļšāļĢāđ‚āļ āļ„āļ•āļ­

āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ āļ­āļĒāđƒāļ™āļŠāļ§āļ‡ 5,001-12,000 āļšāļēāļ— āđāļĨāļ°āļ™āļ­āļĒāļāļ§āļē 5,001 āļšāļēāļ— āļĄāļēāļāļ—āļŠāļ”āļ„āļ”āđ€āļ›āļ™āļĢāļ­āļĒāļĨāļ°

49.22 āđāļĨāļ° 31.74 āļ•āļēāļĄāļĨ āļēāļ”āļš āļĄāļˆ āļēāļ™āļ§āļ™āļŠāļĄāļēāļŠāļāļ„āļĢāļ§āđ€āļĢāļ­āļ™āļˆ āļēāļ™āļ§āļ™ 3-4 āļ„āļ™ āļĄāļēāļāļ—āļŠāļ” āļ„āļ”āđ€āļ›āļ™āļĢāļ­āļĒāļĨāļ° 44.94

āļĢāļ­āļ‡āļĨāļ‡āļĄāļēāļ„āļ­ 1-2 āļ„āļ™ āļ„āļ”āđ€āļ›āļ™āļĢāļ­āļĒāļĨāļ° 29.12 āļĄāļˆ āļēāļ™āļ§āļ™āļŠāļĄāļēāļŠāļāļ—āđ„āļ”āļĢāļšāļšāļ•āļĢāļ›āļĢāļ°āļāļ™āļŠāļ‚āļ āļēāļž 2-3 āļ„āļ™āļĄāļēāļāļ—āļŠāļ”

āļ„āļ”āđ€āļ›āļ™āļĢāļ­āļĒāļĨāļ° 36.48 āļĢāļ­āļ‡āļĨāļ‡āļĄāļēāļ„āļ­āļĄāļēāļāļāļ§āļē 3 āļ„āļ™āļ‚āļ™āđ„āļ› āļĢāļ­āļĒāļĨāļ° 31.42 āļŦāļ§āļŦāļ™āļēāļ„āļĢāļ§āđ€āļĢāļ­āļ™āļĄāļĢāļ°āļ”āļšāļāļēāļĢāļĻāļāļĐāļē

āļŠāļ‡āļŠāļ”āļ­āļĒāđƒāļ™āļŠāļ§āļ‡āļ• āļēāļāļ§āļēāļĄāļ˜āļĒāļĄāļĻāļāļĐāļēāļĄāļēāļāļ—āļŠāļ” āļ„āļ”āđ€āļ›āļ™āļĢāļ­āļĒāļĨāļ° 56.03 āļĢāļ­āļ‡āļĨāļ‡āļĄāļēāļ„āļ­āļĢāļ°āļ”āļšāļĄāļ˜āļĒāļĄāļĻāļāļĐāļē āđāļĨāļ°

āļĢāļ°āļ”āļšāļ›āļĢāļāļāļēāļ•āļĢ āļ„āļ”āđ€āļ›āļ™āļĢāļ­āļĒāļĨāļ° 29.35 āđāļĨāļ° 5.32 āļ•āļēāļĄāļĨ āļēāļ”āļš

2) āļ‚āļ­āļĄāļĨāđāļŠāļ”āļ‡āļĨāļāļĐāļ“āļ°āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ āđƒāļ™āļāļĨāļĄāļ— 2 āļˆ āļēāļ™āļ§āļ™āļĢāļēāļĒāļāļēāļĢāļ—āļ‡āļŦāļĄāļ”āđƒāļ™āļāļĨāļĄāļ— 2 āļ™ āļĄāļˆ āļēāļ™āļ§āļ™āļ—āļ‡āļŠāļ™ 27,923 āļĢāļēāļĒāļāļēāļĢ āļŦāļĢāļ­āļ„āļ”āđ€āļ›āļ™āļĢāļ­āļĒāļĨāļ° 70.45

āļ‚āļ­āļ‡āļˆ āļēāļ™āļ§āļ™āļĢāļēāļĒāļāļēāļĢāļ—āļ‡āļŦāļĄāļ” āļĨāļāļĐāļ“āļ°āđ‚āļ”āļĒāļ—āļ§āđ„āļ›āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āđƒāļ™āļ āļēāļĒāļāļĨāļĄāļ™āļŠāļ§āļ™āđƒāļŦāļāļĄāļ„āļēāđƒāļŠāļˆāļēāļĒāļ­āļēāļŦāļēāļĢ

āđāļĨāļ°āđ€āļ„āļĢāļ­āļ‡āļ”āļĄāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ­āļĒāđƒāļ™āļŠāļ§āļ‡ 2,001-4,500 āļšāļēāļ— āđāļĨāļ° 4,501-7,000 āļšāļēāļ— āļ„āļ”āđ€āļ›āļ™āļĢāļ­āļĒāļĨāļ°

53.20 āđāļĨāļ° 29.22 āļ•āļēāļĄāļĨ āļēāļ”āļš āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļŠāļ§āļ™āđƒāļŦāļāđ„āļĄāļĄāļ„āļēāđƒāļŠāļˆāļēāļĒāļĒāļēāļŠāļšāļ•āļ­āđ€āļ”āļ­āļ™āļ„āļ”āđ€āļ›āļ™āļĢāļ­āļĒāļĨāļ° 69.27 āļĄ

āļ„āļēāđƒāļŠāļˆāļēāļĒāļ—āđ„āļĄāđ€āļāļĒāļ§āļāļšāļāļēāļĢāļ­āļ›āđ‚āļ āļ„āļšāļĢāđ‚āļ āļ„āļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ­āļĒāđƒāļ™āļŠāļ§āļ‡ 1-1,000 āļšāļēāļ— āđāļĨāļ° 1,001-

3,000 āļšāļēāļ— āļ„āļ”āđ€āļ›āļ™āļĢāļ­āļĒāļĨāļ° 71.66 āđāļĨāļ° 20.13 āļ•āļēāļĄāļĨ āļēāļ”āļš āļĄāļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļžāļ­āļ—āļ­āļĒāļ­āļēāļĻāļĒāđāļĨāļ°āđ€āļ„āļĢāļ­āļ‡āđāļ•āļ‡āļšāļēāļ™āļ•āļ­

āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ­āļĒāđƒāļ™āļŠāļ§āļ‡āļ™āļ­āļĒāļāļ§āļē 2,001 āļšāļēāļ— āļĄāļēāļāļ—āļŠāļ”āļ„āļ”āđ€āļ›āļ™āļĢāļ­āļĒāļĨāļ° 55.67 āđ„āļĄāļĄāļ„āļēāđƒāļŠāļˆāļēāļĒ

āđ€āļ§āļŠāļ āļ“āļ‘āđāļĨāļ°āļ„āļēāļ•āļĢāļ§āļˆāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļĄāļēāļāļ—āļŠāļ”āļ„āļ”āđ€āļ›āļ™āļĢāļ­āļĒāļĨāļ° 47.19 āļĢāļ­āļ‡āļĨāļ‡āļĄāļēāļ„āļ­

1-500 āļšāļēāļ— āļ„āļ”āđ€āļ›āļ™āļĢāļ­āļĒāļĨāļ° 45.75 āļĄāļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļāļĒāļ§āļāļšāļāļēāļĢāđ€āļ”āļ™āļ—āļēāļ‡āđāļĨāļ°āļāļēāļĢāļŠāļ­āļŠāļēāļĢāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™

āļ­āļĒāđƒāļ™āļŠāļ§āļ‡ 1-2,000 āļšāļēāļ— āļĄāļēāļāļ—āļŠāļ”āļ„āļ”āđ€āļ›āļ™āļĢāļ­āļĒāļĨāļ° 70.72 āļĢāļ­āļ‡āļĨāļ‡āļĄāļēāļ„āļ­ 2,001-4,000 āļšāļēāļ— āļ„āļ”āđ€āļ›āļ™āļĢāļ­āļĒāļĨāļ°

Page 51: SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

41

17.59 āđ„āļĄāļĄāļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļĢāļ­āļ‡āļāļēāļĢāļĻāļāļĐāļēāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļĄāļēāļāļ—āļŠāļ”āļ„āļ”āđ€āļ›āļ™āļĢāļ­āļĒāļĨāļ° 56.35 āļĢāļ­āļ‡āļĨāļ‡āļĄāļēāļ„āļ­ 1-

400 āļšāļēāļ— āļ„āļ”āđ€āļ›āļ™āļĢāļ­āļĒāļĨāļ° 35.35 āļĄāļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļšāļ”āđ€āļ•āļĨāļ”āļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ­āļĒāđƒāļ™āļŠāļ§āļ‡āļ™āļ­āļĒāļāļ§āļē 500 āļšāļēāļ—

āļĄāļēāļāļ—āļŠāļ”āļ„āļ”āđ€āļ›āļ™āļĢāļ­āļĒāļĨāļ° 42.47 āļĢāļ­āļ‡āļĨāļ‡āļĄāļēāļ„āļ­ 501-1,000 āļšāļēāļ— āđāļĨāļ° 1,001-1,500 āļšāļēāļ— āļ„āļ”āđ€āļ›āļ™āļĢāļ­āļĒāļĨāļ° 29.81

āđāļĨāļ° 13.92 āļ•āļēāļĄāļĨ āļēāļ”āļš

āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ—āļ­āļĒāđƒāļ™āļāļĨāļĄāļ— 2 āļ­āļĒāđƒāļ™āļ āļēāļ„āļ•āļ°āļ§āļ™āļ­āļ­āļāđ€āļ‰āļĒāļ‡āđ€āļŦāļ™āļ­āļĄāļēāļāļ—āļŠāļ” āļ„āļ”āđ€āļ›āļ™āļĢāļ­āļĒāļĨāļ° 28.75

āļĢāļ­āļ‡āļĨāļ‡āļĄāļēāļ„āļ­ āļ āļēāļ„āđ€āļŦāļ™āļ­āđāļĨāļ°āļ āļēāļ„āļāļĨāļēāļ‡ āļ„āļ”āđ€āļ›āļ™āļĢāļ­āļĒāļĨāļ° 28.73 āđāļĨāļ° 26.31 āļ•āļēāļĄāļĨ āļēāļ”āļš āļĄāļĢāļēāļĒāđ„āļ”āđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™

āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ­āļĒāđƒāļ™āļŠāļ§āļ‡ 1-10,000 āļšāļēāļ— āļĄāļēāļāļ—āļŠāļ”āļ„āļ”āđ€āļ›āļ™āļĢāļ­āļĒāļĨāļ° 48.52 āļĢāļ­āļ‡āļĨāļ‡āļĄāļēāļ„āļ­ 10,001-20,000 āļšāļēāļ—

āļ„āļ”āđ€āļ›āļ™āļĢāļ­āļĒāļĨāļ° 39.04 āļĄāļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ­āļĒāđƒāļ™āļŠāļ§āļ‡āļ™āļ­āļĒāļāļ§āļē 10,001 āļšāļēāļ— āļĄāļēāļāļ—āļŠāļ”

āļ„āļ”āđ€āļ›āļ™āļĢāļ­āļĒāļĨāļ° 56.82 āļĄāļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļžāļ­āļāļēāļĢāļ­āļ›āđ‚āļ āļ„āļšāļĢāđ‚āļ āļ„āļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ­āļĒāđƒāļ™āļŠāļ§āļ‡āļ™āļ­āļĒāļāļ§āļē 5,001

āļšāļēāļ—āļĄāļēāļāļ—āļŠāļ” āļĢāļ­āļ‡āļĨāļ‡āļĄāļēāļ„āļ­ 5,001-12,000 āļšāļēāļ— āļ„āļ”āđ€āļ›āļ™āļĢāļ­āļĒāļĨāļ° 63.80 āđāļĨāļ° 34.60 āļ•āļēāļĄāļĨ āļēāļ”āļš āļĄāļˆ āļēāļ™āļ§āļ™

āļŠāļĄāļēāļŠāļāļ„āļĢāļ§āđ€āļĢāļ­āļ™āļˆ āļēāļ™āļ§āļ™ 1-2 āļ„āļ™ āļĄāļēāļāļ—āļŠāļ”āļ„āļ”āđ€āļ›āļ™āļĢāļ­āļĒāļĨāļ° 45.80 āļĢāļ­āļ‡āļĨāļ‡āļĄāļēāļ„āļ­ 3-4 āļ„āļ™ āļ„āļ”āđ€āļ›āļ™āļĢāļ­āļĒāļĨāļ°

40.34 āļĄāļˆ āļēāļ™āļ§āļ™āļŠāļĄāļēāļŠāļāļ—āđ„āļ”āļĢāļšāļšāļ•āļĢāļ›āļĢāļ°āļāļ™āļŠāļ‚āļ āļēāļžāļ­āļĒāđƒāļ™āļŠāļ§āļ‡ 2-3 āļ„āļ™āļĄāļēāļāļ—āļŠāļ”āļ„āļ”āđ€āļ›āļ™āļĢāļ­āļĒāļĨāļ° 42.94

āļĢāļ­āļ‡āļĨāļ‡āļĄāļēāļ„āļ­ āļĄāļēāļāļāļ§āļē 3 āļ„āļ™āļ‚āļ™āđ„āļ›āļ„āļ”āđ€āļ›āļ™āļĢāļ­āļĒāļĨāļ° 24.97 āļŦāļ§āļŦāļ™āļēāļ„āļĢāļ§āđ€āļĢāļ­āļ™āļĄāļĢāļ°āļ”āļšāļāļēāļĢāļĻāļāļĐāļēāļŠāļ‡āļŠāļ”āļ­āļĒ

āđƒāļ™āļŠāļ§āļ‡āļ• āļēāļāļ§āļēāļĄāļ˜āļĒāļĄāļĻāļāļĐāļēāļĄāļēāļāļ—āļŠāļ”āļ„āļ”āđ€āļ›āļ™āļĢāļ­āļĒāļĨāļ° 67.52 āļĢāļ­āļ‡āļĨāļ‡āļĄāļēāļ„āļ­āļĢāļ°āļ”āļšāļĄāļ˜āļĒāļĄāļĻāļāļĐāļēāļ„āļ”āđ€āļ›āļ™āļĢāļ­āļĒāļĨāļ°

17.38

3) āļ‚āļ­āļĄāļĨāđāļŠāļ”āļ‡āļĨāļāļĐāļ“āļ°āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ āđƒāļ™āļāļĨāļĄāļ— 3 āļˆ āļēāļ™āļ§āļ™āļĢāļēāļĒāļāļēāļĢāļ—āļ‡āļŦāļĄāļ”āđƒāļ™āļāļĨāļĄāļ— 3 āļ™ āļĄāļˆ āļēāļ™āļ§āļ™āļ—āļ‡āļŠāļ™ 8,626 āļĢāļēāļĒāļāļēāļĢ āļŦāļĢāļ­āļ„āļ”āđ€āļ›āļ™āļĢāļ­āļĒāļĨāļ° 21.77

āļ‚āļ­āļ‡āļˆ āļēāļ™āļ§āļ™āļĢāļēāļĒāļāļēāļĢāļ—āļ‡āļŦāļĄāļ” āļĨāļāļĐāļ“āļ°āđ‚āļ”āļĒāļ—āļ§āđ„āļ›āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āđƒāļ™āļ āļēāļĒāļāļĨāļĄāļ™ āļŠāļ§āļ™āđƒāļŦāļāļĄāļ„āļēāđƒāļŠāļˆāļēāļĒāļ­āļēāļŦāļēāļĢ

āđāļĨāļ°āđ€āļ„āļĢāļ­āļ‡āļ”āļĄāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ­āļĒāđƒāļ™āļŠāļ§āļ‡ 7,001-10,000 āļšāļēāļ—āđāļĨāļ° 4,501-7,000 āļšāļēāļ— āļ„āļ”āđ€āļ›āļ™āļĢāļ­āļĒāļĨāļ°

35.78 āđāļĨāļ° 32.76 āļ•āļēāļĄāļĨ āļēāļ”āļš āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļŠāļ§āļ™āđƒāļŦāļāđ„āļĄāļĄāļ„āļēāđƒāļŠāļˆāļēāļĒāļĒāļēāļŠāļšāļ•āļ­āđ€āļ”āļ­āļ™āļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ āļ„āļ”

āđ€āļ›āļ™āļĢāļ­āļĒāļĨāļ° 84.13 āļĄāļ„āļēāđƒāļŠāļˆāļēāļĒāļ—āđ„āļĄāđ€āļāļĒāļ§āļāļšāļāļēāļĢāļ­āļ›āđ‚āļ āļ„āļšāļĢāđ‚āļ āļ„āļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ­āļĒāđƒāļ™āļŠāļ§āļ‡ 1,001-

3,000 āļšāļēāļ— āđāļĨāļ° 3,001-6,000 āļšāļēāļ— āļ„āļ”āđ€āļ›āļ™āļĢāļ­āļĒāļĨāļ° 35.13 āđāļĨāļ° 25.72 āļ•āļēāļĄāļĨ āļēāļ”āļš āļĄāļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļžāļ­āļ—āļ­āļĒāļ­āļēāļĻāļĒ

āđāļĨāļ°āđ€āļ„āļĢāļ­āļ‡āđāļ•āļ‡āļšāļēāļ™āļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ āļ­āļĒāđƒāļ™āļŠāļ§āļ‡ 2,001-4,000 āļšāļēāļ—āļĄāļēāļāļ—āļŠāļ” āļ„āļ”āđ€āļ›āļ™āļĢāļ­āļĒāļĨāļ° 42.42 āļĄ

āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ§āļŠāļ āļ“āļ‘āđāļĨāļ°āļ„āļēāļ•āļĢāļ§āļˆāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ āļ­āļĒāđƒāļ™āļŠāļ§āļ‡ 1-500 āļšāļēāļ— āļĄāļēāļāļ—āļŠāļ” āļ„āļ”

āđ€āļ›āļ™āļĢāļ­āļĒāļĨāļ° 41.68 āļĢāļ­āļ‡āļĨāļ‡āļĄāļēāļ„āļ­ āđ„āļĄāļĄāļ„āļēāđƒāļŠāļˆāļēāļĒ āļ„āļ”āđ€āļ›āļ™āļĢāļ­āļĒāļĨāļ° 39.73 āļĄāļāļēāļĢāđƒāļŠāļˆāļēāļĒāđ€āļāļĒāļ§āļāļšāļāļēāļĢāđ€āļ”āļ™āļ—āļēāļ‡

āđāļĨāļ°āļāļēāļĢāļŠāļ­āļŠāļēāļĢāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ āļĄāļēāļāļāļ§āļē 8,000 āļšāļēāļ—āļĄāļēāļāļ—āļŠāļ” āļ„āļ”āđ€āļ›āļ™āļĢāļ­āļĒāļĨāļ° 37.94 āļĢāļ­āļ‡āļĨāļ‡āļĄāļēāļ„āļ­

4,001-8,000 āļšāļēāļ— āļ„āļ”āđ€āļ›āļ™āļĢāļ­āļĒāļĨāļ° 31.60 āđ„āļĄāļĄāļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļĢāļ­āļ‡āļāļēāļĢāļĻāļāļĐāļēāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ āļĄāļēāļāļ—āļŠāļ”

Page 52: SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

42

āļ„āļ”āđ€āļ›āļ™āļĢāļ­āļĒāļĨāļ° 39.84 āļĢāļ­āļ‡āļĨāļ‡āļĄāļēāļ„āļ­ 1-400 āļšāļēāļ— āļ„āļ”āđ€āļ›āļ™āļĢāļ­āļĒāļĨāļ° 24.25 āļĄāļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļšāļ”āđ€āļ•āļĨāļ”āļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡

āļ„āļĢāļ§āđ€āļĢāļ­āļ™ āļ­āļĒāđƒāļ™āļŠāļ§āļ‡ āļĄāļēāļāļāļ§āļē 2,000 āļšāļēāļ— āļĄāļēāļāļ—āļŠāļ” āļ„āļ”āđ€āļ›āļ™āļĢāļ­āļĒāļĨāļ° 53.20 āļĢāļ­āļ‡āļĨāļ‡āļĄāļēāļ„āļ­ 1,001-1,500 āļšāļēāļ—

āđāļĨāļ° 1,501-2,000 āļšāļēāļ—āļ„āļ”āđ€āļ›āļ™āļĢāļ­āļĒāļĨāļ° 15.31 āđāļĨāļ° 14.89 āļ•āļēāļĄāļĨ āļēāļ”āļš

āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ—āļ­āļĒāđƒāļ™āļāļĨāļĄāļ— 3 āļ­āļĒāđƒāļ™āļ āļēāļ„āļāļĨāļēāļ‡āļĄāļēāļāļ—āļŠāļ” āļ„āļ”āđ€āļ›āļ™āļĢāļ­āļĒāļĨāļ° 34.94 āļĢāļ­āļ‡āļĨāļ‡āļĄāļēāļ„āļ­ āļ āļēāļ„

āļ•āļ°āļ§āļ™āļ­āļ­āļāđ€āļ‰āļĒāļ‡āđ€āļŦāļ™āļ­āđāļĨāļ°āļ āļēāļ„āđ€āļŦāļ™āļ­ āļ„āļ”āđ€āļ›āļ™āļĢāļ­āļĒāļĨāļ° 21.79 āđāļĨāļ° 17.28 āļ•āļēāļĄāļĨ āļēāļ”āļš āļĄāļĢāļēāļĒāđ„āļ”āđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ­āļĒ

āđƒāļ™āļŠāļ§āļ‡ 20,001-50,001 āļšāļēāļ—āļĄāļēāļāļ—āļŠāļ” āļ„āļ”āđ€āļ›āļ™āļĢāļ­āļĒāļĨāļ° 66.79 āļĢāļ­āļ‡āļĨāļ‡āļĄāļēāļ„āļ­ 50,001-100,000 āļšāļēāļ— āļ„āļ”āđ€āļ›āļ™

āļĢāļ­āļĒāļĨāļ° 14.89 āļĄāļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ­āļĒāđƒāļ™āļŠāļ§āļ‡ 20,001-50,000 āļšāļēāļ—āļĄāļēāļāļ—āļŠāļ” āļ„āļ”āđ€āļ›āļ™

āļĢāļ­āļĒāļĨāļ° 79.86 āļĄāļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļžāļ­āļāļēāļĢāļ­āļ›āđ‚āļ āļ„āļšāļĢāđ‚āļ āļ„āļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ āļ­āļĒāđƒāļ™āļŠāļ§āļ‡ 12,001-24,000 āļšāļēāļ—

āļĄāļēāļāļ—āļŠāļ” āļĢāļ­āļ‡āļĨāļ‡āļĄāļēāļ„āļ­ 5,001-12,000 āļšāļēāļ— āļ„āļ”āđ€āļ›āļ™āļĢāļ­āļĒāļĨāļ° 52.99 āđāļĨāļ° 35.72 āļ•āļēāļĄāļĨ āļēāļ”āļš āļĄāļˆ āļēāļ™āļ§āļ™āļŠāļĄāļēāļŠāļ

āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļˆ āļēāļ™āļ§āļ™ 3-4 āļ„āļ™ āļĄāļēāļāļ—āļŠāļ” āļ„āļ”āđ€āļ›āļ™āļĢāļ­āļĒāļĨāļ° 48.38 āļĢāļ­āļ‡āļĨāļ‡āļĄāļēāļ„āļ­ 5-7 āļ„āļ™ āļ„āļ”āđ€āļ›āļ™āļĢāļ­āļĒāļĨāļ° 25.55 āđ„āļĄāļĄ

āļˆ āļēāļ™āļ§āļ™āļŠāļĄāļēāļŠāļāļ—āđ„āļ”āļĢāļšāļšāļ•āļĢāļ›āļĢāļ°āļāļ™āļŠāļ‚āļ āļēāļžāļĄāļēāļāļ—āļŠāļ” āļ„āļ”āđ€āļ›āļ™āļĢāļ­āļĒāļĨāļ° 31.51 āļĢāļ­āļ‡āļĨāļ‡āļĄāļēāļ„āļ­ 2-3 āļ„āļ™ āļ„āļ”āđ€āļ›āļ™

āļĢāļ­āļĒāļĨāļ° 30.11 āļŦāļ§āļŦāļ™āļēāļ„āļĢāļ§āđ€āļĢāļ­āļ™āļĄāļĢāļ°āļ”āļšāļāļēāļĢāļĻāļāļĐāļēāļŠāļ‡āļŠāļ”āļ­āļĒāđƒāļ™āļŠāļ§āļ‡āļ• āļēāļāļ§āļēāļĄāļ˜āļĒāļĄāļĻāļāļĐāļēāļĄāļēāļāļ—āļŠāļ” āļ„āļ”āđ€āļ›āļ™

āļĢāļ­āļĒāļĨāļ° 39.44 āļĢāļ­āļ‡āļĨāļ‡āļĄāļēāļ„āļ­āļĢāļ°āļ”āļšāļĄāļ˜āļĒāļĄāļĻāļāļĐāļē āđāļĨāļ°āļĢāļ°āļ”āļšāļ›āļĢāļāļāļēāļ•āļĢ āļ„āļ”āđ€āļ›āļ™āļĢāļ­āļĒāļĨāļ° 26.69 āđāļĨāļ° 21.79

āļ•āļēāļĄāļĨ āļēāļ”āļš

4.2 āļœāļĨāļāļģāļĢāļ§āđ€āļ„āļĢāļģāļ°āļŦāļ„āļ§āļģāļĄāļŠāļĄāļžāļ™āļ˜āļ‚āļ­āļ‡āļ•āļ§āđāļ›āļĢāđƒāļ™āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ—āļ‡ 3 āļāļĨāļĄ

āđƒāļ™āļ‚āļ™āļ•āļ­āļ™āļāļēāļĢāļŦāļēāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āļ‚āļ­āļ‡āļ•āļ§āđāļ›āļĢāđƒāļ™āļ„āļĢāļ§āđ€āļĢāļ­āļ™ āđ„āļ”āļ— āļēāļāļēāļĢāļ āļēāļŦāļ™āļ”āļ„āļēāļŠāļ™āļšāļŠāļ™āļ™āļ‚āļ™āļ• āļē

āļ„āļēāļ„āļ§āļēāļĄāđ€āļŠāļ­āļĄāļ™āļ‚āļ™āļ• āļēāđƒāļ™āđāļ•āļĨāļ°āļāļĨāļĄ āđāļĨāļ°āļžāļˆāļēāļĢāļ“āļēāđ€āļ‰āļžāļēāļ°āļŦāļ™āļ§āļĒāļ§āļ”āļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āļ—āļĄāļ„āļēāļĄāļēāļāļāļ§āļē 1 āļ‚āļ™āđ„āļ›

āļ„āļ“āļ°āļœāļ§āļˆāļĒāđ„āļ”āđāļŠāļ”āļ‡āļĨ āļēāļ”āļšāļ‚āļ­āļ‡āļāļŽāđ‚āļ”āļĒāđ€āļĢāļĒāļ‡āļĨ āļēāļ”āļšāļ•āļēāļĄāļ„āļ§āļēāļĄāļŠ āļēāļ„āļāļ‚āļ­āļ‡āļāļŽ āļˆāļēāļāļāļēāļĢāļžāļˆāļēāļĢāļ“āļēāļ„āļē

āļ„āļ§āļēāļĄāđ€āļŠāļ­āļĄāļ™āđāļĨāļ°āļ„āļēāļŠāļ™āļšāļŠāļ™āļ™ āđ‚āļ”āļĒāļ„āļēāļ„āļ§āļēāļĄāđ€āļŠāļ­āļĄāļ™āļ‚āļ­āļ‡āļāļŽāđƒāļ”āļ—āļĄāļ„āļēāļĄāļēāļāļāļ§āļē āļŦāļĄāļēāļĒāļ„āļ§āļēāļĄāļ§āļēāļāļŽāļ™āļ™āļĄ

āļ„āļ§āļēāļĄāļŠ āļēāļ„āļāļĄāļēāļāļāļ§āļē āđƒāļ™āļāļĢāļ“āļ—āļ„āļēāļ„āļ§āļēāļĄāđ€āļŠāļ­āļĄāļ™āļ‚āļ­āļ‡āļāļŽāļĄāļ„āļēāđ€āļ—āļēāļāļ™ āđƒāļŦāļžāļˆāļēāļĢāļ“āļēāļˆāļēāļāļ„āļēāļŠāļ™āļšāļŠāļ™āļ™ āđ‚āļ”āļĒāļ—āļ„āļē

āļŠāļ™āļšāļŠāļ™āļ™āļ‚āļ­āļ‡āļāļŽāđƒāļ”āļĄāļ„āļēāļĄāļēāļāļāļ§āļēāļˆāļ°āļŦāļĄāļēāļĒāļ„āļ§āļēāļĄāļ§āļēāļāļŽāļ™āļ™āļˆāļ°āļĄāļ„āļ§āļēāļĄāļŠ āļēāļ„āļāļĄāļēāļāļāļ§āļē āļœāļĨāļāļēāļĢāļ§āļˆāļĒāļžāļšāļ§āļēāļāļĨāļĄ

āļ— 1 āđ„āļ”āļāļŽāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āļ—āļ‡āļŠāļ™āļˆ āļēāļ™āļ§āļ™ 66 āļāļŽ āļāļĨāļĄāļ— 2 āđ„āļ”āļāļŽāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āļ—āļ‡āļŠāļ™āļˆ āļēāļ™āļ§āļ™ 60 āļāļŽ āđāļĨāļ°

āļāļĨāļĄāļ— 3 āđ„āļ”āļāļŽāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āļ—āļ‡āļŠāļ™āļˆ āļēāļ™āļ§āļ™ 61 āļāļŽ āđ‚āļ”āļĒāđ„āļ”āļ™ āļēāđ€āļŠāļ™āļ­āļāļŽāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āļ—āļ™āļēāļŠāļ™āđƒāļˆāļ”āļ‡āđāļŠāļ”āļ‡

āđƒāļ™āļ•āļēāļĢāļēāļ‡āļ— 4.5 āļ•āļēāļĢāļēāļ‡āļ— 4.6 āđāļĨāļ° āļ•āļēāļĢāļēāļ‡āļ— 4.7

Page 53: SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

43

āļ•āļģāļĢāļģāļ‡āļ— 4.5 āļ•āļ§āļ­āļĒāļēāļ‡āļāļŽāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āļ‚āļ­āļ‡āļ•āļ§āđāļ›āļĢāđƒāļ™āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļāļĨāļĄāļ— 1 (āļ āļēāļŦāļ™āļ”āļ„āļēāļŠāļ™āļšāļŠāļ™āļ™āļ‚āļ™āļ• āļē

āđ€āļ—āļēāļāļšāļĢāļ­āļĒāļĨāļ° 30 āđāļĨāļ°āļ„āļēāļ„āļ§āļēāļĄāđ€āļŠāļ­āļĄāļ™āļ‚āļ™āļ• āļēāđ€āļ—āļēāļāļšāļĢāļ­āļĒāļĨāļ° 60)

āļāļŽ

(Rule)

āļ„āļēāļŠāļ™āļšāļŠāļ™āļ™

(Support)

(āļĢāļ­āļĒāļĨāļ°)

āļ„āļēāļ„āļ§āļēāļĄāđ€āļŠāļ­āļĄāļ™

(Confidence)

(āļĢāļ­āļĒāļĨāļ°)

1 āļĄāļĨāļ„āļēāļ—āļĢāļžāļĒāļŠāļ™āļ—āđ€āļ›āļ™āļ•āļ§āđ€āļ‡āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ āļ™āļ­āļĒāļāļ§āļē 10,001 āļšāļēāļ—

āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļŠāļ—āļ˜āđ€āļšāļāļ„āļēāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ

31 93

2 āļ„āļēāđƒāļŠāļˆāļēāļĒāļĒāļēāļŠāļšāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 201-500 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļŠāļ—āļ˜āđ€āļšāļāļ„āļēāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ

32 87

3 āļĢāļēāļĒāđ„āļ”āđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ„āļ­ 10,001-20,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 10,001-20,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™

33 79

4 āļ‚āļ™āļēāļ”āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 5-7 āļ„āļ™ āļˆ āļēāļ™āļ§āļ™āļœāļ— āļēāļ‡āļēāļ™āļŦāļēāļĢāļēāļĒāđ„āļ”āļ„āļ­ 2-3 āļ„āļ™

35 79

5 āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļžāļ­āļāļēāļĢāļ­āļ›āđ‚āļ āļ„āļšāļĢāđ‚āļ āļ„āļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 5,001-12,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™

37 75

6 āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļžāļ­āļāļēāļĢāļ­āļ›āđ‚āļ āļ„āļšāļĢāđ‚āļ āļ„āļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 5,001-12,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āļˆ āļēāļ™āļ§āļ™āļœāļ— āļēāļ‡āļēāļ™āļŦāļēāļĢāļēāļĒāđ„āļ”āļ„āļ­ 2-3 āļ„āļ™

34 69

7 āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 10,001-20,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āļˆ āļēāļ™āļ§āļ™āļœāļ— āļēāļ‡āļēāļ™āļŦāļēāļĢāļēāļĒāđ„āļ”āļ„āļ­ 2-3 āļ„āļ™

37 67

8 āļ„āļēāđƒāļŠāļˆāļēāļĒāļĒāļēāļŠāļšāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļĄāļēāļāļāļ§āļē 500 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļšāļ•āļĢāļĢāļšāļĢāļ­āļ‡āļŠāļ—āļ˜āļāļēāļĢāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ

42 66

9 āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļžāļ­āļ—āļ­āļĒāļ­āļēāļĻāļĒ āđ€āļ„āļĢāļ­āļ‡āđāļ•āļ‡āļšāļēāļ™ 2,001-4,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļžāļ­āļāļēāļĢāļ­āļ›āđ‚āļ āļ„āļšāļĢāđ‚āļ āļ„āļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 5,001-12,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™

30 64

10 āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļžāļ­āļ—āļ­āļĒāļ­āļēāļĻāļĒ āđ€āļ„āļĢāļ­āļ‡āđāļ•āļ‡āļšāļēāļ™ 2,001-4,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 10,001-20,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™

30 63

āļ•āļēāļĢāļēāļ‡āļ— 4.5 āļ™āđāļŠāļ”āļ‡āļ–āļ‡āļ•āļ§āļ­āļĒāļēāļ‡āļāļŽāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āļ‚āļ­āļ‡āļ•āļ§āđāļ›āļĢāļ āļēāļĒāđƒāļ™āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ— 1 āļˆ āļēāļ™āļ§āļ™ 10 āļāļŽ

āļˆāļēāļāļˆ āļēāļ™āļ§āļ™āļāļŽāļ—āļ‡āļŠāļ™ 66 āļāļŽ āļāļŽāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āļ— 1 āļ„āļ­ āđ€āļĄāļ­āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļĄāļĄāļĨāļ„āļēāļ—āļĢāļžāļĒāļŠāļ™āļ—āđ€āļ›āļ™āļ•āļ§āđ€āļ‡āļ™āļ™āļ­āļĒ

āļāļ§āļē 10,001 āļšāļēāļ— āđāļĨāļ§āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļˆāļ°āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļŠāļ—āļ˜āđ€āļšāļāļ„āļēāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ āđ‚āļ”āļĒāđ‚āļ­āļāļēāļŠāļ—āļ„āļĢāļ§āđ€āļĢāļ­āļ™āđƒāļ™

āļāļĨāļĄāļ— 1 āļ™āļˆāļ°āļĄāļĄāļĨāļ„āļēāļ—āļĢāļžāļĒāļŠāļ™āļ—āđ€āļ›āļ™āļ•āļ§āđ€āļ‡āļ™āļ™āļ­āļĒāļāļ§āļē 10,001 āļšāļēāļ— āļĢāļ­āļĒāļĨāļ° 31 āļŦāļēāļāđ€āļĄāļ­āļ„āļĢāļ§āđ€āļĢāļ­āļ™āđƒāļ™āļāļĨāļĄāļ—

1 āļĄāļĨāļ„āļēāļ—āļĢāļžāļĒāļŠāļ™āļ—āđ€āļ›āļ™āļ•āļ§āđ€āļ‡āļ™āļ™āļ­āļĒāļāļ§āļē 10,001 āļšāļēāļ— āļ•āļēāļĄāļāļŽāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āļ— 1 āļ™āļāļˆāļ°āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļŠāļ—āļ˜

āđ€āļšāļāļ„āļēāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨāļ”āļ§āļĒāļĢāļ­āļĒāļĨāļ° 93

Page 54: SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

44

āļ•āļģāļĢāļģāļ‡āļ— 4.6 āļ•āļ§āļ­āļĒāļēāļ‡āļāļŽāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āļ‚āļ­āļ‡āļ•āļ§āđāļ›āļĢāđƒāļ™āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļāļĨāļĄāļ— 2 (āļ āļēāļŦāļ™āļ”āļ„āļēāļŠāļ™āļšāļŠāļ™āļ™ āļ‚āļ™āļ• āļē

āđ€āļ—āļēāļāļšāļĢāļ­āļĒāļĨāļ° 50 āđāļĨāļ°āļ„āļēāļ„āļ§āļēāļĄāđ€āļŠāļ­āļĄāļ™āļ‚āļ™āļ• āļēāđ€āļ—āļēāļāļšāļĢāļ­āļĒāļĨāļ° 60)

āļāļŽ

(Rule)

āļ„āļēāļŠāļ™āļšāļŠāļ™āļ™

(Support)

(āļĢāļ­āļĒāļĨāļ°)

āļ„āļēāļ„āļ§āļēāļĄāđ€āļŠāļ­āļĄāļ™

(Confidence)

(āļĢāļ­āļĒāļĨāļ°)

1 āđ„āļĄāļĄāļˆ āļēāļ™āļ§āļ™āļŠāļĄāļēāļŠāļāļ—āļ— āļēāļ‡āļēāļ™āļĢāļšāļ„āļēāļˆāļēāļ‡āđāļĨāļ°āđ€āļ‡āļ™āđ€āļ”āļ­āļ™

āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļšāļ•āļĢāļĢāļšāļĢāļ­āļ‡āļŠāļ—āļ˜āļāļēāļĢāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ

53 99

2 āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ• āļēāļāļ§āļē 10,001 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™

āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļžāļ­āļāļēāļĢāļ­āļ›āđ‚āļ āļ„āļšāļĢāđ‚āļ āļ„āļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ™āļ­āļĒāļāļ§āļē 5,001 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™

53 93

3 āļ„āļēāđƒāļŠāļˆāļēāļĒāļ—āđ„āļĄāđ€āļāļĒāļ§āļāļšāļāļēāļĢāļ­āļ›āđ‚āļ āļ„āļšāļĢāđ‚āļ āļ„ 1-1,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™

āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļšāļ•āļĢāļĢāļšāļĢāļ­āļ‡āļŠāļ—āļ˜āļāļēāļĢāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ

65 91

4 āļĢāļ°āļ”āļšāļāļēāļĢāļĻāļāļĐāļēāļŠāļ‡āļŠāļ”āļ• āļēāļāļ§āļēāļĄāļ˜āļĒāļĄāļĻāļāļĐāļē

āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļŠāļ—āļ˜āđ€āļšāļāļ„āļēāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ

61 91

5 āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļžāļ­āļāļēāļĢāļ­āļ›āđ‚āļ āļ„āļšāļĢāđ‚āļ āļ„āļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ™āļ­āļĒāļāļ§āļē 5,001 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™

āļ„āļēāđƒāļŠāļˆāļēāļĒāļāļēāļĢāđ€āļ”āļ™āļ—āļēāļ‡āđāļĨāļ°āļāļēāļĢāļŠāļ­āļŠāļēāļĢ 1-2,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™

55 86

6 āļ„āļēāđƒāļŠāļˆāļēāļĒāļāļēāļĢāđ€āļ”āļ™āļ—āļēāļ‡āđāļĨāļ°āļāļēāļĢāļŠāļ­āļŠāļēāļĢ 1-2,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™

āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļžāļ­āļāļēāļĢāļ­āļ›āđ‚āļ āļ„āļšāļĢāđ‚āļ āļ„āļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ™āļ­āļĒāļāļ§āļē 5,001 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™

55 77

7 āļ„āļēāđƒāļŠāļˆāļēāļĒāļāļēāļĢāđ€āļ”āļ™āļ—āļēāļ‡āđāļĨāļ°āļāļēāļĢāļŠāļ­āļŠāļēāļĢ 1-2,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™

āļĢāļ°āļ”āļšāļāļēāļĢāļĻāļāļĐāļēāļŠāļ‡āļŠāļ”āļ• āļēāļāļ§āļēāļĄāļ˜āļĒāļĄāļĻāļāļĐāļē

50 71

āļ•āļēāļĢāļēāļ‡āļ— 4.6 āļ™āđāļŠāļ”āļ‡āļ–āļ‡āļ•āļ§āļ­āļĒāļēāļ‡āļāļŽāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āļ‚āļ­āļ‡āļ•āļ§āđāļ›āļĢāļ āļēāļĒāđƒāļ™āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ— 2 āļˆ āļēāļ™āļ§āļ™ 7 āļāļŽ

āļˆāļēāļāļˆ āļēāļ™āļ§āļ™āļāļŽāļ—āļ‡āļŠāļ™ 60 āļāļŽ āļāļŽāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āļ— 1 āļ„āļ­ āđ€āļĄāļ­āļ„āļĢāļ§āđ€āļĢāļ­āļ™āđ„āļĄāļĄāļˆ āļēāļ™āļ§āļ™āļŠāļĄāļēāļŠāļāļ—āļ— āļēāļ‡āļēāļ™āļĢāļš

āļ„āļēāļˆāļēāļ‡āđāļĨāļ°āđ€āļ‡āļ™āđ€āļ”āļ­āļ™ āđāļĨāļ§āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļˆāļ°āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļšāļ•āļĢāļĢāļšāļĢāļ­āļ‡āļŠāļ—āļ˜āļāļēāļĢāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ āļĢāļ­āļĒāļĨāļ° 53

āļŦāļēāļāđ€āļĄāļ­āļ„āļĢāļ§āđ€āļĢāļ­āļ™āđƒāļ™āļāļĨāļĄāļ— 2 āļ„āļĢāļ§āđ€āļĢāļ­āļ™āđ„āļĄāļĄāļˆ āļēāļ™āļ§āļ™āļŠāļĄāļēāļŠāļāļ—āļ— āļēāļ‡āļēāļ™āļĢāļšāļ„āļēāļˆāļēāļ‡āđāļĨāļ°āđ€āļ‡āļ™āđ€āļ”āļ­āļ™ āļ•āļēāļĄāļāļŽ

āļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āļ— 1 āļ™āļāļˆāļ°āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļŠāļ—āļ˜āđ€āļšāļāļ„āļēāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨāļ”āļ§āļĒāļĢāļ­āļĒāļĨāļ° 99

Page 55: SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

45

āļ•āļģāļĢāļģāļ‡āļ— 4.7 āļ•āļ§āļ­āļĒāļēāļ‡āļāļŽāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āļ‚āļ­āļ‡āļ•āļ§āđāļ›āļĢāđƒāļ™āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļāļĨāļĄāļ— 3 (āļ āļēāļŦāļ™āļ”āļ„āļēāļŠāļ™āļšāļŠāļ™āļ™ āļ‚āļ™āļ• āļē

āđ€āļ—āļēāļāļšāļĢāļ­āļĒāļĨāļ° 35 āđāļĨāļ°āļ„āļēāļ„āļ§āļēāļĄāđ€āļŠāļ­āļĄāļ™āļ‚āļ™āļ• āļēāđ€āļ—āļēāļāļšāļĢāļ­āļĒāļĨāļ° 45)

āļāļŽ

(Rule)

āļ„āļēāļŠāļ™āļšāļŠāļ™āļ™

(Support)

(āļĢāļ­āļĒāļĨāļ°)

āļ„āļēāļ„āļ§āļēāļĄāđ€āļŠāļ­āļĄāļ™

(Confidence)

(āļĢāļ­āļĒāļĨāļ°)

1 āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļžāļ­āļāļēāļĢāļ­āļ›āđ‚āļ āļ„āļšāļĢāđ‚āļ āļ„āļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 12,001-24,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™

āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 20,001-50,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™

51 96

2 āļ„āļēāđƒāļŠāļˆāļēāļĒāļāļēāļĢāđ€āļ”āļ™āļ—āļēāļ‡āđāļĨāļ°āļāļēāļĢāļŠāļ­āļŠāļēāļĢāļĄāļēāļāļāļ§āļē 8,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™

āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 20,001-50,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™

36 94

3 āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļžāļ­āļ—āļ­āļĒāļ­āļēāļĻāļĒ āđ€āļ„āļĢāļ­āļ‡āđāļ•āļ‡āļšāļēāļ™ 4,001-8,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™

āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 20,001-50,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™

35 91

4 āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 20,001-50,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āđāļĨāļ°āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļšāļ”āđ€āļ•āļĨāļ”

āļĄāļēāļāļāļ§āļē 2,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āđ„āļĄāļĄāļ„āļēāđƒāļŠāļˆāļēāļĒāļĒāļēāļŠāļšāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™

36 86

5 āļ‚āļ™āļēāļ”āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 3-4 āļ„āļ™

āđ„āļĄāļĄāļ„āļēāđƒāļŠāļˆāļēāļĒāļĒāļēāļŠāļšāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™

42 86

6 āļĢāļēāļĒāđ„āļ”āđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 20,001-50,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™

āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 20,001-50,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™

56 84

7 āđ„āļĄāļĄāļ„āļēāđƒāļŠāļˆāļēāļĒāļĒāļēāļŠāļšāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ āđāļĨāļ°āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļšāļ”āđ€āļ•āļĨāļ”āļĄāļēāļāļāļ§āļē 2,000 āļšāļēāļ—āļ•āļ­

āđ€āļ”āļ­āļ™ āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 20,001-50,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™

36 81

8 āļ‚āļ™āļēāļ”āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 3-4 āļ„āļ™

āļˆ āļēāļ™āļ§āļ™āļœāļ— āļēāļ‡āļēāļ™āļŦāļēāļĢāļēāļĒāđ„āļ” 2-3 āļ„āļ™

36 74

9 āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļžāļ­āļāļēāļĢāļ­āļ›āđ‚āļ āļ„āļšāļĢāđ‚āļ āļ„āļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 12,001-24,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™

āļĢāļēāļĒāđ„āļ”āđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 20,001-50,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™

38 71

10 āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 20,001-50,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™

āļ„āļēāđƒāļŠāļˆāļēāļĒāļāļēāļĢāđ€āļ”āļ™āļ—āļēāļ‡āđāļĨāļ°āļāļēāļĢāļŠāļ­āļŠāļēāļĢāļĄāļēāļāļāļ§āļē 8,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™

36 45

āļ•āļēāļĢāļēāļ‡āļ— 4.7 āļ™āđāļŠāļ”āļ‡āļ–āļ‡āļ•āļ§āļ­āļĒāļēāļ‡āļāļŽāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āļ‚āļ­āļ‡āļ•āļ§āđāļ›āļĢāļ āļēāļĒāđƒāļ™āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ— 3 āļˆ āļēāļ™āļ§āļ™ 10 āļāļŽ

āļˆāļēāļāļˆ āļēāļ™āļ§āļ™āļāļŽāļ—āļ‡āļŠāļ™ 61 āļāļŽ āļāļŽāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āļ— 1 āļ„āļ­ āđ€āļĄāļ­āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļĄāļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļžāļ­āļāļēāļĢāļ­āļ›āđ‚āļ āļ„āļšāļĢāđ‚āļ āļ„āļ•āļ­

āđ€āļ”āļ­āļ™āļ­āļĒāđƒāļ™āļŠāļ§āļ‡ 12,001-24,000 āļšāļēāļ— āđāļĨāļ§āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļˆāļ°āļ­āļĒāđƒāļ™āļŠāļ§āļ‡ 20,001-

50,000 āļšāļēāļ— āļĢāļ­āļĒāļĨāļ° 51 āļŦāļēāļāđ€āļĄāļ­āļ„āļĢāļ§āđ€āļĢāļ­āļ™āđƒāļ™āļāļĨāļĄāļ— 3 āļĄāļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļžāļ­āļāļēāļĢāļ­āļ›āđ‚āļ āļ„āļšāļĢāđ‚āļ āļ„āļ•āļ­āđ€āļ”āļ­āļ™āļ­āļĒ

Page 56: SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

46

āđƒāļ™āļŠāļ§āļ‡ 12,001-24,000 āļšāļēāļ— āļ•āļēāļĄāļāļŽāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āļ— 1 āļ™āļāļˆāļ°āļĄāļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ­āļĒ

āđƒāļ™āļŠāļ§āļ‡ 20,001-50,000 āļšāļēāļ— āļ”āļ§āļĒāļĢāļ­āļĒāļĨāļ° 96

Page 57: SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

47

āļšāļ—āļ— 5 āļŠāļĢāļ›āļœāļĨāļāļģāļĢāļ§āļˆāļĒ āđāļĨāļ°āļ‚āļ­āđ€āļŠāļ™āļ­āđāļ™āļ°

5.1 āļŠāļĢāļ›āļœāļĨāļāļģāļĢāļ§āļˆāļĒ

āļ‡āļēāļ™āļ§āļˆāļĒāļ™āđ€āļ›āļ™āļāļēāļĢāļĻāļāļĐāļēāđāļĨāļ°āļ§āđ€āļ„āļĢāļēāļ°āļŦāļ‚āļ­āļĄāļĨāļāļēāļĢāļŠ āļēāļĢāļ§āļˆāļ āļēāļ§āļ°āđ€āļĻāļĢāļĐāļāļāļˆāđāļĨāļ°āļŠāļ‡āļ„āļĄāļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™

āđ‚āļ”āļĒāļ™ āļēāļ„āļ§āļēāļĄāļĢāļ—āļēāļ‡āļ”āļēāļ™āļāļēāļĢāļ— āļēāđ€āļŦāļĄāļ­āļ‡āļ‚āļ­āļĄāļĨ āļĄāļēāđƒāļŠāđ€āļžāļ­āļˆāļ”āļāļĨāļĄāļ‚āļ­āļĄāļĨāļ•āļēāļĄāļāļēāļĢāđƒāļŠāļˆāļēāļĒāļ‚āļ­āļ‡āļ›āļĢāļ°āļŠāļēāļāļĢ āđāļĨāļ°āļŦāļē

āļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āļ‚āļ­āļ‡āļ‚āļ­āļĄāļĨāđ€āļžāļ­āļĻāļāļĐāļēāļ›āļˆāļˆāļĒāļ—āļĄāļœāļĨāļ•āļ­āļāļēāļĢāđƒāļŠāļˆāļēāļĒāđ€āļ‡āļ™āļ‚āļ­āļ‡āļ›āļĢāļ°āļŠāļēāļāļĢāđƒāļ™āļ›āļĢāļ°āđ€āļ—āļĻāđ„āļ—āļĒ

āļŠ āļēāļŦāļĢāļšāļ‡āļēāļ™āļ§āļˆāļĒāļ™āļ‚āļ™āļ•āļ­āļ™āđāļĢāļāļ™ āļ™ āđ„āļ”āļ™ āļēāļ‚āļ­āļĄāļĨāļāļēāļĢāļŠ āļēāļĢāļ§āļˆāļ āļēāļ§āļ°āđ€āļĻāļĢāļĐāļāļāļˆāđāļĨāļ°āļŠāļ‡āļ„āļĄāļ‚āļ­āļ‡

āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļĄāļēāļ— āļēāļāļēāļĢāļˆāļ”āļāļĨāļĄāđ‚āļ”āļĒāđƒāļŠāļ­āļĨāļāļ­āļĢāļ—āļĄāđ€āļ„āļĄāļ™ āļˆāļ”āļāļĨāļĄāļ• āļ‡āđāļ• 2-10 āļāļĨāļĄ āđ€āļžāļ­āļŦāļēāļˆ āļēāļ™āļ§āļ™āļāļĨāļĄāļ—

āđ€āļŦāļĄāļēāļ°āļŠāļĄ āļ‹āļ‡āļžāļšāļ§āļēāđ€āļĄāļ­āļ āļēāļŦāļ™āļ”āļˆ āļēāļ™āļ§āļ™āļāļĨāļĄāđ€āļ—āļēāļāļš 3 āļˆāļ°āđƒāļŦāļ„āļē DB Index āđāļĨāļ° SD Validity Index āļ”āļ—āļŠāļ”

āļ•āļ§āđāļ›āļĢāļ„āļēāđƒāļŠāļˆāļēāļĒāļ—āļ™ āļēāļĄāļēāđƒāļŠāđƒāļ™āļāļēāļĢāļˆāļ”āļāļĨāļĄāļ›āļĢāļ°āļāļ­āļšāļ”āļ§āļĒ 8 āļ•āļ§āđāļ›āļĢāļ„āļ­ 1) āļ„āļēāđƒāļŠāļˆāļēāļĒāļ­āļēāļŦāļēāļĢāđāļĨāļ°āđ€āļ„āļĢāļ­āļ‡āļ”āļĄāļ•āļ­

āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 2) āļ„āļēāđƒāļŠāļˆāļēāļĒāļĒāļēāļŠāļšāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 3) āļ„āļēāđƒāļŠāļˆāļēāļĒāļ—āđ„āļĄāđ€āļāļĒāļ§āļāļšāļāļēāļĢāļ­āļ›āđ‚āļ āļ„

āļšāļĢāđ‚āļ āļ„ 4) āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļžāļ­āļ—āļ­āļĒāļ­āļēāļĻāļĒ āđ€āļ„āļĢāļ­āļ‡āđāļ•āļ‡āļšāļēāļ™āļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 5) āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ§āļŠāļ āļ“āļ‘āđāļĨāļ°āļ„āļē

āļ•āļĢāļ§āļˆāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ 6) āļ„āļēāđƒāļŠāļˆāļēāļĒāļāļēāļĢāđ€āļ”āļ™āļ—āļēāļ‡āđāļĨāļ°āļāļēāļĢāļŠāļ­āļŠāļēāļĢ 7) āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļĢāļ­āļ‡āļāļēāļĢāļĻāļāļĐāļē āđāļĨāļ° 8)

āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļšāļ”āđ€āļ•āļĨāļ”

āļĨāļāļĐāļ“āļ°āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āđƒāļ™āļāļĨāļĄāļ— 1 āđ€āļ›āļ™āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ—āļĄāļĢāļēāļĒāđ„āļ”āđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ­āļĒāđƒāļ™āļŠāļ§āļ‡

āļ›āļēāļ™āļāļĨāļēāļ‡ āđāļĨāļ°āļĄāļ„āļēāđƒāļŠāļˆāļēāļĒāļ­āļĒāđƒāļ™āļŠāļ§āļ‡āļ›āļēāļ™āļāļĨāļēāļ‡āļ”āļ§āļĒ āđ„āļĄāļ§āļēāļˆāļ°āđ€āļ›āļ™āļ„āļēāđƒāļŠāļˆāļēāļĒāļ­āļēāļŦāļēāļĢāđāļĨāļ°āđ€āļ„āļĢāļ­āļ‡āļ”āļĄ āļ„āļēāđƒāļŠāļˆāļēāļĒ

āđ€āļžāļ­āļ—āļ­āļĒāļ­āļēāļĻāļĒ āđ€āļ„āļĢāļ­āļ‡āđāļ•āļ‡āļšāļēāļ™āļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ āđāļ•āļĄāļ„āļēāđƒāļŠāļˆāļēāļĒāļ—āđ€āļāļĒāļ§āļāļšāļĒāļēāļŠāļšāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡

āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ­āļĒāđƒāļ™āļĢāļ°āļ”āļšāļ—āļŠāļ‡ āļĄāļˆ āļēāļ™āļ§āļ™āļŠāļĄāļēāļŠāļāļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ­āļĒāđƒāļ™āļŠāļ§āļ‡ 3-4 āļ„āļ™ āļ„āļĢāļ§āđ€āļĢāļ­āļ™āđƒāļ™āļāļĨāļĄāļ™āļŠāļ§āļ™āđƒāļŦāļāļĄ

āļĄāļĨāļ„āļēāļ—āļĢāļžāļĒāļŠāļ™āļ—āļēāļ‡āļāļēāļĢāđ€āļ‡āļ™āļ­āļĒāđƒāļ™āļŠāļ§āļ‡āļ™āļ­āļĒ āļŠāļēāļĄāļēāļĢāļ–āļŦāļēāļāļŽāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āđ„āļ”āļ—āļ‡āļŠāļ™ 66 āļāļŽ āđ‚āļ”āļĒāļ āļēāļŦāļ™āļ”āļ„āļē

āļŠāļ™āļšāļŠāļ™āļ™āļĢāļ­āļĒāļĨāļ° 30 āđāļĨāļ°āļ„āļēāļ„āļ§āļēāļĄāđ€āļŠāļ­āļĄāļ™āļĢāļ­āļĒāļĨāļ° 60

āļĨāļāļĐāļ“āļ°āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āđƒāļ™āļāļĨāļĄāļ— 2 āļ‹āļ‡āļĄāļˆ āļēāļ™āļ§āļ™āļĄāļēāļāļ—āļŠāļ” āļ„āļ”āđ€āļ›āļ™āļĢāļ­āļĒāļĨāļ° 70.45 āđ€āļ›āļ™āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ—āļĄ

āļĢāļēāļĒāđ„āļ”āđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™ āđāļĨāļ°āļ„āļēāđƒāļŠāļˆāļēāļĒāļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ™āļ­āļĒāļ—āļŠāļ” āļ‚āļ™āļēāļ”āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ­āļĒāđƒāļ™āļŠāļ§āļ‡ 1-2 āļ„āļ™āļĄāļēāļ

Page 58: SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

48

āļ—āļŠāļ” āđāļĨāļ°āļŠāļĄāļēāļŠāļāļŠāļ§āļ™āđƒāļŦāļāđ„āļĄāđ„āļ”āļ— āļēāļ‡āļēāļ™āļĢāļšāļ„āļēāļˆāļēāļ‡āđāļĨāļ°āđ€āļ‡āļ™āđ€āļ”āļ­āļ™ āļŠāļēāļĄāļēāļĢāļ–āļŦāļēāļāļŽāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āđ„āļ”āļ—āļ‡āļŠāļ™

60 āļāļŽ āđ‚āļ”āļĒāļ āļēāļŦāļ™āļ”āļ„āļēāļŠāļ™āļšāļŠāļ™āļ™āļĢāļ­āļĒāļĨāļ° 50 āđāļĨāļ°āļ„āļēāļ„āļ§āļēāļĄāđ€āļŠāļ­āļĄāļ™āļĢāļ­āļĒāļĨāļ° 60

āļĨāļāļĐāļ“āļ°āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āđƒāļ™āļāļĨāļĄāļ— 3 āđ€āļ›āļ™āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ—āļĄāļĢāļēāļĒāđ„āļ”āđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™ āđāļĨāļ°āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ‰āļĨāļĒāļ•āļ­

āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļŠāļ‡āļ—āļŠāļ”āđ€āļĄāļ­āđ€āļ›āļĢāļĒāļšāđ€āļ—āļĒāļšāļāļšāļ—āļāļāļĨāļĄ āļ„āļ­āļĄāļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ­āļĒ

āđƒāļ™āļŠāļ§āļ‡ 20,001-50,000 āļšāļēāļ— āļŦāļ§āļŦāļ™āļēāļ„āļĢāļ§āđ€āļĢāļ­āļ™āļĄāļĢāļ°āļ”āļšāļāļēāļĢāļĻāļāļĐāļēāļŠāļ‡āļāļ§āļēāļāļĨāļĄāļ­āļ™ āļ„āļ­āļĢāļ°āļ”āļšāļ›āļĢāļāļāļēāļ•āļĢāđāļĨāļ°

āļŠāļ‡āļāļ§āļēāļ›āļĢāļāļāļēāļ•āļĢāļĄāļēāļāļāļ§āļēāļāļĨāļĄāļ­āļ™ āļŠāļēāļĄāļēāļĢāļ–āļŦāļēāļāļŽāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āđ„āļ”āļ— āļ‡āļŠāļ™ 61 āļāļŽ āđ‚āļ”āļĒāļ āļēāļŦāļ™āļ”āļ„āļē

āļŠāļ™āļšāļŠāļ™āļ™āļĢāļ­āļĒāļĨāļ° 35 āđāļĨāļ°āļ„āļēāļ„āļ§āļēāļĄāđ€āļŠāļ­āļĄāļ™āļĢāļ­āļĒāļĨāļ° 45

āļˆāļēāļāļāļēāļĢāļ§āļˆāļĒāļžāļšāļ§āļēāļāļŽāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āļ—āđ„āļ”āļĄāļĨāļāļĐāļ“āļ°āļ„āļĨāļēāļĒāļ„āļĨāļ‡āļāļ™ āđ€āļŠāļ™ āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļžāļ­āļāļēāļĢāļ­āļ›āđ‚āļ āļ„

āļšāļĢāđ‚āļ āļ„āļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļĄāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āļāļšāļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ āļĢāļēāļĒāđ„āļ”āđ€āļ‰āļĨāļĒāļ•āļ­

āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļĄāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āļāļšāļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ āļ‚āļ™āļēāļ”āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļĄ

āļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āļāļšāļˆ āļēāļ™āļ§āļ™āļœāļŦāļēāļĢāļēāļĒāđ„āļ” āđāļĨāļ°āļ„āļēāđƒāļŠāļˆāļēāļĒāļĒāļēāļŠāļšāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļĄāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āļāļš

āļˆ āļēāļ™āļ§āļ™āļŠāļĄāļēāļŠāļāļ—āļĄāļŠāļ—āļ˜āđƒāļ™āļāļēāļĢāđ€āļšāļāļ„āļēāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ āđ€āļ›āļ™āļ•āļ™

5.2 āļ‚āļ­āđ€āļŠāļ™āļ­āđāļ™āļ°

āļœāļ§āļˆāļĒāļ„āļēāļ”āļ§āļēāļŦāļēāļāļŠāļēāļĄāļēāļĢāļ–āļ›āļĢāļ°āļĒāļāļ•āđ‚āļ”āļĒāļ™ āļēāđ€āļ—āļ„āļ™āļ„āļŦāļĢāļ­āļ§āļ˜āļ­āļ™āļĄāļēāđƒāļŠāļĢāļ§āļĄāļāļšāļ­āļĨāļāļ­āļĢāļ—āļĄāđ€āļ„āļĄāļ™āļˆāļ°āļ— āļē

āđƒāļŦāļāļēāļĢāļˆāļ”āļāļĨāļĄāļ‚āļ­āļĄāļĨāļĄāļ›āļĢāļ°āļŠāļ—āļ˜āļ āļēāļžāļ”āļ‚āļ™ āļ™āļ­āļāļˆāļēāļāļ™āļŦāļēāļāļŠāļēāļĄāļēāļĢāļ–āļ™ āļēāļ‚āļ­āļĄāļĨāļĄāļēāļāļāļ§āļē 1 āļ›āļ‚āļ™āđ„āļ›āļĄāļē

āļ§āđ€āļ„āļĢāļēāļ°āļŦ āļ­āļēāļˆāļ— āļēāđƒāļŦāļ—āļĢāļēāļšāļ–āļ‡āļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āļ‚āļ­āļ‡āļ•āļ§āđāļ›āļĢāļ—āļĄāļœāļĨāļ•āļ­āļ„āļēāđƒāļŠāļˆāļēāļĒāļ›āļĢāļ°āđ€āļ āļ—āļ•āļēāļ‡āđ†āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āđƒāļ™

āļ›āļĢāļ°āđ€āļ—āļĻāđ„āļ—āļĒāļŠāļ”āđ€āļˆāļ™āļĒāļ‡āļ‚āļ™

Page 59: SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

49

āļšāļĢāļĢāļ“āļģāļ™āļāļĢāļĄ

āļāļĪāļĐāļ“āļ° āđ„āļ§āļĒāļĄāļĒ, āļŠāļ”āļŠāļ™āļ āļŠāļ‡āļĻāļĢ āđāļĨāļ°āļ˜āļ™āļēāļ§āļ™āļ— āļĢāļāļ˜āļĢāļĢāļĄāļēāļ™āļ™āļ—. 2001. āļāļēāļĢāđƒāļŠāđ€āļ—āļ„āļ™āļ„āļ”āļēāļ•āļēāđ„āļĄāļ™āļ™āļ‡āđ€āļžāļ­āļžāļ’āļ™āļē āļ„āļ“āļ āļēāļžāļāļēāļĢāļĻāļāļĐāļēāļ„āļ“āļ°āļ§āļĻāļ§āļāļĢāļĢāļĄāļĻāļēāļŠāļ•āļĢ, NECTEC Technical Journal Vol.3, No.11.

āļāļĪāļĐāļ“āļ° āđ„āļ§āļĒāļĄāļĒ āđāļĨāļ°āļ˜āļĢāļ°āļ§āļ’āļ™ āļžāļ‡āļĐāļĻāļĢāļ›āļĢāļ”āļē. 2554. āļāļēāļĢāđƒāļŠāđ€āļ—āļ„āļ™āļ„ Association Rule Discovery āđ€āļžāļ­āļāļēāļĢ

āļˆāļ”āļŠāļĢāļĢāļāļŽāļŦāļĄāļēāļĒāđƒāļ™āļāļēāļĢāļžāļˆāļēāļĢāļ“āļēāļ„āļ”āļ„āļ§āļēāļĄ, āļ§āļēāļĢāļŠāļēāļĢāļ§āļŠāļēāļāļēāļĢāđ€āļ™āļ„āđ€āļ—āļ„ 3, 11(āļ.āļ„.-āļ•.āļ„.) : 143-152. āđ„āļŠāļĒāļĒāļĻ āđ€āļ­āļ­āļ§āļĢāļĒāļ°āđ„āļŠāļĒāļāļĨ āđāļĨāļ°āļŠāļĄāļŠāļēāļĒ āļ›āļĢāļēāļāļēāļĢāđ€āļˆāļĢāļ. 2554. āļāļēāļĢāļĻāļāļĐāļēāļžāļĪāļ•āļāļĢāļĢāļĄāļāļēāļĢāđƒāļŠāļšāļĢāļāļēāļĢāļŠāļ™āļēāļĄāļ‚āļ­āļ‡

āļ™āļāļāļ­āļĨāļŸ āđ‚āļ”āļĒāđƒāļŠāļ­āļĨāļāļ­āļĢāļ—āļĄāļ‚āļ­āļ‡āļāļŽāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜ āļāļĢāļ“āļĻāļāļĐāļē āļŠāļ™āļēāļĄāļāļ­āļĨāļŸāļ„āļĢāļŠāļ•āļĨ āđ€āļšāļĒ āļāļ­āļĨāļŸāļ„āļĨāļš, āļāļēāļĢāļ›āļĢāļ°āļŠāļĄāļ—āļēāļ‡āļ§āļŠāļēāļāļēāļĢāļ”āļēāļ™āđ€āļ—āļ„āđ‚āļ™āđ‚āļĨāļĒāļ„āļ­āļĄāļžāļ§āđ€āļ•āļ­āļĢāđāļĨāļ°āļĢāļ°āļšāļšāļŠāļēāļĢāļŠāļ™āđ€āļ—āļĻāļ›āļĢāļ°āļĒāļāļ•āļĢāļ°āļ”āļšāļŠāļēāļ•āļ„āļĢāļ‡āļ— 3.

āļ§āļēāļ—āļ™ āļ™āļĒāđ€āļžāļĒāļĢ, āļ āļĢāļ“āļĒāļē āļ­ āļēāļĄāļĪāļ„āļĢāļ•āļ™ āđ€āļ”āļŠ, āļ˜āļĢāļĢāļĄāļĻāļĢ āļ“āļĢāļ‡āļ„ āđ‚āļžāļ˜ āđāļĨāļ°āļžāļĒāļ‡ āļĄāļŠāļˆ. 2009. āļāļēāļĢāđ€āļ›āļĢāļĒāļšāđ€āļ—āļĒāļš

āļ­āļĨāļāļ­āļĢāļ—āļĄāļāļēāļĢāļˆāļ”āļāļĨāļĄāļ‚āļ­āļĄāļĨ Ozone day āđ‚āļ”āļĒāđƒāļŠāđ€āļ—āļ„āļ™āļ„āļāļēāļĢāļ— āļēāđ€āļŦāļĄāļ­āļ‡ āļ‚āļ­āļĄāļĨ, The 5th National Conference on Computing and Information Technology.

Agrawal, R. and R. Srikant. 1994. Fast algorithms for mining Association Rules, pp. 487-489. In

Very Large Data Bases, VLDB 20. ed. Morgan Kaufmann Publishers Inc., San Francisco,

CA, USA.

Barth, M., E. Dimitriadou, K. Hornik and E. Moser. 2003. Comparison of clustering methods in fMRI analysis by ranking association coefficients, In Scientific Meeting of the International Society of Magnetic Resonance in Medicine 11. ed.

Chaimeun, O. and A. Srivihok. 2005. Clustering of Thai Handcraft Customers using combined SOM

and K-Means algorithm. In Database and Applications. A Scientific and Technical Publish

Company.

Forman, G. and B. Zhang. 2000. Distributed data clustering can be efficient and exact. ACM SIGKDD Explorations Newsletter 2 (2): 34 - 38.

Page 60: SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

50

Halkidi, M., M. Vazirgiannis and Y. Batistakis. 2000. Quality scheme assessment in the clustering process, pp. 265 - 276. In European Conference on Principles of Data Mining and Knowledge Discovery 4. ed. Springer-Verlag, London, UK.

Halkidi, M., Y. Batistakis and M. Vazirgiannis. 2001. Clustering algorithms and validity measures,

pp. 3 - 22. In International Conference on Scientific and Statistical Database Management 13. ed. IEEE Computer Society, Washington, DC, USA.

Jain, A.K. and R.C. Dubes. 1988. Algorithms for Clustering Data. Jain, A. K. and Prentice-Hall,

Inc., Upper Saddle River, NJ, USA.

Jain, A.K., M.N. Murty and P.J. Flynn. 1999. Data clustering: a review. ACM Computing Surveys

31 (3): 164-323.

KovÃĄcs, F., C. LegÃĄny and A. Babos. 2005. Cluster validity measurement techniques, In International Symposium of Hungarian Researches on Computational Intelligenc Hungarian Researches on Computational Intelligenc 6. ed., Hungary.

MacQueen, J.B. 1967. Some methods for classification and analysis of multivariate observations,

pp. 281-297. In Berkeley Symposium on Mathematical Statistics and Probability 5. ed. Berkeley, University of California.

Pakhira, M.K., S. Bandyopadhyay and U. Maulik. 2004. Validity index for crisp and fuzzy clusters.

Pattern Recognition 37 (3): 487-501. Tan, P.N., M. Steinbach and V. Kumar. 2006. Introduction to Data Mining. Pearson Education,

Inc., USA.

Wiwattanacharoenchai, S. and A. Srivihok. 2003. Understanding online banking in Thailand :cluster analysis of customer usage behavior, In M-business, E-commerce and the impact of broadband on Regional Development and Business Prospects, International Telecommunications Society. Asia-Australasian Regional Conference.

Page 61: SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

51

āļ āļģāļ„āļœāļ™āļ§āļ

Page 62: SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

52

āļ āļģāļ„āļœāļ™āļ§āļ āļ āļœāļĨāļāļēāļĢāļ—āļ”āļĨāļ­āļ‡āđ€āļžāļĄāđ€āļ•āļĄ

Page 63: SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

53

āļ•āļģāļĢāļģāļ‡āļœāļ™āļ§āļāļ— āļ1 āļāļŽāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āļ‚āļ­āļ‡āļ‚āļ­āļĄāļĨāđƒāļ™āļāļĨāļĄāļ— 1 āļˆ āļēāļ™āļ§āļ™āļ—āļ‡āļŠāļ™ 66 āļāļŽ āļāļŽ āļ„āļēāļŠāļ™āļšāļŠāļ™āļ™

(Support) (āļĢāļ­āļĒāļĨāļ°)

āļ„āļēāļ„āļ§āļēāļĄāđ€āļŠāļ­āļĄāļ™ (Confidence)

(āļĢāļ­āļĒāļĨāļ°)

āļŦāļ™āļ§āļĒāļ§āļ”āļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜

(Lift) (Rule)

1 āļŠāļĄāļēāļŠāļāļ—āđ„āļ”āļĢāļšāļšāļ•āļĢāļ›āļĢāļ°āļāļ™āļŠāļ‚āļ āļēāļžāļĄāļēāļāļāļ§āļē 3 āļ„āļ™āļ‚āļ™āđ„āļ› āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļŠāļ—āļ˜āđ€āļšāļāļ„āļēāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ 30 97 1.15

2 āļĄāļĨāļ„āļēāļ—āļĢāļžāļĒāļŠāļ™āļ—āđ€āļ›āļ™āļ•āļ§āđ€āļ‡āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ™āļ­āļĒāļāļ§āļē 10,001 āļšāļēāļ— āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļŠāļ—āļ˜āđ€āļšāļāļ„āļēāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ 31 93 1.11

3 āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļžāļ­āļ—āļ­āļĒāļ­āļēāļĻāļĒ āđ€āļ„āļĢāļ­āļ‡āđāļ•āļ‡āļšāļēāļ™ āļ™āļ­āļĒāļāļ§āļē 2,001 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļŠāļ—āļ˜āđ€āļšāļāļ„āļēāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ 30 93 1.11

4 āļˆ āļēāļ™āļ§āļ™āļœāļ— āļēāļ‡āļēāļ™āļŦāļēāļĢāļēāļĒāđ„āļ”āļ„āļ­ 2-3 āļ„āļ™ āđāļĨāļ°āļĢāļ°āļ”āļšāļāļēāļĢāļĻāļāļĐāļēāļŠāļ‡āļŠāļ”āļ• āļēāļāļ§āļēāļĄāļ˜āļĒāļĄāļĻāļāļĐāļē āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļŠāļ—āļ˜āđ€āļšāļāļ„āļēāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ

34 92 1.1

5 āļĢāļ°āļ”āļšāļāļēāļĢāļĻāļāļĐāļēāļŠāļ‡āļŠāļ”āļ• āļēāļāļ§āļēāļĄāļ˜āļĒāļĄāļĻāļāļĐāļē āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļŠāļ—āļ˜āđ€āļšāļāļ„āļēāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ 51 92 1.09

6 āļˆ āļēāļ™āļ§āļ™āļŠāļĄāļēāļŠāļāļ—āļ— āļēāļ‡āļēāļ™āļĢāļšāļ„āļēāļˆāļēāļ‡āđāļĨāļ°āđ€āļ‡āļ™āđ€āļ”āļ­āļ™āļ„āļ­ 2 āļ„āļ™ -> āļŠāļ–āļēāļ™āļ°āļ āļēāļžāļ—āļēāļ‡āđ€āļĻāļĢāļĐāļāļāļˆāļŠāļ‡āļ„āļĄāļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ„āļ­āļĨāļāļˆāļēāļ‡ 32 91 1.55

7 āļĢāļ°āļ”āļšāļāļēāļĢāļĻāļāļĐāļēāļŠāļ‡āļŠāļ”āļ• āļēāļāļ§āļēāļĄāļ˜āļĒāļĄāļĻāļāļĐāļē āđāļĨāļ°āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļšāļ•āļĢāļĢāļšāļĢāļ­āļ‡āļŠāļ—āļ˜āļāļēāļĢāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļŠāļ—āļ˜āđ€āļšāļāļ„āļēāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ

34 91 1.09

8 āļĢāļēāļĒāđ„āļ”āđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ„āļ­ 10,001-20,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļŠāļ—āļ˜āđ€āļšāļāļ„āļēāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ 38 91 1.09

9 āļŠāļĄāļēāļŠāļāļ—āđ„āļ”āļĢāļšāļšāļ•āļĢāļ›āļĢāļ°āļāļ™āļŠāļ‚āļ āļēāļž 2-3 āļ„āļ™ āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļŠāļ—āļ˜āđ€āļšāļāļ„āļēāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ 33 91 1.09

10 āļ„āļēāđƒāļŠāļˆāļēāļĒāļ—āđ„āļĄāđ€āļāļĒāļ§āļāļšāļāļēāļĢāļ­āļ›āđ‚āļ āļ„āļšāļĢāđ‚āļ āļ„ 1-1,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļŠāļ—āļ˜āđ€āļšāļāļ„āļēāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ 41 91 1.09

11 āļĢāļ°āļ”āļšāļāļēāļĢāļĻāļāļĐāļēāļŠāļ‡āļŠāļ”āļ• āļēāļāļ§āļēāļĄāļ˜āļĒāļĄāļĻāļāļĐāļē āđāļĨāļ°āļ„āļēāđƒāļŠāļˆāļēāļĒāļĒāļēāļŠāļšāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļĄāļēāļāļāļ§āļē 500 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļŠāļ—āļ˜āđ€āļšāļāļ„āļēāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ

31 91 1.08

12 āļˆ āļēāļ™āļ§āļ™āļœāļ— āļēāļ‡āļēāļ™āļŦāļēāļĢāļēāļĒāđ„āļ”āļ„āļ­ 2-3 āļ„āļ™ āđāļĨāļ°āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 10,001-20,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļŠāļ—āļ˜āđ€āļšāļāļ„āļēāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ

33 91 1.08

Page 64: SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

54

āļ•āļģāļĢāļģāļ‡āļœāļ™āļ§āļāļ— āļ1 āļāļŽāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āļ‚āļ­āļ‡āļ‚āļ­āļĄāļĨāđƒāļ™āļāļĨāļĄāļ— 1 āļˆ āļēāļ™āļ§āļ™āļ—āļ‡āļŠāļ™ 66 āļāļŽ (āļ•āļ­) āļāļŽ āļ„āļēāļŠāļ™āļšāļŠāļ™āļ™

(Support) (āļĢāļ­āļĒāļĨāļ°)

āļ„āļēāļ„āļ§āļēāļĄāđ€āļŠāļ­āļĄāļ™ (Confidence)

(āļĢāļ­āļĒāļĨāļ°)

āļŦāļ™āļ§āļĒāļ§āļ”āļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜ (Lift) (Rule)

13 āļĢāļēāļĒāđ„āļ”āđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ„āļ­ 10,001-20,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™āđāļĨāļ°āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 10,001-20,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļŠāļ—āļ˜āđ€āļšāļāļ„āļēāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ

30 91 1.08

14 āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļšāļ•āļĢāļĢāļšāļĢāļ­āļ‡āļŠāļ—āļ˜āļāļēāļĢāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ āđāļĨāļ°āļ„āļēāđƒāļŠāļˆāļēāļĒāļ—āđ„āļĄāđ€āļāļĒāļ§āļāļšāļāļēāļĢāļ­āļ›āđ‚āļ āļ„āļšāļĢāđ‚āļ āļ„ 1-1,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļŠāļ—āļ˜āđ€āļšāļāļ„āļēāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ

33 91 1.08

15 āļ„āļēāđƒāļŠāļˆāļēāļĒāļāļēāļĢāđ€āļ”āļ™āļ—āļēāļ‡āđāļĨāļ°āļāļēāļĢāļŠāļ­āļŠāļēāļĢ 1-2,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļŠāļ—āļ˜āđ€āļšāļāļ„āļēāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ 38 90 1.07

16 āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 10,001-20,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļŠāļ—āļ˜āđ€āļšāļāļ„āļēāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ 48 88 1.04

17 āļˆ āļēāļ™āļ§āļ™āļŠāļĄāļēāļŠāļāļ—āļ— āļēāļ‡āļēāļ™āļĢāļšāļ„āļēāļˆāļēāļ‡āđāļĨāļ°āđ€āļ‡āļ™āđ€āļ”āļ­āļ™āļ„āļ­ 2 āļ„āļ™ āļˆ āļēāļ™āļ§āļ™āļœāļ— āļēāļ‡āļēāļ™āļŦāļēāļĢāļēāļĒāđ„āļ”āļ„āļ­ 2-3 āļ„āļ™ 30 87 1.35

18 āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 10,001-20,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āđāļĨāļ°āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļžāļ­āļāļēāļĢāļ­āļ›āđ‚āļ āļ„āļšāļĢāđ‚āļ āļ„āļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 5,001-12,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļŠāļ—āļ˜āđ€āļšāļāļ„āļēāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ

32 87 1.04

19 āļ„āļēāđƒāļŠāļˆāļēāļĒāļĒāļēāļŠāļšāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 201-500 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļŠāļ—āļ˜āđ€āļšāļāļ„āļēāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ 32 87 1.04

20 āļ āļēāļ„āļāļĨāļēāļ‡ āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļŠāļ—āļ˜āđ€āļšāļāļ„āļēāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ 33 87 1.03

21 āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļĢāļ­āļ‡āļāļēāļĢāļĻāļāļĐāļē 1-400 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļŠāļ—āļ˜āđ€āļšāļāļ„āļēāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ 30 87 1.03

22 āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ§āļŠāļ āļ“āļ‘āđāļĨāļ°āļ„āļēāļ•āļĢāļ§āļˆāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ 1-500 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļŠāļ—āļ˜āđ€āļšāļāļ„āļēāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ 44 87 1.03

23 āļ„āļēāđƒāļŠāļˆāļēāļĒāļ­āļēāļŦāļēāļĢāđāļĨāļ°āđ€āļ„āļĢāļ­āļ‡āļ”āļĄāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 4,501-7,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļŠāļ—āļ˜āđ€āļšāļāļ„āļēāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ

34 86 1.02

24 āļˆ āļēāļ™āļ§āļ™āļœāļ— āļēāļ‡āļēāļ™āļŦāļēāļĢāļēāļĒāđ„āļ”āļ„āļ­ 2-3 āļ„āļ™ āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļŠāļ—āļ˜āđ€āļšāļāļ„āļēāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ 55 86 1.02

Page 65: SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

55

āļ•āļģāļĢāļģāļ‡āļœāļ™āļ§āļāļ— āļ1 āļāļŽāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āļ‚āļ­āļ‡āļ‚āļ­āļĄāļĨāđƒāļ™āļāļĨāļĄāļ— 1 āļˆ āļēāļ™āļ§āļ™āļ—āļ‡āļŠāļ™ 66 āļāļŽ (āļ•āļ­) āļāļŽ āļ„āļēāļŠāļ™āļšāļŠāļ™āļ™

(Support) (āļĢāļ­āļĒāļĨāļ°)

āļ„āļēāļ„āļ§āļēāļĄāđ€āļŠāļ­āļĄāļ™ (Confidence)

(āļĢāļ­āļĒāļĨāļ°)

āļŦāļ™āļ§āļĒāļ§āļ”āļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜ (Lift) (Rule)

25 āļ„āļēāđƒāļŠāļˆāļēāļĒāļ—āđ„āļĄāđ€āļāļĒāļ§āļāļšāļāļēāļĢāļ­āļ›āđ‚āļ āļ„āļšāļĢāđ‚āļ āļ„ 1-1,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļšāļ•āļĢāļĢāļšāļĢāļ­āļ‡āļŠāļ—āļ˜āļāļēāļĢāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ 36 82 1.26

26 āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļŠāļ—āļ˜āđ€āļšāļāļ„āļēāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ āđāļĨāļ°āļ„āļēāđƒāļŠāļˆāļēāļĒāļ—āđ„āļĄāđ€āļāļĒāļ§āļāļšāļāļēāļĢāļ­āļ›āđ‚āļ āļ„āļšāļĢāđ‚āļ āļ„ 1-1,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļšāļ•āļĢāļĢāļšāļĢāļ­āļ‡āļŠāļ—āļ˜āļāļēāļĢāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ

33 81 1.25

27 āļĢāļēāļĒāđ„āļ”āđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ„āļ­ 10,001-20,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 10,001-20,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™

33 79 1.45

28 āļ‚āļ™āļēāļ”āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 5-7 āļ„āļ™ āļˆ āļēāļ™āļ§āļ™āļœāļ— āļēāļ‡āļēāļ™āļŦāļēāļĢāļēāļĒāđ„āļ”āļ„āļ­ 2-3 āļ„āļ™ 35 79 1.23

29 āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļŠāļ—āļ˜āđ€āļšāļāļ„āļēāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ āđāļĨāļ°āļĢāļēāļĒāđ„āļ”āđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ„āļ­ 10,001-20,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 10,001-20,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™

30 78 1.44

30 āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļŠāļ—āļ˜āđ€āļšāļāļ„āļēāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ āđāļĨāļ°āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļžāļ­āļāļēāļĢāļ­āļ›āđ‚āļ āļ„āļšāļĢāđ‚āļ āļ„āļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 5,001-12,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 10,001-20,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™

32 77 1.42

31 āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļžāļ­āļāļēāļĢāļ­āļ›āđ‚āļ āļ„āļšāļĢāđ‚āļ āļ„āļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 5,001-12,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 10,001-20,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™

37 75 1.37

32 āļ„āļēāđƒāļŠāļˆāļēāļĒāļ—āđ„āļĄāđ€āļāļĒāļ§āļāļšāļāļēāļĢāļ­āļ›āđ‚āļ āļ„āļšāļĢāđ‚āļ āļ„ 1-1,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļŠāļ—āļ˜āđ€āļšāļāļ„āļēāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ āđāļĨāļ°āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļšāļ•āļĢāļĢāļšāļĢāļ­āļ‡āļŠāļ—āļ˜āļāļēāļĢāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ

33

74

1.41

33 āļĢāļēāļĒāđ„āļ”āđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ„āļ­ 10,001-20,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļŠāļ—āļ˜āđ€āļšāļāļ„āļēāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ āđāļĨāļ°āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 10,001-20,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™

30 72 1.51

34 āļ„āļēāđƒāļŠāļˆāļēāļĒāļāļēāļĢāđ€āļ”āļ™āļ—āļēāļ‡āđāļĨāļ°āļāļēāļĢāļŠāļ­āļŠāļēāļĢ 1-2,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļšāļ•āļĢāļĢāļšāļĢāļ­āļ‡āļŠāļ—āļ˜āļāļēāļĢāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ 30 72 1.11

Page 66: SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

56

āļ•āļģāļĢāļģāļ‡āļœāļ™āļ§āļāļ— āļ1 āļāļŽāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āļ‚āļ­āļ‡āļ‚āļ­āļĄāļĨāđƒāļ™āļāļĨāļĄāļ— 1 āļˆ āļēāļ™āļ§āļ™āļ—āļ‡āļŠāļ™ 66 āļāļŽ (āļ•āļ­) āļāļŽ

(Rule) āļ„āļēāļŠāļ™āļšāļŠāļ™āļ™ (Support) (āļĢāļ­āļĒāļĨāļ°)

āļ„āļēāļ„āļ§āļēāļĄāđ€āļŠāļ­āļĄāļ™ (Confidence)

(āļĢāļ­āļĒāļĨāļ°)

āļŦāļ™āļ§āļĒāļ§āļ”āļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜

(Lift) 35 āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļŠāļ—āļ˜āđ€āļšāļāļ„āļēāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ āđāļĨāļ°āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 10,001-20,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™

āļˆ āļēāļ™āļ§āļ™āļœāļ— āļēāļ‡āļēāļ™āļŦāļēāļĢāļēāļĒāđ„āļ”āļ„āļ­ 2-3 āļ„āļ™

33 70 1.09

36 āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļžāļ­āļāļēāļĢāļ­āļ›āđ‚āļ āļ„āļšāļĢāđ‚āļ āļ„āļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 5,001-12,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āļˆ āļēāļ™āļ§āļ™āļœāļ— āļēāļ‡āļēāļ™āļŦāļēāļĢāļēāļĒāđ„āļ”āļ„āļ­ 2-3 āļ„āļ™

34 69 1.08

37 āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 10,001-20,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļžāļ­āļāļēāļĢāļ­āļ›āđ‚āļ āļ„āļšāļĢāđ‚āļ āļ„āļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 5,001-12,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™

37 68 1.37

38 āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļŠāļ—āļ˜āđ€āļšāļāļ„āļēāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ āđāļĨāļ°āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 10,001-20,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļžāļ­āļāļēāļĢāļ­āļ›āđ‚āļ āļ„āļšāļĢāđ‚āļ āļ„āļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 5,001-12,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™

32 67 1.37

39 āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 10,001-20,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āļˆ āļēāļ™āļ§āļ™āļœāļ— āļēāļ‡āļēāļ™āļŦāļēāļĢāļēāļĒāđ„āļ”āļ„āļ­ 2-3 āļ„āļ™ 37 67 1.05

40 āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ§āļŠāļ āļ“āļ‘āđāļĨāļ°āļ„āļēāļ•āļĢāļ§āļˆāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ 1-500 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āļˆ āļēāļ™āļ§āļ™āļœāļ— āļēāļ‡āļēāļ™āļŦāļēāļĢāļēāļĒāđ„āļ”āļ„āļ­ 2-3 āļ„āļ™ 34 67 1.05

41 āļ‚āļ™āļēāļ”āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 5-7 āļ„āļ™ āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļšāļ•āļĢāļĢāļšāļĢāļ­āļ‡āļŠāļ—āļ˜āļāļēāļĢāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ 30 67 1.03

42 āļĢāļ°āļ”āļšāļāļēāļĢāļĻāļāļĐāļēāļŠāļ‡āļŠāļ”āļ• āļēāļāļ§āļēāļĄāļ˜āļĒāļĄāļĻāļāļĐāļē āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļšāļ•āļĢāļĢāļšāļĢāļ­āļ‡āļŠāļ—āļ˜āļāļēāļĢāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ 37 67 1.03

43 āļĢāļ°āļ”āļšāļāļēāļĢāļĻāļāļĐāļēāļŠāļ‡āļŠāļ”āļ• āļēāļāļ§āļēāļĄāļ˜āļĒāļĄāļĻāļāļĐāļēāđāļĨāļ°āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļŠāļ—āļ˜āđ€āļšāļāļ„āļēāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ āļˆ āļēāļ™āļ§āļ™āļœāļ— āļēāļ‡āļēāļ™āļŦāļēāļĢāļēāļĒāđ„āļ”āļ„āļ­ 2-3 āļ„āļ™

34

66

1.03

44 āļĢāļ°āļ”āļšāļāļēāļĢāļĻāļāļĐāļēāļŠāļ‡āļŠāļ”āļ• āļēāļāļ§āļēāļĄāļ˜āļĒāļĄāļĻāļāļĐāļē āļˆ āļēāļ™āļ§āļ™āļœāļ— āļēāļ‡āļēāļ™āļŦāļēāļĢāļēāļĒāđ„āļ”āļ„āļ­ 2-3 āļ„āļ™ 37 66 1.03

Page 67: SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

57

āļ•āļģāļĢāļģāļ‡āļœāļ™āļ§āļāļ— āļ1 āļāļŽāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āļ‚āļ­āļ‡āļ‚āļ­āļĄāļĨāđƒāļ™āļāļĨāļĄāļ— 1 āļˆ āļēāļ™āļ§āļ™āļ—āļ‡āļŠāļ™ 66 āļāļŽ (āļ•āļ­) āļāļŽ

(Rule) āļ„āļēāļŠāļ™āļšāļŠāļ™āļ™ (Support) (āļĢāļ­āļĒāļĨāļ°)

āļ„āļēāļ„āļ§āļēāļĄāđ€āļŠāļ­āļĄāļ™ (Confidence)

(āļĢāļ­āļĒāļĨāļ°)

āļŦāļ™āļ§āļĒāļ§āļ”āļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜

(Lift) 45 āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļŠāļ—āļ˜āđ€āļšāļāļ„āļēāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ āđāļĨāļ°āļ„āļēāđƒāļŠāļˆāļēāļĒāļĒāļēāļŠāļšāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļĄāļēāļāļāļ§āļē 500 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™

āļˆ āļēāļ™āļ§āļ™āļœāļ— āļēāļ‡āļēāļ™āļŦāļēāļĢāļēāļĒāđ„āļ”āļ„āļ­ 2-3 āļ„āļ™ 34 66 1.02

46 āļĢāļ°āļ”āļšāļāļēāļĢāļĻāļāļĐāļēāļŠāļ‡āļŠāļ”āļ• āļēāļāļ§āļēāļĄāļ˜āļĒāļĄāļĻāļāļĐāļēāđāļĨāļ°āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļŠāļ—āļ˜āđ€āļšāļāļ„āļēāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļšāļ•āļĢāļĢāļšāļĢāļ­āļ‡āļŠāļ—āļ˜āļāļēāļĢāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ

34 66 1.02

47 āļ„āļēāđƒāļŠāļˆāļēāļĒāļĒāļēāļŠāļšāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļĄāļēāļāļāļ§āļē 500 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļšāļ•āļĢāļĢāļšāļĢāļ­āļ‡āļŠāļ—āļ˜āļāļēāļĢāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ 42 66 1.02

48 āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļžāļ­āļāļēāļĢāļ­āļ›āđ‚āļ āļ„āļšāļĢāđ‚āļ āļ„āļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 5,001-12,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļŠāļ—āļ˜āđ€āļšāļāļ„āļēāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ āđāļĨāļ°āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 10,001-20,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™

32 65 1.37

49 āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļŠāļ—āļ˜āđ€āļšāļāļ„āļēāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ āđāļĨāļ°āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļšāļ•āļĢāļĢāļšāļĢāļ­āļ‡āļŠāļ—āļ˜āļāļēāļĢāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ āļĢāļ°āļ”āļšāļāļēāļĢāļĻāļāļĐāļēāļŠāļ‡āļŠāļ”āļ• āļēāļāļ§āļēāļĄāļ˜āļĒāļĄāļĻāļāļĐāļē

34 65 1.16

50 āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļšāļ•āļĢāļĢāļšāļĢāļ­āļ‡āļŠāļ—āļ˜āļāļēāļĢāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ āļ„āļēāđƒāļŠāļˆāļēāļĒāļĒāļēāļŠāļšāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļĄāļēāļāļāļ§āļē 500 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ 42 65 1.02

51 āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļŠāļ—āļ˜āđ€āļšāļāļ„āļēāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ āļˆ āļēāļ™āļ§āļ™āļœāļ— āļēāļ‡āļēāļ™āļŦāļēāļĢāļēāļĒāđ„āļ”āļ„āļ­ 2-3 āļ„āļ™ 55 65 1.02

52 āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļžāļ­āļ—āļ­āļĒāļ­āļēāļĻāļĒ āđ€āļ„āļĢāļ­āļ‡āđāļ•āļ‡āļšāļēāļ™ 2,001-4,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļžāļ­āļāļēāļĢāļ­āļ›āđ‚āļ āļ„āļšāļĢāđ‚āļ āļ„āļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 5,001-12,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™

30 64 1.29

53 āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļŠāļ—āļ˜āđ€āļšāļāļ„āļēāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ āđāļĨāļ° āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 10,001-20,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āļĢāļēāļĒāđ„āļ”āđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ„āļ­ 10,001-20,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™

30 63 1.51

54 āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļžāļ­āļ—āļ­āļĒāļ­āļēāļĻāļĒ āđ€āļ„āļĢāļ­āļ‡āđāļ•āļ‡āļšāļēāļ™ 2,001-4,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 10,001-20,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™

30 63 1.16

Page 68: SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

58

āļ•āļģāļĢāļģāļ‡āļœāļ™āļ§āļāļ— āļ1 āļāļŽāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āļ‚āļ­āļ‡āļ‚āļ­āļĄāļĨāđƒāļ™āļāļĨāļĄāļ— 1 āļˆ āļēāļ™āļ§āļ™āļ—āļ‡āļŠāļ™ 66 āļāļŽ (āļ•āļ­) āļāļŽ

(Rule) āļ„āļēāļŠāļ™āļšāļŠāļ™āļ™ (Support) (āļĢāļ­āļĒāļĨāļ°)

āļ„āļēāļ„āļ§āļēāļĄāđ€āļŠāļ­āļĄāļ™ (Confidence)

(āļĢāļ­āļĒāļĨāļ°)

āļŦāļ™āļ§āļĒāļ§āļ”āļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜

(Lift) 55 āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļŠāļ—āļ˜āđ€āļšāļāļ„āļēāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ āđāļĨāļ°āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļšāļ•āļĢāļĢāļšāļĢāļ­āļ‡āļŠāļ—āļ˜āļāļēāļĢāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ

āļ„āļēāđƒāļŠāļˆāļēāļĒāļ—āđ„āļĄāđ€āļāļĒāļ§āļāļšāļāļēāļĢāļ­āļ›āđ‚āļ āļ„āļšāļĢāđ‚āļ āļ„ 1-1,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ 33 62 1.41

56 āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļžāļ­āļāļēāļĢāļ­āļ›āđ‚āļ āļ„āļšāļĢāđ‚āļ āļ„āļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 5,001-12,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļžāļ­āļ—āļ­āļĒāļ­āļēāļĻāļĒ āđ€āļ„āļĢāļ­āļ‡āđāļ•āļ‡āļšāļēāļ™ 2,001-4,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™

30 62 1.29

57 āļˆ āļēāļ™āļ§āļ™āļœāļ— āļēāļ‡āļēāļ™āļŦāļēāļĢāļēāļĒāđ„āļ”āļ„āļ­ 2-3 āļ„āļ™āđāļĨāļ°āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļŠāļ—āļ˜āđ€āļšāļāļ„āļēāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ āļĢāļ°āļ”āļšāļāļēāļĢāļĻāļāļĐāļēāļŠāļ‡āļŠāļ”āļ• āļēāļāļ§āļēāļĄāļ˜āļĒāļĄāļĻāļāļĐāļē

34 62 1.1

58 āđ„āļĄāļĄāļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļĢāļ­āļ‡āļāļēāļĢāļĻāļāļĐāļē āļŠāļ–āļēāļ™āļ°āļ āļēāļžāļ—āļēāļ‡āđ€āļĻāļĢāļĐāļāļāļˆāļŠāļ‡āļ„āļĄāļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ„āļ­āļĨāļāļˆāļēāļ‡ 31 62 1.06

59 āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 10,001-20,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āļĢāļēāļĒāđ„āļ”āđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ„āļ­ 10,001-20,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™

33 61 1.45

60 āļĢāļ°āļ”āļšāļāļēāļĢāļĻāļāļĐāļēāļŠāļ‡āļŠāļ”āļ• āļēāļāļ§āļēāļĄāļ˜āļĒāļĄāļĻāļāļĐāļē āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļŠāļ—āļ˜āđ€āļšāļāļ„āļēāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ āđāļĨāļ°āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļšāļ•āļĢāļĢāļšāļĢāļ­āļ‡āļŠāļ—āļ˜āļāļēāļĢāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ

34 61 1.16

61 āļˆ āļēāļ™āļ§āļ™āļœāļ— āļēāļ‡āļēāļ™āļŦāļēāļĢāļēāļĒāđ„āļ”āļ„āļ­ 2-3 āļ„āļ™āđāļĨāļ°āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļŠāļ—āļ˜āđ€āļšāļāļ„āļēāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 10,001-20,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™

33 61 1.12

62 āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 10,001-20,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āļˆ āļēāļ™āļ§āļ™āļœāļ— āļēāļ‡āļēāļ™āļŦāļēāļĢāļēāļĒāđ„āļ”āļ„āļ­ 2-3 āļ„āļ™āđāļĨāļ°āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļŠāļ—āļ˜āđ€āļšāļāļ„āļēāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ

33 61 1.12

63 āļĢāļ°āļ”āļšāļāļēāļĢāļĻāļāļĐāļēāļŠāļ‡āļŠāļ”āļ• āļēāļāļ§āļēāļĄāļ˜āļĒāļĄāļĻāļāļĐāļē āļˆ āļēāļ™āļ§āļ™āļœāļ— āļēāļ‡āļēāļ™āļŦāļēāļĢāļēāļĒāđ„āļ”āļ„āļ­ 2-3 āļ„āļ™āđāļĨāļ°āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļŠāļ—āļ˜āđ€āļšāļāļ„āļēāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ

34 61 1.1

Page 69: SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

59

āļ•āļģāļĢāļģāļ‡āļœāļ™āļ§āļāļ— āļ1 āļāļŽāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āļ‚āļ­āļ‡āļ‚āļ­āļĄāļĨāđƒāļ™āļāļĨāļĄāļ— 1 āļˆ āļēāļ™āļ§āļ™āļ—āļ‡āļŠāļ™ 66 āļāļŽ (āļ•āļ­) āļāļŽ

(Rule) āļ„āļēāļŠāļ™āļšāļŠāļ™āļ™ (Support) (āļĢāļ­āļĒāļĨāļ°)

āļ„āļēāļ„āļ§āļēāļĄāđ€āļŠāļ­āļĄāļ™ (Confidence)

(āļĢāļ­āļĒāļĨāļ°)

āļŦāļ™āļ§āļĒāļ§āļ”āļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜

(Lift) 64 āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļŠāļ—āļ˜āđ€āļšāļāļ„āļēāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ āļĢāļ°āļ”āļšāļāļēāļĢāļĻāļāļĐāļēāļŠāļ‡āļŠāļ”āļ• āļēāļāļ§āļēāļĄāļ˜āļĒāļĄāļĻāļāļĐāļē 51 61 1.09

65 āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļŠāļ—āļ˜āđ€āļšāļāļ„āļēāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ āđāļĨāļ°āļ„āļēāđƒāļŠāļˆāļēāļĒāļĒāļēāļŠāļšāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļĄāļēāļāļāļ§āļē 500 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āļĢāļ°āļ”āļšāļāļēāļĢāļĻāļāļĐāļēāļŠāļ‡āļŠāļ”āļ• āļēāļāļ§āļēāļĄāļ˜āļĒāļĄāļĻāļāļĐāļē

31 60 1.07

66 āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 10,001-20,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āļĢāļ°āļ”āļšāļāļēāļĢāļĻāļāļĐāļēāļŠāļ‡āļŠāļ”āļ• āļēāļāļ§āļēāļĄāļ˜āļĒāļĄāļĻāļāļĐāļē 32 60 1.07

āļ•āļģāļĢāļģāļ‡āļœāļ™āļ§āļāļ— āļ2 āļāļŽāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āļ‚āļ­āļ‡āļ‚āļ­āļĄāļĨāđƒāļ™āļāļĨāļĄāļ— 2 āļˆ āļēāļ™āļ§āļ™āļ—āļ‡āļŠāļ™ 60 āļāļŽ

āļāļŽ (Rule)

āļ„āļēāļŠāļ™āļšāļŠāļ™āļ™ (Support) (āļĢāļ­āļĒāļĨāļ°)

āļ„āļēāļ„āļ§āļēāļĄāđ€āļŠāļ­āļĄāļ™ (Confidence)

(āļĢāļ­āļĒāļĨāļ°)

āļŦāļ™āļ§āļĒāļ§āļ”āļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜

(Lift) 1 āđ„āļĄāļĄāļˆ āļēāļ™āļ§āļ™āļŠāļĄāļēāļŠāļāļ—āļ— āļēāļ‡āļēāļ™āļĢāļšāļ„āļēāļˆāļēāļ‡āđāļĨāļ°āđ€āļ‡āļ™āđ€āļ”āļ­āļ™ āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļšāļ•āļĢāļĢāļšāļĢāļ­āļ‡āļŠāļ—āļ˜āļāļēāļĢāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ 53 99 1.18

2 āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ• āļēāļāļ§āļē 10,001 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļžāļ­āļāļēāļĢāļ­āļ›āđ‚āļ āļ„āļšāļĢāđ‚āļ āļ„āļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ™āļ­āļĒāļāļ§āļē 5,001 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™

53 93 1.46

3 āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļžāļ­āļ—āļ­āļĒāļ­āļēāļĻāļĒ āđ€āļ„āļĢāļ­āļ‡āđāļ•āļ‡āļšāļēāļ™āļ™āļ­āļĒāļāļ§āļē 2,001 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļŠāļ—āļ˜āđ€āļšāļāļ„āļēāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ 52 93 1.06

4 āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ• āļēāļāļ§āļē 10,001 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļšāļ•āļĢāļĢāļšāļĢāļ­āļ‡āļŠāļ—āļ˜āļāļēāļĢāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ 52 92 1.10

5 āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļžāļ­āļāļēāļĢāļ­āļ›āđ‚āļ āļ„āļšāļĢāđ‚āļ āļ„āļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ™āļ­āļĒāļāļ§āļē 5,001 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļŠāļ—āļ˜āđ€āļšāļāļ„āļēāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ

59 92 1.05

Page 70: SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

60

āļ•āļģāļĢāļģāļ‡āļœāļ™āļ§āļāļ— āļ2 āļāļŽāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āļ‚āļ­āļ‡āļ‚āļ­āļĄāļĨāđƒāļ™āļāļĨāļĄāļ— 2 āļˆ āļēāļ™āļ§āļ™āļ—āļ‡āļŠāļ™ 60 āļāļŽ (āļ•āļ­) āļāļŽ

(Rule) āļ„āļēāļŠāļ™āļšāļŠāļ™āļ™ (Support) (āļĢāļ­āļĒāļĨāļ°)

āļ„āļēāļ„āļ§āļēāļĄāđ€āļŠāļ­āļĄāļ™ (Confidence)

(āļĢāļ­āļĒāļĨāļ°)

āļŦāļ™āļ§āļĒāļ§āļ”āļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜

(Lift) 6 āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļžāļ­āļāļēāļĢāļ­āļ›āđ‚āļ āļ„āļšāļĢāđ‚āļ āļ„āļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ™āļ­āļĒāļāļ§āļē 5,001 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āđāļĨāļ°āļ„āļēāđƒāļŠāļˆāļēāļĒāļāļēāļĢāđ€āļ”āļ™āļ—āļēāļ‡āđāļĨāļ°āļāļēāļĢ

āļŠāļ­āļŠāļēāļĢ 1-2,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļŠāļ—āļ˜āđ€āļšāļāļ„āļēāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ 50 92 1.05

7 āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ• āļēāļāļ§āļē 10,001 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļŠāļ—āļ˜āđ€āļšāļāļ„āļēāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ 52 92 1.04

8 āļ„āļēāđƒāļŠāļˆāļēāļĒāļ—āđ„āļĄāđ€āļāļĒāļ§āļāļšāļāļēāļĢāļ­āļ›āđ‚āļ āļ„āļšāļĢāđ‚āļ āļ„ 1-1,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļšāļ•āļĢāļĢāļšāļĢāļ­āļ‡āļŠāļ—āļ˜āļāļēāļĢāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ 65 91 1.08

9 āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļšāļ•āļĢāļĢāļšāļĢāļ­āļ‡āļŠāļ—āļ˜āļāļēāļĢāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ āđāļĨāļ°āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļžāļ­āļāļēāļĢāļ­āļ›āđ‚āļ āļ„āļšāļĢāđ‚āļ āļ„āļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ™āļ­āļĒāļāļ§āļē 5,001 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļŠāļ—āļ˜āđ€āļšāļāļ„āļēāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ

51 91 1.04

10 āļĢāļ°āļ”āļšāļāļēāļĢāļĻāļāļĐāļēāļŠāļ‡āļŠāļ”āļ• āļēāļāļ§āļēāļĄāļ˜āļĒāļĄāļĻāļāļĐāļē āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļŠāļ—āļ˜āđ€āļšāļāļ„āļēāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ 61 91 1.04

11 āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļŠāļ—āļ˜āđ€āļšāļāļ„āļēāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ āđāļĨāļ°āļ„āļēāđƒāļŠāļˆāļēāļĒāļ—āđ„āļĄāđ€āļāļĒāļ§āļāļšāļāļēāļĢāļ­āļ›āđ‚āļ āļ„āļšāļĢāđ‚āļ āļ„ 1-1,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļšāļ•āļĢāļĢāļšāļĢāļ­āļ‡āļŠāļ—āļ˜āļāļēāļĢāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ

58 90 1.07

12 āļĢāļ°āļ”āļšāļāļēāļĢāļĻāļāļĐāļēāļŠāļ‡āļŠāļ”āļ• āļēāļāļ§āļēāļĄāļ˜āļĒāļĄāļĻāļāļĐāļē āđāļĨāļ°āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļšāļ•āļĢāļĢāļšāļĢāļ­āļ‡āļŠāļ—āļ˜āļāļēāļĢāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļŠāļ—āļ˜āđ€āļšāļāļ„āļēāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ

53 90 1.03

13 āļ„āļēāđƒāļŠāļˆāļēāļĒāļ—āđ„āļĄāđ€āļāļĒāļ§āļāļšāļāļēāļĢāļ­āļ›āđ‚āļ āļ„āļšāļĢāđ‚āļ āļ„ 1-1,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļŠāļ—āļ˜āđ€āļšāļāļ„āļēāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ 64 90 1.02

14 āļ„āļēāđƒāļŠāļˆāļēāļĒāļāļēāļĢāđ€āļ”āļ™āļ—āļēāļ‡āđāļĨāļ°āļāļēāļĢāļŠāļ­āļŠāļēāļĢ 1-2,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļŠāļ—āļ˜āđ€āļšāļāļ„āļēāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ 63 89 1.02

15 āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļšāļ•āļĢāļĢāļšāļĢāļ­āļ‡āļŠāļ—āļ˜āļāļēāļĢāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ āđāļĨāļ°āļ„āļēāđƒāļŠāļˆāļēāļĒāļ—āđ„āļĄāđ€āļāļĒāļ§āļāļšāļāļēāļĢāļ­āļ›āđ‚āļ āļ„āļšāļĢāđ‚āļ āļ„ 1-1,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļŠāļ—āļ˜āđ€āļšāļāļ„āļēāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ

58 89 1.01

16 āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļžāļ­āļāļēāļĢāļ­āļ›āđ‚āļ āļ„āļšāļĢāđ‚āļ āļ„āļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ™āļ­āļĒāļāļ§āļē 5,001 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļšāļ•āļĢāļĢāļšāļĢāļ­āļ‡āļŠāļ—āļ˜āļāļēāļĢāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ

56 88 1.05

Page 71: SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

61

āļ•āļģāļĢāļģāļ‡āļœāļ™āļ§āļāļ— āļ2 āļāļŽāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āļ‚āļ­āļ‡āļ‚āļ­āļĄāļĨāđƒāļ™āļāļĨāļĄāļ— 2 āļˆ āļēāļ™āļ§āļ™āļ—āļ‡āļŠāļ™ 60 āļāļŽ (āļ•āļ­) āļāļŽ

(Rule) āļ„āļēāļŠāļ™āļšāļŠāļ™āļ™ (Support) (āļĢāļ­āļĒāļĨāļ°)

āļ„āļēāļ„āļ§āļēāļĄāđ€āļŠāļ­āļĄāļ™ (Confidence)

(āļĢāļ­āļĒāļĨāļ°)

āļŦāļ™āļ§āļĒāļ§āļ”āļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜

(Lift) 17 āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļŠāļ—āļ˜āđ€āļšāļāļ„āļēāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ āđāļĨāļ°āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļžāļ­āļāļēāļĢāļ­āļ›āđ‚āļ āļ„āļšāļĢāđ‚āļ āļ„āļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ™āļ­āļĒāļāļ§āļē 5,001 āļšāļēāļ—āļ•āļ­

āđ€āļ”āļ­āļ™ āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļšāļ•āļĢāļĢāļšāļĢāļ­āļ‡āļŠāļ—āļ˜āļāļēāļĢāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ 51 88 1.05

18 āļĢāļ°āļ”āļšāļāļēāļĢāļĻāļāļĐāļēāļŠāļ‡āļŠāļ”āļ• āļēāļāļ§āļēāļĄāļ˜āļĒāļĄāļĻāļāļĐāļē āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļšāļ•āļĢāļĢāļšāļĢāļ­āļ‡āļŠāļ—āļ˜āļāļēāļĢāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ 59 87 1.04

19 āļĢāļ°āļ”āļšāļāļēāļĢāļĻāļāļĐāļēāļŠāļ‡āļŠāļ”āļ• āļēāļāļ§āļēāļĄāļ˜āļĒāļĄāļĻāļāļĐāļē āđāļĨāļ°āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļŠāļ—āļ˜āđ€āļšāļāļ„āļēāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļšāļ•āļĢāļĢāļšāļĢāļ­āļ‡āļŠāļ—āļ˜āļāļēāļĢāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ

53 87 1.03

20 āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļžāļ­āļāļēāļĢāļ­āļ›āđ‚āļ āļ„āļšāļĢāđ‚āļ āļ„āļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ™āļ­āļĒāļāļ§āļē 5,001 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āļ„āļēāđƒāļŠāļˆāļēāļĒāļāļēāļĢāđ€āļ”āļ™āļ—āļēāļ‡āđāļĨāļ°āļāļēāļĢāļŠāļ­āļŠāļēāļĢ 1-2,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™

55 86 1.21

21 āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļŠāļ—āļ˜āđ€āļšāļāļ„āļēāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ āđāļĨāļ°āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļžāļ­āļāļēāļĢāļ­āļ›āđ‚āļ āļ„āļšāļĢāđ‚āļ āļ„āļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ™āļ­āļĒāļāļ§āļē 5,001 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āļ„āļēāđƒāļŠāļˆāļēāļĒāļāļēāļĢāđ€āļ”āļ™āļ—āļēāļ‡āđāļĨāļ°āļāļēāļĢāļŠāļ­āļŠāļēāļĢ 1-2,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™

50 86 1.21

22 āļ„āļēāđƒāļŠāļˆāļēāļĒāļāļēāļĢāđ€āļ”āļ™āļ—āļēāļ‡āđāļĨāļ°āļāļēāļĢāļŠāļ­āļŠāļēāļĢ 1-2,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļšāļ•āļĢāļĢāļšāļĢāļ­āļ‡āļŠāļ—āļ˜āļāļēāļĢāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ 61 86 1.03

23 āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļŠāļ—āļ˜āđ€āļšāļāļ„āļēāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ āđāļĨāļ°āļ„āļēāđƒāļŠāļˆāļēāļĒāļāļēāļĢāđ€āļ”āļ™āļ—āļēāļ‡āđāļĨāļ°āļāļēāļĢāļŠāļ­āļŠāļēāļĢ 1-2,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļšāļ•āļĢāļĢāļšāļĢāļ­āļ‡āļŠāļ—āļ˜āļāļēāļĢāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ

54 85 1.02

24 āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļžāļ­āļāļēāļĢāļ­āļ›āđ‚āļ āļ„āļšāļĢāđ‚āļ āļ„āļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ™āļ­āļĒāļāļ§āļē 5,001 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ• āļēāļāļ§āļē 10,001 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™

53 83 1.46

25 āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļžāļ­āļāļēāļĢāļ­āļ›āđ‚āļ āļ„āļšāļĢāđ‚āļ āļ„āļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ™āļ­āļĒāļāļ§āļē 5,001 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļŠāļ—āļ˜āđ€āļšāļāļ„āļēāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ āđāļĨāļ°āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļšāļ•āļĢāļĢāļšāļĢāļ­āļ‡āļŠāļ—āļ˜āļāļēāļĢāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ

51 81 1.11

26 āļ„āļēāđƒāļŠāļˆāļēāļĒāļ—āđ„āļĄāđ€āļāļĒāļ§āļāļšāļāļēāļĢāļ­āļ›āđ‚āļ āļ„āļšāļĢāđ‚āļ āļ„ 1-1,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļŠāļ—āļ˜āđ€āļšāļāļ„āļēāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ āđāļĨāļ°āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļšāļ•āļĢāļĢāļšāļĢāļ­āļ‡āļŠāļ—āļ˜āļāļēāļĢāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ

58 81 1.11

Page 72: SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

62

āļ•āļģāļĢāļģāļ‡āļœāļ™āļ§āļāļ— āļ2 āļāļŽāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āļ‚āļ­āļ‡āļ‚āļ­āļĄāļĨāđƒāļ™āļāļĨāļĄāļ— 2 āļˆ āļēāļ™āļ§āļ™āļ—āļ‡āļŠāļ™ 60 āļāļŽ (āļ•āļ­) āļāļŽ

(Rule) āļ„āļēāļŠāļ™āļšāļŠāļ™āļ™ (Support) (āļĢāļ­āļĒāļĨāļ°)

āļ„āļēāļ„āļ§āļēāļĄāđ€āļŠāļ­āļĄāļ™ (Confidence)

(āļĢāļ­āļĒāļĨāļ°)

āļŦāļ™āļ§āļĒāļ§āļ”āļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜

(Lift) 27 āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļŠāļ—āļ˜āđ€āļšāļāļ„āļēāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ āđāļĨāļ°āļ„āļēāđƒāļŠāļˆāļēāļĒāļāļēāļĢāđ€āļ”āļ™āļ—āļēāļ‡āđāļĨāļ°āļāļēāļĢāļŠāļ­āļŠāļēāļĢ 1-2,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™

āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļžāļ­āļāļēāļĢāļ­āļ›āđ‚āļ āļ„āļšāļĢāđ‚āļ āļ„āļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ™āļ­āļĒāļāļ§āļē 5,001 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ 50 80 1.25

28 āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļŠāļ—āļ˜āđ€āļšāļāļ„āļēāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ āđāļĨāļ°āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļšāļ•āļĢāļĢāļšāļĢāļ­āļ‡āļŠāļ—āļ˜āļāļēāļĢāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ āļ„āļēāđƒāļŠāļˆāļēāļĒāļ—āđ„āļĄāđ€āļāļĒāļ§āļāļšāļāļēāļĢāļ­āļ›āđ‚āļ āļ„āļšāļĢāđ‚āļ āļ„ 1-1,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™

58 80 1.11

29 āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļžāļ­āļāļēāļĢāļ­āļ›āđ‚āļ āļ„āļšāļĢāđ‚āļ āļ„āļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ™āļ­āļĒāļāļ§āļē 5,001 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļŠāļ—āļ˜āđ€āļšāļāļ„āļēāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ āđāļĨāļ°āļ„āļēāđƒāļŠāļˆāļēāļĒāļāļēāļĢāđ€āļ”āļ™āļ—āļēāļ‡āđāļĨāļ°āļāļēāļĢāļŠāļ­āļŠāļēāļĢ 1-2,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™

50 79 1.25

30 āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļžāļ­āļāļēāļĢāļ­āļ›āđ‚āļ āļ„āļšāļĢāđ‚āļ āļ„āļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ™āļ­āļĒāļāļ§āļē 5,001 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āļ„āļēāđƒāļŠāļˆāļēāļĒāļ—āđ„āļĄāđ€āļāļĒāļ§āļāļšāļāļēāļĢāļ­āļ›āđ‚āļ āļ„āļšāļĢāđ‚āļ āļ„ 1-1,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™

50 79 1.10

31 āļĢāļ°āļ”āļšāļāļēāļĢāļĻāļāļĐāļēāļŠāļ‡āļŠāļ”āļ• āļēāļāļ§āļēāļĄāļ˜āļĒāļĄāļĻāļāļĐāļē āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļŠāļ—āļ˜āđ€āļšāļāļ„āļēāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ āđāļĨāļ°āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļšāļ•āļĢāļĢāļšāļĢāļ­āļ‡āļŠāļ—āļ˜āļāļēāļĢāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ

53 79 1.08

32 āļ„āļēāđƒāļŠāļˆāļēāļĒāļāļēāļĢāđ€āļ”āļ™āļ—āļēāļ‡āđāļĨāļ°āļāļēāļĢāļŠāļ­āļŠāļēāļĢ 1-2,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļžāļ­āļāļēāļĢāļ­āļ›āđ‚āļ āļ„āļšāļĢāđ‚āļ āļ„āļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ™āļ­āļĒāļāļ§āļē 5,001 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™

55 77 1.21

33 āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļšāļ•āļĢāļĢāļšāļĢāļ­āļ‡āļŠāļ—āļ˜āļāļēāļĢāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ āļ„āļēāđƒāļŠāļˆāļēāļĒāļ—āđ„āļĄāđ€āļāļĒāļ§āļāļšāļāļēāļĢāļ­āļ›āđ‚āļ āļ„āļšāļĢāđ‚āļ āļ„ 1-1,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ 65 77 1.08

34 āļ„āļēāđƒāļŠāļˆāļēāļĒāļāļēāļĢāđ€āļ”āļ™āļ—āļēāļ‡āđāļĨāļ°āļāļēāļĢāļŠāļ­āļŠāļēāļĢ 1-2,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āļ„āļēāđƒāļŠāļˆāļēāļĒāļ—āđ„āļĄāđ€āļāļĒāļ§āļāļšāļāļēāļĢāļ­āļ›āđ‚āļ āļ„āļšāļĢāđ‚āļ āļ„ 1-1,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™

54 76 1.06

35 āļ„āļēāđƒāļŠāļˆāļēāļĒāļāļēāļĢāđ€āļ”āļ™āļ—āļēāļ‡āđāļĨāļ°āļāļēāļĢāļŠāļ­āļŠāļēāļĢ 1-2,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļŠāļ—āļ˜āđ€āļšāļāļ„āļēāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ āđāļĨāļ°āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļšāļ•āļĢāļĢāļšāļĢāļ­āļ‡āļŠāļ—āļ˜āļāļēāļĢāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ

54 76 1.05

Page 73: SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

63

āļ•āļģāļĢāļģāļ‡āļœāļ™āļ§āļāļ— āļ2 āļāļŽāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āļ‚āļ­āļ‡āļ‚āļ­āļĄāļĨāđƒāļ™āļāļĨāļĄāļ— 2 āļˆ āļēāļ™āļ§āļ™āļ—āļ‡āļŠāļ™ 60 āļāļŽ (āļ•āļ­) āļāļŽ

(Rule) āļ„āļēāļŠāļ™āļšāļŠāļ™āļ™ (Support) (āļĢāļ­āļĒāļĨāļ°)

āļ„āļēāļ„āļ§āļēāļĄāđ€āļŠāļ­āļĄāļ™ (Confidence)

(āļĢāļ­āļĒāļĨāļ°)

āļŦāļ™āļ§āļĒāļ§āļ”āļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜

(Lift) 36 āļ„āļēāđƒāļŠāļˆāļēāļĒāļ—āđ„āļĄāđ€āļāļĒāļ§āļāļšāļāļēāļĢāļ­āļ›āđ‚āļ āļ„āļšāļĢāđ‚āļ āļ„ 1-1,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™

āļ„āļēāđƒāļŠāļˆāļēāļĒāļāļēāļĢāđ€āļ”āļ™āļ—āļēāļ‡āđāļĨāļ°āļāļēāļĢāļŠāļ­āļŠāļēāļĢ 1-2,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ 54 75 1.06

37 āļĢāļ°āļ”āļšāļāļēāļĢāļĻāļāļĐāļēāļŠāļ‡āļŠāļ”āļ• āļēāļāļ§āļēāļĄāļ˜āļĒāļĄāļĻāļāļĐāļē āļ„āļēāđƒāļŠāļˆāļēāļĒāļ—āđ„āļĄāđ€āļāļĒāļ§āļāļšāļāļēāļĢāļ­āļ›āđ‚āļ āļ„āļšāļĢāđ‚āļ āļ„ 1-1,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ 51 75 1.05

38 āļĢāļ°āļ”āļšāļāļēāļĢāļĻāļāļĐāļēāļŠāļ‡āļŠāļ”āļ• āļēāļāļ§āļēāļĄāļ˜āļĒāļĄāļĻāļāļĐāļē āļ„āļēāđƒāļŠāļˆāļēāļĒāļāļēāļĢāđ€āļ”āļ™āļ—āļēāļ‡āđāļĨāļ°āļāļēāļĢāļŠāļ­āļŠāļēāļĢ 1-2,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ 50 74 1.05

39 āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļŠāļ—āļ˜āđ€āļšāļāļ„āļēāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ āđāļĨāļ°āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļšāļ•āļĢāļĢāļšāļĢāļ­āļ‡āļŠāļ—āļ˜āļāļēāļĢāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ āļ„āļēāđƒāļŠāļˆāļēāļĒāļāļēāļĢāđ€āļ”āļ™āļ—āļēāļ‡āđāļĨāļ°āļāļēāļĢāļŠāļ­āļŠāļēāļĢ 1-2,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™

54 74 1.05

40 āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļŠāļ—āļ˜āđ€āļšāļāļ„āļēāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ āđāļĨāļ°āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļšāļ•āļĢāļĢāļšāļĢāļ­āļ‡āļŠāļ—āļ˜āļāļēāļĢāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ āļĢāļ°āļ”āļšāļāļēāļĢāļĻāļāļĐāļēāļŠāļ‡āļŠāļ”āļ• āļēāļāļ§āļēāļĄāļ˜āļĒāļĄāļĻāļāļĐāļē

53 73 1.08

41 āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļšāļ•āļĢāļĢāļšāļĢāļ­āļ‡āļŠāļ—āļ˜āļāļēāļĢāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ āļ„āļēāđƒāļŠāļˆāļēāļĒāļāļēāļĢāđ€āļ”āļ™āļ—āļēāļ‡āđāļĨāļ°āļāļēāļĢāļŠāļ­āļŠāļēāļĢ 1-2,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ 61 73 1.03

42 āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļŠāļ—āļ˜āđ€āļšāļāļ„āļēāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ āļ„āļēāđƒāļŠāļˆāļēāļĒāļ—āđ„āļĄāđ€āļāļĒāļ§āļāļšāļāļēāļĢāļ­āļ›āđ‚āļ āļ„āļšāļĢāđ‚āļ āļ„ 1-1,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ 64 73 1.02

43 āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļŠāļ—āļ˜āđ€āļšāļāļ„āļēāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ āļ„āļēāđƒāļŠāļˆāļēāļĒāļāļēāļĢāđ€āļ”āļ™āļ—āļēāļ‡āđāļĨāļ°āļāļēāļĢāļŠāļ­āļŠāļēāļĢ 1-2,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ 63 72 1.02

44 āļ„āļēāđƒāļŠāļˆāļēāļĒāļāļēāļĢāđ€āļ”āļ™āļ—āļēāļ‡āđāļĨāļ°āļāļēāļĢāļŠāļ­āļŠāļēāļĢ 1-2,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļŠāļ—āļ˜āđ€āļšāļāļ„āļēāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ āđāļĨāļ°āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļžāļ­āļāļēāļĢāļ­āļ›āđ‚āļ āļ„āļšāļĢāđ‚āļ āļ„āļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ™āļ­āļĒāļāļ§āļē 5,001 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™

50 71 1.21

45 āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļŠāļ—āļ˜āđ€āļšāļāļ„āļēāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ āđāļĨāļ°āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļšāļ•āļĢāļĢāļšāļĢāļ­āļ‡āļŠāļ—āļ˜āļāļēāļĢāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļžāļ­āļāļēāļĢāļ­āļ›āđ‚āļ āļ„āļšāļĢāđ‚āļ āļ„āļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ™āļ­āļĒāļāļ§āļē 5,001 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™

51 71 1.11

46 āļ„āļēāđƒāļŠāļˆāļēāļĒāļ—āđ„āļĄāđ€āļāļĒāļ§āļāļšāļāļēāļĢāļ­āļ›āđ‚āļ āļ„āļšāļĢāđ‚āļ āļ„ 1-1,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āļĢāļ°āļ”āļšāļāļēāļĢāļĻāļāļĐāļēāļŠāļ‡āļŠāļ”āļ• āļēāļāļ§āļēāļĄāļ˜āļĒāļĄāļĻāļāļĐāļē 51 71 1.05

47 āļ„āļēāđƒāļŠāļˆāļēāļĒāļāļēāļĢāđ€āļ”āļ™āļ—āļēāļ‡āđāļĨāļ°āļāļēāļĢāļŠāļ­āļŠāļēāļĢ 1-2,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āļĢāļ°āļ”āļšāļāļēāļĢāļĻāļāļĐāļēāļŠāļ‡āļŠāļ”āļ• āļēāļāļ§āļēāļĄāļ˜āļĒāļĄāļĻāļāļĐāļē 50 71 1.05

Page 74: SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

64

āļ•āļģāļĢāļģāļ‡āļœāļ™āļ§āļāļ— āļ2 āļāļŽāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āļ‚āļ­āļ‡āļ‚āļ­āļĄāļĨāđƒāļ™āļāļĨāļĄāļ— 2 āļˆ āļēāļ™āļ§āļ™āļ—āļ‡āļŠāļ™ 60 āļāļŽ (āļ•āļ­) āļāļŽ

(Rule) āļ„āļēāļŠāļ™āļšāļŠāļ™āļ™ (Support) (āļĢāļ­āļĒāļĨāļ°)

āļ„āļēāļ„āļ§āļēāļĄāđ€āļŠāļ­āļĄāļ™ (Confidence)

(āļĢāļ­āļĒāļĨāļ°)

āļŦāļ™āļ§āļĒāļ§āļ”āļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜

(Lift) 48 āļ„āļēāđƒāļŠāļˆāļēāļĒāļ—āđ„āļĄāđ€āļāļĒāļ§āļāļšāļāļēāļĢāļ­āļ›āđ‚āļ āļ„āļšāļĢāđ‚āļ āļ„ 1-1,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™

āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļžāļ­āļāļēāļĢāļ­āļ›āđ‚āļ āļ„āļšāļĢāđ‚āļ āļ„āļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ™āļ­āļĒāļāļ§āļē 5,001 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ 50 70 1.10

49 āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļšāļ•āļĢāļĢāļšāļĢāļ­āļ‡āļŠāļ—āļ˜āļāļēāļĢāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ āļĢāļ°āļ”āļšāļāļēāļĢāļĻāļāļĐāļēāļŠāļ‡āļŠāļ”āļ• āļēāļāļ§āļēāļĄāļ˜āļĒāļĄāļĻāļāļĐāļē 59 70 1.04

50 āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļŠāļ—āļ˜āđ€āļšāļāļ„āļēāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ āļĢāļ°āļ”āļšāļāļēāļĢāļĻāļāļĐāļēāļŠāļ‡āļŠāļ”āļ• āļēāļāļ§āļēāļĄāļ˜āļĒāļĄāļĻāļāļĐāļē 61 70 1.04

51 āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļšāļ•āļĢāļĢāļšāļĢāļ­āļ‡āļŠāļ—āļ˜āļāļēāļĢāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļŠāļ—āļ˜āđ€āļšāļāļ„āļēāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ āđāļĨāļ°āļ„āļēāđƒāļŠāļˆāļēāļĒāļ—āđ„āļĄāđ€āļāļĒāļ§āļāļšāļāļēāļĢāļ­āļ›āđ‚āļ āļ„āļšāļĢāđ‚āļ āļ„ 1-1,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™

58 69 1.07

52 āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļšāļ•āļĢāļĢāļšāļĢāļ­āļ‡āļŠāļ—āļ˜āļāļēāļĢāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļžāļ­āļāļēāļĢāļ­āļ›āđ‚āļ āļ„āļšāļĢāđ‚āļ āļ„āļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ™āļ­āļĒāļāļ§āļē 5,001 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™

56 67 1.05

53 āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļŠāļ—āļ˜āđ€āļšāļāļ„āļēāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļžāļ­āļāļēāļĢāļ­āļ›āđ‚āļ āļ„āļšāļĢāđ‚āļ āļ„āļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ™āļ­āļĒāļāļ§āļē 5,001 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™

59 67 1.05

54 āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļŠāļ—āļ˜āđ€āļšāļāļ„āļēāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļšāļ•āļĢāļĢāļšāļĢāļ­āļ‡āļŠāļ—āļ˜āļāļēāļĢāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ āđāļĨāļ°āļ„āļēāđƒāļŠāļˆāļēāļĒāļ—āđ„āļĄāđ€āļāļĒāļ§āļāļšāļāļēāļĢāļ­āļ›āđ‚āļ āļ„āļšāļĢāđ‚āļ āļ„ 1-1,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™

58 66 1.01

55 āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļšāļ•āļĢāļĢāļšāļĢāļ­āļ‡āļŠāļ—āļ˜āļāļēāļĢāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļŠāļ—āļ˜āđ€āļšāļāļ„āļēāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ āđāļĨāļ°āļ„āļēāđƒāļŠāļˆāļēāļĒāļāļēāļĢāđ€āļ”āļ™āļ—āļēāļ‡āđāļĨāļ°āļāļēāļĢāļŠāļ­āļŠāļēāļĢ 1-2,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™

54 64 1.02

56 āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļšāļ•āļĢāļĢāļšāļĢāļ­āļ‡āļŠāļ—āļ˜āļāļēāļĢāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ āđ„āļĄāļĄāļˆ āļēāļ™āļ§āļ™āļŠāļĄāļēāļŠāļāļ—āļ— āļēāļ‡āļēāļ™āļĢāļšāļ„āļēāļˆāļēāļ‡āđāļĨāļ°āđ€āļ‡āļ™āđ€āļ”āļ­āļ™

53 63 1.18

57 āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļšāļ•āļĢāļĢāļšāļĢāļ­āļ‡āļŠāļ—āļ˜āļāļēāļĢāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ āļĢāļ°āļ”āļšāļāļēāļĢāļĻāļāļĐāļēāļŠāļ‡āļŠāļ”āļ• āļēāļāļ§āļēāļĄāļ˜āļĒāļĄāļĻāļāļĐāļē āđāļĨāļ°āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļŠāļ—āļ˜āđ€āļšāļāļ„āļēāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ

53 63 1.03

Page 75: SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

65

āļ•āļģāļĢāļģāļ‡āļœāļ™āļ§āļāļ— āļ2 āļāļŽāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āļ‚āļ­āļ‡āļ‚āļ­āļĄāļĨāđƒāļ™āļāļĨāļĄāļ— 2 āļˆ āļēāļ™āļ§āļ™āļ—āļ‡āļŠāļ™ 60 āļāļŽ (āļ•āļ­) āļāļŽ

(Rule) āļ„āļēāļŠāļ™āļšāļŠāļ™āļ™ (Support) (āļĢāļ­āļĒāļĨāļ°)

āļ„āļēāļ„āļ§āļēāļĄāđ€āļŠāļ­āļĄāļ™ (Confidence)

(āļĢāļ­āļĒāļĨāļ°)

āļŦāļ™āļ§āļĒāļ§āļ”āļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜

(Lift) 58 āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļšāļ•āļĢāļĢāļšāļĢāļ­āļ‡āļŠāļ—āļ˜āļāļēāļĢāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ• āļēāļāļ§āļē 10,001 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ 52 62 1.10

59 āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļšāļ•āļĢāļĢāļšāļĢāļ­āļ‡āļŠāļ—āļ˜āļāļēāļĢāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļŠāļ—āļ˜āđ€āļšāļāļ„āļēāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ āđāļĨāļ°āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļžāļ­āļāļēāļĢāļ­āļ›āđ‚āļ āļ„āļšāļĢāđ‚āļ āļ„āļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ™āļ­āļĒāļāļ§āļē 5,001 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™

51 61 1.05

60 āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļŠāļ—āļ˜āđ€āļšāļāļ„āļēāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ āļĢāļ°āļ”āļšāļāļēāļĢāļĻāļāļĐāļēāļŠāļ‡āļŠāļ”āļ• āļēāļāļ§āļēāļĄāļ˜āļĒāļĄāļĻāļāļĐāļē āđāļĨāļ°āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļšāļ•āļĢāļĢāļšāļĢāļ­āļ‡āļŠāļ—āļ˜āļāļēāļĢāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ

53 61 1.03

āļ•āļģāļĢāļģāļ‡āļœāļ™āļ§āļāļ— āļ3 āļāļŽāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āļ‚āļ­āļ‡āļ‚āļ­āļĄāļĨāđƒāļ™āļāļĨāļĄāļ— 3 āļˆ āļēāļ™āļ§āļ™āļ—āļ‡āļŠāļ™ 61 āļāļŽ

āļāļŽ āļ„āļēāļŠāļ™āļšāļŠāļ™āļ™ (Support) (āļĢāļ­āļĒāļĨāļ°)

āļ„āļēāļ„āļ§āļēāļĄāđ€āļŠāļ­āļĄāļ™ (Confidence)

(āļĢāļ­āļĒāļĨāļ°)

āļŦāļ™āļ§āļĒāļ§āļ”āļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜

(Lift) (Rule)

1 āļĢāļēāļĒāđ„āļ”āđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 20,001-50,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āđāļĨāļ°āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļžāļ­āļāļēāļĢāļ­āļ›āđ‚āļ āļ„āļšāļĢāđ‚āļ āļ„āļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 12,001-24,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 20,001-50,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™

37 97 1.21

2 āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļžāļ­āļāļēāļĢāļ­āļ›āđ‚āļ āļ„āļšāļĢāđ‚āļ āļ„āļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 12,001-24,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āđāļĨāļ°āđ„āļĄāļĄāļ„āļēāđƒāļŠāļˆāļēāļĒāļĒāļēāļŠāļšāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 20,001-50,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™

43 96 1.20

3 āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļžāļ­āļāļēāļĢāļ­āļ›āđ‚āļ āļ„āļšāļĢāđ‚āļ āļ„āļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 12,001-24,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 20,001-50,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™

51 96 1.20

Page 76: SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

66

āļ•āļģāļĢāļģāļ‡āļœāļ™āļ§āļāļ— āļ3 āļāļŽāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āļ‚āļ­āļ‡āļ‚āļ­āļĄāļĨāđƒāļ™āļāļĨāļĄāļ— 3 āļˆ āļēāļ™āļ§āļ™āļ—āļ‡āļŠāļ™ 61 āļāļŽ āļāļŽ āļ„āļēāļŠāļ™āļšāļŠāļ™āļ™

(Support) (āļĢāļ­āļĒāļĨāļ°)

āļ„āļēāļ„āļ§āļēāļĄāđ€āļŠāļ­āļĄāļ™ (Confidence)

(āļĢāļ­āļĒāļĨāļ°)

āļŦāļ™āļ§āļĒāļ§āļ”āļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜

(Lift) (Rule)

4 āļ„āļēāđƒāļŠāļˆāļēāļĒāļāļēāļĢāđ€āļ”āļ™āļ—āļēāļ‡āđāļĨāļ°āļāļēāļĢāļŠāļ­āļŠāļēāļĢāļĄāļēāļāļāļ§āļē 8,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 20,001-50,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™

36 94 1.18

5 āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļžāļ­āļ—āļ­āļĒāļ­āļēāļĻāļĒ āđ€āļ„āļĢāļ­āļ‡āđāļ•āļ‡āļšāļēāļ™ 4,001-8,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 20,001-50,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™

35 91 1.14

6 āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 20,001-50,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āđāļĨāļ°āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļšāļ”āđ€āļ•āļĨāļ”āļĄāļēāļāļāļ§āļē 2,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āđ„āļĄāļĄāļ„āļēāđƒāļŠāļˆāļēāļĒāļĒāļēāļŠāļšāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™

36 86 1.03

7 āļ‚āļ™āļēāļ”āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 3-4 āļ„āļ™ āđ„āļĄāļĄāļ„āļēāđƒāļŠāļˆāļēāļĒāļĒāļēāļŠāļšāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 42 86 1.03

8 āļŠāļ–āļēāļ™āļ°āļ āļēāļžāļ—āļēāļ‡āđ€āļĻāļĢāļĐāļāļāļˆāļŠāļ‡āļ„āļĄāļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ„āļ­āļĨāļāļˆāļēāļ‡ āđāļĨāļ°āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 20,001-50,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āđ„āļĄāļĄāļ„āļēāđƒāļŠāļˆāļēāļĒāļĒāļēāļŠāļšāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™

39 86 1.02

9 āļŠāļ–āļēāļ™āļ°āļ āļēāļžāļ—āļēāļ‡āđ€āļĻāļĢāļĐāļāļāļˆāļŠāļ‡āļ„āļĄāļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ„āļ­āļĨāļāļˆāļēāļ‡ āđ„āļĄāļĄāļ„āļēāđƒāļŠāļˆāļēāļĒāļĒāļēāļŠāļšāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 47 86 1.02

10 āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļšāļ•āļĢāļĢāļšāļĢāļ­āļ‡āļŠāļ—āļ˜āļāļēāļĢāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ āđāļĨāļ°āļĢāļēāļĒāđ„āļ”āđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 20,001-50,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āđ„āļĄāļĄāļ„āļēāđƒāļŠāļˆāļēāļĒāļĒāļēāļŠāļšāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™

36 86 1.02

11 āļĢāļēāļĒāđ„āļ”āđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 20,001-50,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āđāļĨāļ°āđ„āļĄāļĄāļ„āļēāđƒāļŠāļˆāļēāļĒāļĒāļēāļŠāļšāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 20,001-50,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™

48 85 1.06

12 āļĢāļēāļĒāđ„āļ”āđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 20,001-50,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āđāļĨāļ°āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 20,001-50,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āđ„āļĄāļĄāļ„āļēāđƒāļŠāļˆāļēāļĒāļĒāļēāļŠāļšāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™

48 85 1.02

13 āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 20,001-50,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āđāļĨāļ°āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļžāļ­āļāļēāļĢāļ­āļ›āđ‚āļ āļ„āļšāļĢāđ‚āļ āļ„āļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 12,001-24,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āđ„āļĄāļĄāļ„āļēāđƒāļŠāļˆāļēāļĒāļĒāļēāļŠāļšāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™

43 85 1.02

Page 77: SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

67

āļ•āļģāļĢāļģāļ‡āļœāļ™āļ§āļāļ— āļ3 āļāļŽāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āļ‚āļ­āļ‡āļ‚āļ­āļĄāļĨāđƒāļ™āļāļĨāļĄāļ— 3 āļˆ āļēāļ™āļ§āļ™āļ—āļ‡āļŠāļ™ 61 āļāļŽ āļāļŽ āļ„āļēāļŠāļ™āļšāļŠāļ™āļ™

(Support) (āļĢāļ­āļĒāļĨāļ°)

āļ„āļēāļ„āļ§āļēāļĄāđ€āļŠāļ­āļĄāļ™ (Confidence)

(āļĢāļ­āļĒāļĨāļ°)

āļŦāļ™āļ§āļĒāļ§āļ”āļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜

(Lift) (Rule)

14 āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļžāļ­āļāļēāļĢāļ­āļ›āđ‚āļ āļ„āļšāļĢāđ‚āļ āļ„āļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 12,001-24,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āđ„āļĄāļĄāļ„āļēāđƒāļŠāļˆāļēāļĒāļĒāļēāļŠāļšāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™

45 85 1.01

15 āļĢāļēāļĒāđ„āļ”āđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 20,001-50,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āđ„āļĄāļĄāļ„āļēāđƒāļŠāļˆāļēāļĒāļĒāļēāļŠāļšāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 57 85 1.01

16 āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļšāļ•āļĢāļĢāļšāļĢāļ­āļ‡āļŠāļ—āļ˜āļāļēāļĢāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ āđāļĨāļ°āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 20,001-50,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āđ„āļĄāļĄāļ„āļēāđƒāļŠāļˆāļēāļĒāļĒāļēāļŠāļšāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™

44 85 1.01

17 āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļšāļ”āđ€āļ•āļĨāļ”āļĄāļēāļāļāļ§āļē 2,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āđ„āļĄāļĄāļ„āļēāđƒāļŠāļˆāļēāļĒāļĒāļēāļŠāļšāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 45 85 1.01

18 āļĢāļēāļĒāđ„āļ”āđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 20,001-50,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 20,001-50,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™

56 84 1.06

19 āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļžāļ­āļāļēāļĢāļ­āļ›āđ‚āļ āļ„āļšāļĢāđ‚āļ āļ„āļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 12,001-24,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 20,001-50,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āđāļĨāļ°āđ„āļĄāļĄāļ„āļēāđƒāļŠāļˆāļēāļĒāļĒāļēāļŠāļšāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™

43 82 1.21

20 āļŠāļ–āļēāļ™āļ°āļ āļēāļžāļ—āļēāļ‡āđ€āļĻāļĢāļĐāļāļāļˆāļŠāļ‡āļ„āļĄāļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ„āļ­āļĨāļāļˆāļēāļ‡ āđāļĨāļ°āđ„āļĄāļĄāļ„āļēāđƒāļŠāļˆāļēāļĒāļĒāļēāļŠāļšāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 20,001-50,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™

39 82 1.03

21 āļŠāļ–āļēāļ™āļ°āļ āļēāļžāļ—āļēāļ‡āđ€āļĻāļĢāļĐāļāļāļˆāļŠāļ‡āļ„āļĄāļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ„āļ­āļĨāļāļˆāļēāļ‡ āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 20,001-50,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ 45 82 1.03

22 āđ„āļĄāļĄāļ„āļēāđƒāļŠāļˆāļēāļĒāļĒāļēāļŠāļšāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ āđāļĨāļ°āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļšāļ”āđ€āļ•āļĨāļ”āļĄāļēāļāļāļ§āļē 2,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 20,001-50,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™

36 81 1.02

23 āļˆ āļēāļ™āļ§āļ™āļœāļ— āļēāļ‡āļēāļ™āļŦāļēāļĢāļēāļĒāđ„āļ” 2-3 āļ„āļ™ āđāļĨāļ°āđ„āļĄāļĄāļ„āļēāđƒāļŠāļˆāļēāļĒāļĒāļēāļŠāļšāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 20,001-50,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™

43 81 1.02

Page 78: SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

68

āļ•āļģāļĢāļģāļ‡āļœāļ™āļ§āļāļ— āļ3 āļāļŽāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āļ‚āļ­āļ‡āļ‚āļ­āļĄāļĨāđƒāļ™āļāļĨāļĄāļ— 3 āļˆ āļēāļ™āļ§āļ™āļ—āļ‡āļŠāļ™ 61 āļāļŽ āļāļŽ āļ„āļēāļŠāļ™āļšāļŠāļ™āļ™

(Support) (āļĢāļ­āļĒāļĨāļ°)

āļ„āļēāļ„āļ§āļēāļĄāđ€āļŠāļ­āļĄāļ™ (Confidence)

(āļĢāļ­āļĒāļĨāļ°)

āļŦāļ™āļ§āļĒāļ§āļ”āļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜

(Lift) (Rule)

24 āļ‚āļ™āļēāļ”āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 3-4 āļ„āļ™ āļˆ āļēāļ™āļ§āļ™āļœāļ— āļēāļ‡āļēāļ™āļŦāļēāļĢāļēāļĒāđ„āļ” 2-3 āļ„āļ™ 36 74 1.17

25 āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 20,001-50,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āđāļĨāļ°āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļžāļ­āļāļēāļĢāļ­āļ›āđ‚āļ āļ„āļšāļĢāđ‚āļ āļ„āļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 12,001-24,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āļĢāļēāļĒāđ„āļ”āđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 20,001-50,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™

37 72 1.08

26 āļĢāļēāļĒāđ„āļ”āđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 20,001-50,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 20,001-50,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āđāļĨāļ°āđ„āļĄāļĄāļ„āļēāđƒāļŠāļˆāļēāļĒāļĒāļēāļŠāļšāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™

48 72 1.06

27 āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļžāļ­āļāļēāļĢāļ­āļ›āđ‚āļ āļ„āļšāļĢāđ‚āļ āļ„āļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 12,001-24,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āļĢāļēāļĒāđ„āļ”āđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 20,001-50,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™

38 71 1.07

28 āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 20,001-50,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āđāļĨāļ°āđ„āļĄāļĄāļ„āļēāđƒāļŠāļˆāļēāļĒāļĒāļēāļŠāļšāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ āļĢāļēāļĒāđ„āļ”āđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 20,001-50,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™

48 71 1.06

29 āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 20,001-50,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āļĢāļēāļĒāđ„āļ”āđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 20,001-50,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™

56 71 1.06

30 āļŠāļ–āļēāļ™āļ°āļ āļēāļžāļ—āļēāļ‡āđ€āļĻāļĢāļĐāļāļāļˆāļŠāļ‡āļ„āļĄāļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ„āļ­āļĨāļāļˆāļēāļ‡ āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 20,001-50,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āđāļĨāļ°āđ„āļĄāļĄāļ„āļēāđƒāļŠāļˆāļēāļĒāļĒāļēāļŠāļšāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™

39 71 1.04

31 āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļžāļ­āļāļēāļĢāļ­āļ›āđ‚āļ āļ„āļšāļĢāđ‚āļ āļ„āļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 12,001-24,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āļĢāļēāļĒāđ„āļ”āđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 20,001-50,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āđāļĨāļ°āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 20,001-50,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™

37 69 1.23

32 āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļšāļ”āđ€āļ•āļĨāļ”āļĄāļēāļāļāļ§āļē 2,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 20,001-50,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āđāļĨāļ°āđ„āļĄāļĄāļ„āļēāđƒāļŠāļˆāļēāļĒāļĒāļēāļŠāļšāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™

36 69 1.02

Page 79: SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

69

āļ•āļģāļĢāļģāļ‡āļœāļ™āļ§āļāļ— āļ3 āļāļŽāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āļ‚āļ­āļ‡āļ‚āļ­āļĄāļĨāđƒāļ™āļāļĨāļĄāļ— 3 āļˆ āļēāļ™āļ§āļ™āļ—āļ‡āļŠāļ™ 61 āļāļŽ āļāļŽ āļ„āļēāļŠāļ™āļšāļŠāļ™āļ™

(Support) (āļĢāļ­āļĒāļĨāļ°)

āļ„āļēāļ„āļ§āļēāļĄāđ€āļŠāļ­āļĄāļ™ (Confidence)

(āļĢāļ­āļĒāļĨāļ°)

āļŦāļ™āļ§āļĒāļ§āļ”āļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜

(Lift) (Rule)

33 āđ„āļĄāļĄāļ„āļēāđƒāļŠāļˆāļēāļĒāļĒāļēāļŠāļšāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ āļĢāļēāļĒāđ„āļ”āđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 20,001-50,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ 57 68 1.01

34 āļˆ āļēāļ™āļ§āļ™āļœāļ— āļēāļ‡āļēāļ™āļŦāļēāļĢāļēāļĒāđ„āļ” 2-3 āļ„āļ™ āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļŠāļ—āļ˜āđ€āļšāļāļ„āļēāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ 42 67 1.06

35 āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļŠāļ—āļ˜āđ€āļšāļāļ„āļēāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ āļˆ āļēāļ™āļ§āļ™āļœāļ— āļēāļ‡āļēāļ™āļŦāļēāļĢāļēāļĒāđ„āļ” 2-3 āļ„āļ™ 42 67 1.06

36 āļĢāļēāļĒāđ„āļ”āđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 20,001-50,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āđāļĨāļ°āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 20,001-50,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļžāļ­āļāļēāļĢāļ­āļ›āđ‚āļ āļ„āļšāļĢāđ‚āļ āļ„āļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 12,001-24,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™

37 65 1.23

37 āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 20,001-50,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āđāļĨāļ°āđ„āļĄāļĄāļ„āļēāđƒāļŠāļˆāļēāļĒāļĒāļēāļŠāļšāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļžāļ­āļāļēāļĢāļ­āļ›āđ‚āļ āļ„āļšāļĢāđ‚āļ āļ„āļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 12,001-24,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™

43 64 1.21

38 āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 20,001-50,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļžāļ­āļāļēāļĢāļ­āļ›āđ‚āļ āļ„āļšāļĢāđ‚āļ āļ„āļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 12,001-24,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™

51 64 1.20

39 āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 20,001-50,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āļĢāļēāļĒāđ„āļ”āđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 20,001-50,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āđāļĨāļ°āđ„āļĄāļĄāļ„āļēāđƒāļŠāļˆāļēāļĒāļĒāļēāļŠāļšāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™

48 60 1.06

40 āļˆ āļēāļ™āļ§āļ™āļœāļ— āļēāļ‡āļēāļ™āļŦāļēāļĢāļēāļĒāđ„āļ” 2-3 āļ„āļ™ āļ‚āļ™āļēāļ”āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 3-4 āļ„āļ™ 36 57 1.17

41 āļĢāļēāļĒāđ„āļ”āđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 20,001-50,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļžāļ­āļāļēāļĢāļ­āļ›āđ‚āļ āļ„āļšāļĢāđ‚āļ āļ„āļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 12,001-24,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™

38 57 1.07

42 āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 20,001-50,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āđāļĨāļ°āđ„āļĄāļĄāļ„āļēāđƒāļŠāļˆāļēāļĒāļĒāļēāļŠāļšāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ āļŠāļ–āļēāļ™āļ°āļ āļēāļžāļ—āļēāļ‡āđ€āļĻāļĢāļĐāļāļāļˆāļŠāļ‡āļ„āļĄāļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ„āļ­āļĨāļāļˆāļēāļ‡

39 57 1.04

Page 80: SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

70

āļ•āļģāļĢāļģāļ‡āļœāļ™āļ§āļāļ— āļ3 āļāļŽāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āļ‚āļ­āļ‡āļ‚āļ­āļĄāļĨāđƒāļ™āļāļĨāļĄāļ— 3 āļˆ āļēāļ™āļ§āļ™āļ—āļ‡āļŠāļ™ 61 āļāļŽ āļāļŽ āļ„āļēāļŠāļ™āļšāļŠāļ™āļ™

(Support) (āļĢāļ­āļĒāļĨāļ°)

āļ„āļēāļ„āļ§āļēāļĄāđ€āļŠāļ­āļĄāļ™ (Confidence)

(āļĢāļ­āļĒāļĨāļ°)

āļŦāļ™āļ§āļĒāļ§āļ”āļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜

(Lift) (Rule)

43 āđ„āļĄāļĄāļ„āļēāđƒāļŠāļˆāļēāļĒāļĒāļēāļŠāļšāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ āļĢāļēāļĒāđ„āļ”āđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 20,001-50,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āđāļĨāļ°āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 20,001-50,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™

48 57 1.02

44 āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 20,001-50,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āļŠāļ–āļēāļ™āļ°āļ āļēāļžāļ—āļēāļ‡āđ€āļĻāļĢāļĐāļāļāļˆāļŠāļ‡āļ„āļĄāļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ„āļ­āļĨāļāļˆāļēāļ‡ 45 56 1.03

45 āļĢāļēāļĒāđ„āļ”āđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 20,001-50,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āļŠāļ–āļēāļ™āļ°āļ āļēāļžāļ—āļēāļ‡āđ€āļĻāļĢāļĐāļāļāļˆāļŠāļ‡āļ„āļĄāļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ„āļ­āļĨāļāļˆāļēāļ‡ 38 56 1.02

46 āđ„āļĄāļĄāļ„āļēāđƒāļŠāļˆāļēāļĒāļĒāļēāļŠāļšāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ āļŠāļ–āļēāļ™āļ°āļ āļēāļžāļ—āļēāļ‡āđ€āļĻāļĢāļĐāļāļāļˆāļŠāļ‡āļ„āļĄāļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ„āļ­āļĨāļāļˆāļēāļ‡ 47 56 1.02

47 āļĢāļēāļĒāđ„āļ”āđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 20,001-50,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 20,001-50,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āđāļĨāļ°āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļžāļ­āļāļēāļĢāļ­āļ›āđ‚āļ āļ„āļšāļĢāđ‚āļ āļ„āļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 12,001-24,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™

37 55 1.08

48 āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 20,001-50,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļžāļ­āļāļēāļĢāļ­āļ›āđ‚āļ āļ„āļšāļĢāđ‚āļ āļ„āļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 12,001-24,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āđāļĨāļ°āđ„āļĄāļĄāļ„āļēāđƒāļŠāļˆāļēāļĒāļĒāļēāļŠāļšāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™

43 54 1.20

49 āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 20,001-50,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āđāļĨāļ°āđ„āļĄāļĄāļ„āļēāđƒāļŠāļˆāļēāļĒāļĒāļēāļŠāļšāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļšāļ”āđ€āļ•āļĨāļ”āļĄāļēāļāļāļ§āļē 2,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™

36 54 1.02

50 āđ„āļĄāļĄāļ„āļēāđƒāļŠāļˆāļēāļĒāļĒāļēāļŠāļšāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļžāļ­āļāļēāļĢāļ­āļ›āđ‚āļ āļ„āļšāļĢāđ‚āļ āļ„āļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 12,001-24,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™

45 54 1.01

51 āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 20,001-50,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āļˆ āļēāļ™āļ§āļ™āļœāļ— āļēāļ‡āļēāļ™āļŦāļēāļĢāļēāļĒāđ„āļ” 2-3 āļ„āļ™ āđāļĨāļ°āđ„āļĄāļĄāļ„āļēāđƒāļŠāļˆāļēāļĒāļĒāļēāļŠāļšāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™

43 53 1.02

52 āđ„āļĄāļĄāļ„āļēāđƒāļŠāļˆāļēāļĒāļĒāļēāļŠāļšāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļšāļ”āđ€āļ•āļĨāļ”āļĄāļēāļāļāļ§āļē 2,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ 45 53 1.01

Page 81: SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

71

āļ•āļģāļĢāļģāļ‡āļœāļ™āļ§āļāļ— āļ3 āļāļŽāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āļ‚āļ­āļ‡āļ‚āļ­āļĄāļĨāđƒāļ™āļāļĨāļĄāļ— 3 āļˆ āļēāļ™āļ§āļ™āļ—āļ‡āļŠāļ™ 61 āļāļŽ āļāļŽ āļ„āļēāļŠāļ™āļšāļŠāļ™āļ™

(Support) (āļĢāļ­āļĒāļĨāļ°)

āļ„āļēāļ„āļ§āļēāļĄāđ€āļŠāļ­āļĄāļ™ (Confidence)

(āļĢāļ­āļĒāļĨāļ°)

āļŦāļ™āļ§āļĒāļ§āļ”āļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜

(Lift) (Rule)

53 āđ„āļĄāļĄāļ„āļēāđƒāļŠāļˆāļēāļĒāļĒāļēāļŠāļšāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 20,001-50,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āđāļĨāļ°āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļžāļ­āļāļēāļĢāļ­āļ›āđ‚āļ āļ„āļšāļĢāđ‚āļ āļ„āļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 12,001-24,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™

43 52 1.02

54 āđ„āļĄāļĄāļ„āļēāđƒāļŠāļˆāļēāļĒāļĒāļēāļŠāļšāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ āđ„āļĄāļĄāļŠāļĄāļēāļŠāļāļ—āļĄāļšāļ•āļĢāļĢāļšāļĢāļ­āļ‡āļŠāļ—āļ˜āļāļēāļĢāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ āđāļĨāļ°āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 20,001-50,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™

44 52 1.01

55 āđ„āļĄāļĄāļ„āļēāđƒāļŠāļˆāļēāļĒāļĒāļēāļŠāļšāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ āļ‚āļ™āļēāļ”āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 3-4 āļ„āļ™ 42 50 1.03

56 āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 20,001-50,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āļŠāļ–āļēāļ™āļ°āļ āļēāļžāļ—āļēāļ‡āđ€āļĻāļĢāļĐāļāļāļˆāļŠāļ‡āļ„āļĄāļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ„āļ­āļĨāļāļˆāļēāļ‡ āđāļĨāļ°āđ„āļĄāļĄāļ„āļēāđƒāļŠāļˆāļēāļĒāļĒāļēāļŠāļšāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™

39 49 1.03

57 āđ„āļĄāļĄāļ„āļēāđƒāļŠāļˆāļēāļĒāļĒāļēāļŠāļšāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ āļŠāļ–āļēāļ™āļ°āļ āļēāļžāļ—āļēāļ‡āđ€āļĻāļĢāļĐāļāļāļˆāļŠāļ‡āļ„āļĄāļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ„āļ­āļĨāļāļˆāļēāļ‡ āđāļĨāļ°āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 20,001-50,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™

39 46 1.02

58 āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 20,001-50,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āļĢāļēāļĒāđ„āļ”āđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 20,001-50,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āđāļĨāļ°āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļžāļ­āļāļēāļĢāļ­āļ›āđ‚āļ āļ„āļšāļĢāđ‚āļ āļ„āļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 12,001-24,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™

37 46 1.21

59 āļŠāļ–āļēāļ™āļ°āļ āļēāļžāļ—āļēāļ‡āđ€āļĻāļĢāļĐāļāļāļˆāļŠāļ‡āļ„āļĄāļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™āļ„āļ­āļĨāļāļˆāļēāļ‡ āļĢāļēāļĒāđ„āļ”āđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 20,001-50,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ 39 46 1.02

60 āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 20,001-50,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āļ„āļēāđƒāļŠāļˆāļēāļĒāļāļēāļĢāđ€āļ”āļ™āļ—āļēāļ‡āđāļĨāļ°āļāļēāļĢāļŠāļ­āļŠāļēāļĢāļĄāļēāļāļāļ§āļē 8,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™

36 45 1.18

61 āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļ‰āļĨāļĒāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ 20,001-50,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™ āđ„āļĄāļĄāļ„āļēāđƒāļŠāļˆāļēāļĒāļĒāļēāļŠāļšāļ•āļ­āđ€āļ”āļ­āļ™āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™ āđāļĨāļ°āļ„āļēāđƒāļŠāļˆāļēāļĒāđ€āļšāļ”āđ€āļ•āļĨāļ”āļĄāļēāļāļāļ§āļē 2,000 āļšāļēāļ—āļ•āļ­āđ€āļ”āļ­āļ™

36 45 1.02

Page 82: SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

72

āļ•āļģāļĢāļģāļ‡āļœāļ™āļ§āļāļ— āļ4 āđāļŠāļ”āļ‡āļ•āļ§āđāļ›āļĢāļ—āļœāļēāļ™āļāļēāļĢāļˆāļ”āļāļĨāļĄāđ€āļžāļĄāđ€āļ•āļĄ

āļ•āļ§āđāļ›āļĢāļ—āļ§āđ€āļ„āļĢāļēāļ°āļŦ āļˆ āļēāļ™āļ§āļ™āļ„āļĢāļ§āđ€āļĢāļ­āļ™āđƒāļ™āđāļ•āļĨāļ°āļāļĨāļĄ(āļ„āļĢāļ§āđ€āļĢāļ­āļ™ (āļĢāļ­āļĒāļĨāļ°))

āļāļĨāļĄāļ— 1 āļāļĨāļĄāļ— 2 āļāļĨāļĄāļ— 3 3,084(7.78) 27,923(70.45) 8,626(21.77)

āļˆ āļēāļ™āļ§āļ™āļœāļ— āļēāļ‡āļēāļ™āļŦāļēāļĢāļēāļĒāđ„āļ”

āđ„āļĄāļĄ 60(1.95) 3,685(13.20) 281(3.26) 1 āļ„āļ™ 707(22.92) 8,597(30.79) 1,973(22.87)

2-3 āļ„āļ™ 1,978(64.14) 14,437(51.70) 5,438(63.04) 4 āļ„āļ™ āļ‚āļ™āđ„āļ› 339(10.99) 1,204(4.31) 934(10.83)

āļĄāļĨāļ„āļēāļ—āļĢāļžāļĒāļŠāļ™

āļ—āđ€āļ›āļ™āļ•āļ§āđ€āļ‡āļ™āļ‚āļ­āļ‡

āļ„āļĢāļ§āđ€āļĢāļ­āļ™

āļ™āļ­āļĒāļāļ§āļē 10,001 āļšāļēāļ— 1,003(32.52) 12,159(43.54) 1,022(11.85) 10,001-30,000 āļšāļēāļ— 844(27.37) 7,529(26.96) 1,580(18.32) 30,001-50,000 āļšāļēāļ— 525(17.02) 3,914(14.02) 1,544(17.90) 50,001-100,000 āļšāļēāļ— 368(11.93) 2,551(9.14) 1,801(20.88) āļĄāļēāļāļāļ§āļē 100,000 āļšāļēāļ— 338(10.96) 1,727(6.18) 2,671(30.96)

āļŠāļ–āļēāļ™āļ°āļ āļēāļžāļ—āļēāļ‡

āđ€āļĻāļĢāļĐāļāļāļˆāļŠāļ‡āļ„āļĄ

āļ‚āļ­āļ‡āļ„āļĢāļ§āđ€āļĢāļ­āļ™

āļāļĨāļĄāļ— 1 315(10.21) 5,799(20.77) 713(8.27)

āļāļĨāļĄāļ— 2 812(26.33) 5,804(20.79) 2,440(28.29) āļāļĨāļĄāļ— 3 1,806(58.56) 1,0081(36.10) 4,742(54.97)

āļāļĨāļĄāļ— 4 151(4.90) 6,239(22.34) 731(8.47)

āļŠāļĄāļēāļŠāļāļ—āļĄāļŠāļ—āļ˜

āđ€āļšāļāļ„āļē

āļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ

āđ„āļĄāļĄ 2,592(84.05) 24,515(87.80) 5428(62.93)

1 āļ„āļ™ 150(4.86) 1,530(5.48) 779(9.03)

2-3 āļ„āļ™ 275(8.92) 1,736(6.22) 1,747(20.25) āļĄāļēāļāļāļ§āļē 3 āļ„āļ™āļ‚āļ™āđ„āļ› 67(2.17) 142(0.51) 672(7.79)

Page 83: SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

73

āļ•āļģāļĢāļģāļ‡āļœāļ™āļ§āļāļ— āļ4 āđāļŠāļ”āļ‡āļ•āļ§āđāļ›āļĢāļ—āļœāļēāļ™āļāļēāļĢāļˆāļ”āļāļĨāļĄāđ€āļžāļĄāđ€āļ•āļĄ (āļ•āļ­)

āļ•āļ§āđāļ›āļĢāļ—āļ§āđ€āļ„āļĢāļēāļ°āļŦ āļˆ āļēāļ™āļ§āļ™āļ„āļĢāļ§āđ€āļĢāļ­āļ™āđƒāļ™āđāļ•āļĨāļ°āļāļĨāļĄ(āļ„āļĢāļ§āđ€āļĢāļ­āļ™ (āļĢāļ­āļĒāļĨāļ°))

āļāļĨāļĄāļ— 1 āļāļĨāļĄāļ— 2 āļāļĨāļĄāļ— 3 3,084(7.78) 27,923(70.45) 8,626(21.77)

āļˆ āļēāļ™āļ§āļ™āļŠāļĄāļēāļŠāļāļ—āļ— āļēāļ‡āļēāļ™āļĢāļšāļ„āļēāļˆāļēāļ‡āđāļĨāļ°āđ€āļ‡āļ™āđ€āļ”āļ­āļ™

āđ„āļĄāļĄ 890(28.86%) 14,973(53.62%) 2,657(30.80%)

1 āļ„āļ™ 1028(33.33%) 8,262(29.59%) 2,946(34.15%)

2 āļ„āļ™ 1085(35.18%) 4,559(16.33%) 2,843(32.96%)

3 āļ„āļ™ āļ‚āļ™āđ„āļ› 81(2.63%) 129(0.46%) 180(2.09%) āļŠāļĄāļēāļŠāļāļ—āļĄāļšāļ•āļĢāļĢāļšāļĢāļ­āļ‡āļŠāļ—āļ˜āļāļēāļĢāļĢāļāļĐāļēāļžāļĒāļēāļšāļēāļĨ

āđ„āļĄāļĄ 1,996(64.72%) 23,405(83.82%) 5,584(64.73%) 1 āļ„āļ™ 654(21.21%) 3380(12.10%) 1,735(20.11%)

2-3 āļ„āļ™ 416(13.49%) 1,130(4.05%) 1,234(14.31%)

āļĄāļēāļāļāļ§āļē 3 āļ„āļ™āļ‚āļ™āđ„āļ› 18(0.58%) 8(0.03%) 73(0.85%)

Page 84: SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

74

āļ āļģāļ„āļœāļ™āļ§āļ āļ‚ āļ•āļ§āļ­āļĒāļēāļ‡āđ‚āļ›āļĢāđāļāļĢāļĄ MATLAB

Page 85: SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

75

āļāļģāļĢāđƒāļŠāļ‡āļģāļ™āđ‚āļ›āļĢāđāļāļĢāļĄ MATLAB

MATLAB āđ€āļ›āļ™āļŠāļ­āļĒāļ­āļ‚āļ­āļ‡āļ„ āļēāļ§āļē “MATrix LABoratory” āļžāļ’āļ™āļēāđ‚āļ”āļĒ Dr. Cleve Moler āļ•āļ‡āđāļ„ āļ„.āļĻ 1982 āđ€āļ›āļ™āđ‚āļ›āļĢāđāļāļĢāļĄāļŠ āļēāļŦāļĢāļšāļŠāļ§āļĒāļ„ āļēāļ™āļ§āļ“āļ—āļēāļ‡āļ„āļ“āļ•āļĻāļēāļŠāļ•āļĢ āļ‹āļ‡āļĄāļāļēāļĢāļ•āļ­āļšāļŠāļ­āļ‡āļ•āļ­āļœāđƒāļŠāļ‡āļēāļ™ (Interactive) āđāļĨāļ°āđāļŠāļ”āļ‡āļœāļĨāļ‚āļ­āļĄāļĨāđƒāļ™āļĢāļ›āđāļšāļš Data Visualization āļĢāļ§āļĄāļ—āļ‡āļŠāļēāļĄāļēāļĢāļ–āđ€āļ‚āļĒāļ™āļ„ āļēāļŠāļ‡āļĨāļāļĐāļ“āļ°āđ€āļ”āļĒāļ§āļāļšāļāļēāļĢāđ€āļ‚āļĒāļ™āđ‚āļ›āļĢāđāļāļĢāļĄāđ€āļžāļ­āđƒāļŠāļ‡āļēāļ™āļ—āļēāļ‡āļ”āļēāļ™āļ§āļ—āļĒāļēāļĻāļēāļŠāļ•āļĢāđāļĨāļ°āļ§āļĻāļ§āļāļĢāļĢāļĄāļĻāļēāļŠāļ•āļĢ

āđ€āļĢāļĄāļāļēāļĢāļ— āļēāļ‡āļēāļ™āļ‚āļ­āļ‡āļ‹āļ­āļŸāļ•āđāļ§āļĢ MATLAB āļ— C:\Program Files\MATLAB\R2010b\bin\MATLAB

āļŦāļĢāļ­ Start >> All programs >> MATLAB āļˆāļ°āļ›āļĢāļēāļāļāļŦāļ™āļēāļˆāļ­āļ”āļ‡āļĢāļ›āļ āļēāļ„āļœāļ™āļ§āļ āļ‚ āļ— 1

āļĢāļ›āļ āļģāļ„āļœāļ™āļ§āļ āļ‚ āļ— 1 āđāļŠāļ”āļ‡āļāļēāļĢāđ€āļ›āļ”āđƒāļŠāđ‚āļ›āļĢāđāļāļĢāļĄ MATLAB

āļāļēāļĢāđƒāļŠāļ‡āļēāļ™āđ€āļšāļ­āļ‡āļ•āļ™ - āđ‚āļ›āļĢāđāļāļĢāļĄ MATLAB āļĄāđ‚āļ„āļĢāļ‡āļŠāļĢāļēāļ‡āļāļēāļĢāļ— āļēāļ‡āļēāļ™āđƒāļ™āļĨāļāļĐāļ“āļ°āđ€āļĄāļ•āļĢāļāļ‹ (Matrix) āļ­āļ™āļāļēāļ•āđƒāļŦ

āļœāđƒāļŠāļ‡āļēāļ™āļŠāļēāļĄāļēāļĢāļ–āļŠāļĢāļēāļ‡āļ•āļ§āđāļ›āļĢāļŦāļĢāļ­āđ€āļĄāļ•āļĢāļāļ‹āđƒāļŦāļĄāđ„āļ” - āļāļēāļĢāļ›āļ­āļ™āļ‚āļ­āļĄāļĨāļˆāļ°āđ€āļĢāļĄāļ—āđ€āļ„āļĢāļ­āļ‡āļŦāļĄāļēāļĒ prompt (>>) āđāļĨāļ°āļˆāļšāļšāļĢāļĢāļ—āļ”āļ”āļ§āļĒāļāļēāļĢāļāļ”āļ›āļĄ <Enter> āđ€āļŠāļ™

āļŦāļēāļāļ•āļ­āļ‡āļāļēāļĢāđƒāļŦāđ‚āļ›āļĢāđāļāļĢāļĄāļ„ āļēāļ™āļ§āļ“āļœāļĨāļšāļ§āļāļ‚āļ­āļ‡āļ‚āļ­āļĄāļĨ 2 āļ•āļ§ āļ„āļ­ 10+23 āļŠāļēāļĄāļēāļĢāļ–āđāļŠāļ”āļ‡āļœāļĨāļ”āļ‡āļĢāļ›āļ āļēāļ„āļœāļ™āļ§āļ āļ‚ āļ— 2 āļœāļĨāļĨāļžāļ˜āļ—āđ„āļ” āļ„āļ­ 33 āļ‹āļ‡āļˆāļ°āļ–āļāđ€āļāļšāđ„āļ§āļ—āļ•āļ§āđāļ›āļĢ ans āļ— Workspace

Page 86: SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

76

āļĢāļ›āļ āļģāļ„āļœāļ™āļ§āļ āļ‚ āļ— 2 āđāļŠāļ”āļ‡āļāļēāļĢāļ„ āļēāļ™āļ§āļ“āļœāļĨāļšāļ§āļāļ‚āļ­āļ‡āļ‚āļ­āļĄāļĨ

- āļāļēāļĢāļ™ āļēāļ‚āļ­āļĄāļĨāđ€āļ‚āļēāļŠāđ‚āļ›āļĢāđāļāļĢāļĄ āļŠāļēāļĄāļēāļĢāļ–āļ— āļēāđ„āļ”āļŦāļĨāļēāļĒāļ§āļ˜ āđ€āļŠāļ™ āļāļēāļĢāļŠāļĢāļēāļ‡āļ•āļ§āđāļ›āļĢāđƒāļ™āđ‚āļ›āļĢāđāļāļĢāļĄ MATLAB āđāļĨāļ§ āļ„āļ”āļĨāļ­āļāļ‚āļ­āļĄāļĨ (Copy) āļ‚āļ­āļĄāļĨāļ—āļ•āļ­āļ‡āļāļēāļĢāļĄāļēāļ§āļēāļ‡ (Paste) āđƒāļ™āļ•āļ§āđāļ›āļĢāļ—āļŠāļĢāļēāļ‡āđƒāļ™āđ‚āļ›āļĢāđāļāļĢāļĄ MATLAB āļ”āļ‡āļĢāļ›āļ āļēāļ„āļœāļ™āļ§āļ āļ‚ āļ— 3 āđāļšāļšāļ—āļŠāļ­āļ‡ āļ„āļ­ āđ„āļ›āļ—āđ€āļĄāļ™ File >>Import Data āđ‚āļ›āļĢāđāļāļĢāļĄ MATLAB āļŠāļēāļĄāļēāļĢāļ–āļ™ āļēāđ€āļ‚āļēāļ‚āļ­āļĄāļĨāđ„āļ”āļŦāļĨāļēāļĒāļ›āļĢāļ°āđ€āļ āļ—āđ€āļŠāļ™ āļĢāļ›āļ āļēāļž āđ€āļŠāļĒāļ‡ āļŦāļĢāļ­āđ„āļŸāļĨāļ‚āļ­āļĄāļĨāļ—āđ€āļ›āļ™ Spreadsheet

āļĢāļ›āļ āļģāļ„āļœāļ™āļ§āļ āļ‚ āļ— 3 āđāļŠāļ”āļ‡āļāļēāļĢāļ™ āļēāļ‚āļ­āļĄāļĨāđ€āļ‚āļēāļŠāđ‚āļ›āļĢāđāļāļĢāļĄ MATLAB

Page 87: SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

77

- āļāļēāļĢāļˆāļ”āļāļĨāļĄāļ‚āļ­āļĄāļĨāđ‚āļ”āļĒāđƒāļŠ āļ­āļĨāļāļ­āļĢāļ—āļĄāđ€āļ„āļĄāļ™ āđƒāļ™āđ‚āļ›āļĢāđāļāļĢāļĄ MATLAB āļĄāļ‚āļ™āļ•āļ­āļ™āļ”āļ‡āļ™ 1) āļŠāļĢāļēāļ‡āļ•āļ§āđāļ›āļĢāđ€āļāļšāļ‚āļ­āļĄāļĨāļ—āļ•āļ­āļ‡āļāļēāļĢāļˆāļ”āļāļĨāļĄ āđƒāļ™āļ—āļ™āđƒāļŠāļ•āļ§āđāļ›āļĢāļ—āļŠāļ­ “data” 2) āļˆāļ”āļāļĨāļĄāļ‚āļ­āļĄāļĨāđ‚āļ”āļĒāđ€āļĢāļĒāļāđƒāļŠ āļ­āļĨāļāļ­āļĢāļ—āļĄāđ€āļ„āļĄāļ™ āđƒāļ™āđ‚āļ›āļĢāđāļāļĢāļĄ MATLAB āđ‚āļ”āļĒāđƒāļŠāļ„ āļēāļŠāļ‡āļ”āļ‡āļ•āļ­āđ„āļ›āļ™

āđ‚āļ”āļĒāļ— Cluster1 āļ„āļ­ āđ€āļĄāļ•āļĢāļāļ‹āļ—āđƒāļŠāđ€āļāļšāļœāļĨāļāļēāļĢāļˆāļ”āļāļĨāļĄ

Data āļ„āļ­ āđ€āļĄāļ•āļĢāļāļ‹āļ‚āļ­āļ‡āļ‚āļ­āļĄāļĨ

2 āļ„āļ­ āļˆ āļēāļ™āļ§āļ™āļāļĨāļĄāļ—āļ•āļ­āļ‡āļāļēāļĢ

āļœāļĨāļĨāļžāļ˜āļ—āđ„āļ”āļˆāļēāļāļāļēāļĢāļˆāļ”āļāļĨāļĄāđ‚āļ”āļĒāđ‚āļ›āļĢāđāļāļĢāļĄ MATLAB āđāļŠāļ”āļ‡āļ”āļ‡āļĢāļ›āļ āļēāļ„āļœāļ™āļ§āļ āļ‚ āļ— 4

āļĢāļ›āļ āļģāļ„āļœāļ™āļ§āļ āļ‚ āļ— 4 āđāļŠāļ”āļ‡āļ•āļ§āļ­āļĒāļēāļ‡āļāļēāļĢāļˆāļ”āļāļĨāļĄāđ‚āļ”āļĒ āļ­āļĨāļāļ­āļĢāļ—āļĄāđ€āļ„āļĄāļ™ āđ‚āļ”āļĒāđƒāļŠāđ‚āļ›āļĢāđāļāļĢāļĄ MATLAB

- āļāļēāļĢāđ€āļ‚āļĒāļ™āļ„ āļēāļŠāļ‡āđƒāļ™āđ‚āļ›āļĢāđāļāļĢāļĄ MATLAB āļĄāļ‚āļ™āļ•āļ­āļ™āļ”āļ‡āļ™ 1) File >> New >> Script āļˆāļ°āļ›āļĢāļēāļāļāļŦāļ™āļēāļˆāļ­āđƒāļŦāļŠāļĢāļēāļ‡āļ„ āļēāļŠāļ‡āđƒāļŦāļĄ 2) āđ€āļ‚āļĒāļ™āļ„ āļēāļŠāļ‡āļ—āļ•āļ­āļ‡āļāļēāļĢāđƒāļŦāđ‚āļ›āļĢāđāļāļĢāļĄāļ›āļāļšāļ•āļ‡āļēāļ™ āļ•āļ§āļ­āļĒāļēāļ‡āđāļŠāļ”āļ‡āļ”āļ‡āļĢāļ›āļ āļēāļ„āļœāļ™āļ§āļ āļ‚ āļ— 5 3) āļšāļ™āļ—āļāđ„āļŸāļĨ āđ‚āļ”āļĒāđƒāļŦāđ€āļĨāļ­āļāļ— File >> Save AS āđ€āļĨāļ­āļāļ—āđ€āļāļšāđ„āļŸāļĨ āđāļĨāļ°āļāļ”āļ›āļĄ Save āđ‚āļ”āļĒāļ—āđ„āļŸāļĨ

āļ„ āļēāļŠāļ‡āđ€āļŦāļĨāļēāļ™āļˆāļ°āļ›āļĢāļ°āđ€āļ āļ— MATLAB āđ„āļŸāļĨāļ—āļĄāļ™āļēāļĄāļŠāļāļĨ “ .m ”

[cluster1, cmeans3,sumd3] = kmeans(data,2,'replicates',5,'display','final');

Page 88: SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

78

āļĢāļ›āļ āļģāļ„āļœāļ™āļ§āļ āļ‚ āļ— 5 āđāļŠāļ”āļ‡āļ•āļ§āļ­āļĒāļēāļ‡āļāļēāļĢāđ€āļ‚āļĒāļ™āļ„ āļēāļŠāļ‡āđƒāļ™āđ‚āļ›āļĢāđāļāļĢāļĄ MATLAB

4) āļāļēāļĢ Run āļ„ āļēāļŠāļ‡ āđƒāļŦāļāļ”āļ—āļ›āļĄ āļ—āļ­āļĒāļšāļ™āđāļ–āļ§ Tools Bar āđ‚āļ›āļĢāđāļāļĢāļĄāļāļˆāļ°āļ— āļēāļ‡āļēāļ™āļ•āļēāļĄāļ„ āļēāļŠāļ‡āļ—āđ„āļ”āđ€āļ‚āļĒāļ™āđ„āļ§

Page 89: SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

79

āļ āļģāļ„āļœāļ™āļ§āļ āļ„ āļ•āļ§āļ­āļĒāļēāļ‡āđ‚āļ›āļĢāđāļāļĢāļĄ Weka

Page 90: SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

80

āļāļģāļĢāđƒāļŠāļ‡āļģāļ™āđ‚āļ›āļĢāđāļāļĢāļĄ Weka

āđ€āļĢāļĄāļāļēāļĢāļ— āļēāļ‡āļēāļ™āļ‚āļ­āļ‡āļ‹āļ­āļŸāļ•āđāļ§āļĢ Weka āļ— C:\Program Files\Weka-3.6 āļŦāļĢāļ­ Start >> All programs >> Weka 3.6.2 āđ€āļĨāļ­āļ Weka āļˆāļ°āļ›āļĢāļēāļāļŽāļŦāļ™āļēāļˆāļ­āļ”āļ‡āļĢāļ›āļ āļēāļ„āļœāļ™āļ§āļ āļ„ āļ— 1 āļˆāļēāļāļ™āļ™āđ€āļĨāļ­āļ Explorer

āļĢāļ›āļ āļģāļ„āļœāļ™āļ§āļ āļ„ āļ— 1 āđāļŠāļ”āļ‡āļāļēāļĢāđ€āļ›āļ”āđƒāļŠāđ‚āļ›āļĢāđāļāļĢāļĄ Weka

āļˆāļ°āļ›āļĢāļēāļāļŽāļŦāļ™āļēāļˆāļ­āļ”āļ‡āļĢāļ›āļ āļēāļ„āļœāļ™āļ§āļ āļ‚ āļ— 7 āđƒāļŦāđ€āļĨāļ­āļāļ—āļ›āļĄ “Open file” āđ€āļžāļ­āđ€āļĨāļ­āļāđ„āļŸāļĨāļ—āļ•āļ­āļ‡āļāļēāļĢāđƒāļŠāļ‡āļēāļ™

āļĢāļ›āļ āļģāļ„āļœāļ™āļ§āļ āļ„ āļ— 2 āđāļŠāļ”āļ‡āļŦāļ™āļēāļˆāļ­āđ‚āļ›āļĢāđāļāļĢāļĄ Weka

Page 91: SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

81

āđ€āļ›āļ”āđāļŸāļĄ weather.nominal.arff āļ— C:\Program Files\Weka-3.6\data āļœāļĨāļĨāļžāļ˜āļ—āđ„āļ”āđāļŠāļ”āļ‡āļ”āļ‡ āļĢāļ›āļ āļēāļ„āļœāļ™āļ§āļ āļ„ āļ— 3

āļĢāļ›āļ āļģāļ„āļœāļ™āļ§āļ āļ„ āļ— 3 āđāļŠāļ”āļ‡āļāļēāļĢāđ€āļĨāļ­āļāđ„āļŸāļĨāļ‚āļ­āļĄāļĨāļ—āļ•āļ­āļ‡āļāļēāļĢāđƒāļŠāļ‡āļēāļ™

āļĢāļ›āļ āļģāļ„āļœāļ™āļ§āļ āļ„ āļ— 4 āđāļŠāļ”āļ‡āļĢāļēāļĒāļĨāļ°āđ€āļ­āļĒāļ”āļ‚āļ­āļ‡āļ‚āļ­āļĄāļĨāļ—āđ€āļĨāļ­āļāđƒāļŠ

āļ•āļ§āđāļ›āļĢāļ—āļ‡āļŦāļĄāļ”āļ‚āļ­āļ‡āļ‚āļ­āļĄāļĨāļŠāļ”āļ™

Page 92: SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

82

āđ€āļĨāļ­āļ Associate āđ€āļžāļ­āļ— āļēāļāļēāļĢāļŦāļēāļāļŽāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āļ‚āļ­āļ‡āļ‚āļ­āļĄāļĨ āļ•āļēāļĄāļĢāļ›āļ āļēāļ„āļœāļ™āļ§āļ āļ„ āļ— 5 āļˆāļēāļāļ™āļ™āđƒāļŦāđ€āļĨāļ­āļāļ­āļĨāļāļ­āļĢāļ—āļĄāļ—āļ•āļ­āļ‡āļāļēāļĢāļˆ āļēāđāļ™āļāļ›āļĢāļ°āđ€āļ āļ—āļ‚āļ­āļĄāļĨ āđƒāļ™āļ—āļ™āđ€āļĨāļ­āļ āļ­āļĨāļāļ­āļĢāļ—āļĄāļ­āļžāļĢāđ‚āļ­āļĢ

āļĢāļ›āļ āļģāļ„āļœāļ™āļ§āļ āļ„ āļ— 5 āđāļŠāļ”āļ‡āļāļēāļĢāđ€āļĨāļ­āļāđ€āļĄāļ™āđ€āļžāļ­āļŦāļēāļāļŽāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜āļ‚āļ­āļ‡āļ‚āļ­āļĄāļĨ

āļĢāļ›āļ āļģāļ„āļœāļ™āļ§āļ āļ„ āļ— 6 āđāļŠāļ”āļ‡āļāļēāļĢāđ€āļĨāļ­āļāđ€āļĄāļ™āđ€āļžāļ­āļŦāļēāļāļŽāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜

Page 93: SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

83

āļĢāļ›āļ āļģāļ„āļœāļ™āļ§āļ āļ„ āļ— 7 āđāļŠāļ”āļ‡āļāļēāļĢāđ€āļĨāļ­āļāļ­āļĨāļāļ­āļĢāļ—āļĄāđƒāļ™āļāļēāļĢāļŦāļēāļāļŽāļ„āļ§āļēāļĄāļŠāļĄāļžāļ™āļ˜

āļĢāļ›āļ āļģāļ„āļœāļ™āļ§āļ āļ„ āļ— 8 āđāļŠāļ”āļ‡āļāļēāļĢāļ āļēāļŦāļ™āļ”āļ„āļēāđ€āļšāļ­āļ‡āļ•āļ™āļ‚āļ­āļ‡āļ­āļĨāļāļ­āļĢāļ—āļĄ

āđ€āļĨāļ­āļ Classifiers āđ€āļ›āļ™ Tree

āđāļĨāļ°āđ€āļĨāļ­āļāļ­āļĨāļāļ­āļĢāļ—āļĄ J48

Page 94: SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

84

āļĢāļ›āļ āļģāļ„āļœāļ™āļ§āļ āļ„ āļ— 9 āđāļŠāļ”āļ‡āļāļēāļĢāļ›āļĢāļ°āļĄāļ§āļĨāļœāļĨ

āļāļ”āļ›āļĄ Start āđ€āļžāļ­āļ›āļĢāļ°āļĄāļ§āļĨāļœāļĨ

āļāļŽāļ—āđ„āļ”āļˆāļēāļāļāļēāļĢāļ›āļĢāļ°āļĄāļ§āļĨāļœāļĨ

Page 95: SOCIO-ECONOMIC HOUSEHOLD DATA ANALYSIS USING THE ...

85

āļ›āļĢāļ°āļ§āļ•āļāļģāļĢāļĻāļāļĐāļģ āđāļĨāļ°āļāļģāļĢāļ— āļģāļ‡āļģāļ™

āļŠāļ­ –āļ™āļēāļĄāļŠāļāļĨ āļŠāļŽāļēāļĢāļ•āļ™ āļžāļžāļ’āļ™āļ™āļ™āļ—

āļ›āļĢāļ°āļ§āļ•āļāļēāļĢāļĻāļāļĐāļē āļ§āļ—.āļš. (āļŠāļ–āļ•) āļĄāļŦāļēāļ§āļ—āļĒāļēāļĨāļĒāđ€āļāļĐāļ•āļĢāļĻāļēāļŠāļ•āļĢ

āļ§āļ—.āļĄ. (āļāļēāļĢāļˆāļ”āļāļēāļĢāļĢāļ°āļšāļšāļŠāļēāļĢāļŠāļ™āđ€āļ—āļĻ)

āļŠāļ–āļēāļšāļ™āļšāļ“āļ‘āļ•āļžāļ’āļ™āļšāļĢāļŦāļēāļĢāļĻāļēāļŠāļ•āļĢ

āļ• āļēāđāļŦāļ™āļ‡āļŦāļ™āļēāļ—āļāļēāļĢāļ‡āļēāļ™āļ›āļˆāļˆāļšāļ™ āļ­āļēāļˆāļēāļĢāļĒāļ›āļĢāļ°āļˆ āļē āļŠāļēāļ‚āļēāļ§āļŠāļēāđ€āļ—āļ„āđ‚āļ™āđ‚āļĨāļĒāļŠāļēāļĢāļŠāļ™āđ€āļ—āļĻāđāļĨāļ°āļāļēāļĢāļŠāļ­āļŠāļēāļĢ

āļ„āļ“āļ°āļ§āļ—āļĒāļēāļĻāļēāļŠāļ•āļĢāđāļĨāļ°āđ€āļ—āļ„āđ‚āļ™āđ‚āļĨāļĒ

āļŠāļ–āļēāļ™āļ—āļ— āļēāļ‡āļēāļ™āļ›āļˆāļˆāļšāļ™ āļĄāļŦāļēāļ§āļ—āļĒāļēāļĨāļĒāļŦāļ­āļāļēāļĢāļ„āļēāđ„āļ—āļĒ

āļŠāļ­ –āļ™āļēāļĄāļŠāļāļĨ āļŠāļĢāļ˜āļĢ āđ€āļˆāļĢāļāļĢāļ•āļ™

āļ›āļĢāļ°āļ§āļ•āļāļēāļĢāļĻāļāļĐāļē āļ§āļ—.āļš. (āļ§āļ—āļĒāļēāļāļēāļĢāļ„āļ­āļĄāļžāļ§āđ€āļ•āļ­āļĢ) āđ€āļāļĒāļĢāļ•āļ™āļĒāļĄāļ­āļ™āļ”āļšāļŠāļ­āļ‡

āļĄāļŦāļēāļ§āļ—āļĒāļēāļĨāļĒāļŦāļ­āļāļēāļĢāļ„āļēāđ„āļ—āļĒ

āļ§āļ—.āļĄ. (āļ§āļ—āļĒāļēāļāļēāļĢāļ„āļ­āļĄāļžāļ§āđ€āļ•āļ­āļĢ)

āļŠāļ–āļēāļšāļ™āļšāļ“āļ‘āļ•āļžāļ’āļ™āļšāļĢāļŦāļēāļĢāļĻāļēāļŠāļ•āļĢ

āļ• āļēāđāļŦāļ™āļ‡āļŦāļ™āļēāļ—āļāļēāļĢāļ‡āļēāļ™āļ›āļˆāļˆāļšāļ™ āļ­āļēāļˆāļēāļĢāļĒāļ›āļĢāļ°āļˆ āļē āļŠāļēāļ‚āļēāļ§āļŠāļēāļ§āļ—āļĒāļēāļāļēāļĢāļ„āļ­āļĄāļžāļ§āđ€āļ•āļ­āļĢ

āļ„āļ“āļ°āļ§āļ—āļĒāļēāļĻāļēāļŠāļ•āļĢāđāļĨāļ°āđ€āļ—āļ„āđ‚āļ™āđ‚āļĨāļĒ

āļŠāļ–āļēāļ™āļ—āļ— āļēāļ‡āļēāļ™āļ›āļˆāļˆāļšāļ™ āļĄāļŦāļēāļ§āļ—āļĒāļēāļĨāļĒāļŦāļ­āļāļēāļĢāļ„āļēāđ„āļ—āļĒ

āļŠāļ­ –āļ™āļēāļĄāļŠāļāļĨ āļĻāļĻāļ˜āļĢ āļĄāļ‡āļ„āļĨāļĻāļĢāļžāļ’āļ™āļē

āļ›āļĢāļ°āļ§āļ•āļāļēāļĢāļĻāļāļĐāļē āļ§āļ—.āļš. (āļ§āļ—āļĒāļēāļāļēāļĢāļ„āļ­āļĄāļžāļ§āđ€āļ•āļ­āļĢ)

āļĄāļŦāļēāļ§āļ—āļĒāļēāļĨāļĒāļŦāļ­āļāļēāļĢāļ„āļēāđ„āļ—āļĒ

āļ§āļ—.āļĄ. (āļ§āļ—āļĒāļēāļāļēāļĢāļ„āļ­āļĄāļžāļ§āđ€āļ•āļ­āļĢ)

āļĄāļŦāļēāļ§āļ—āļĒāļēāļĨāļĒāđ€āļāļĐāļ•āļĢāļĻāļēāļŠāļ•āļĢ

āļ• āļēāđāļŦāļ™āļ‡āļŦāļ™āļēāļ—āļāļēāļĢāļ‡āļēāļ™āļ›āļˆāļˆāļšāļ™ Software System Administrator

āļŠāļ–āļēāļ™āļ—āļ— āļēāļ‡āļēāļ™āļ›āļˆāļˆāļšāļ™ āļĻāļ™āļĒāļ§āļˆāļĒāļĄāļŦāļēāļ§āļ—āļĒāļēāļĨāļĒāļŠāļ„āļēāđ‚āļ-āļĄāļŦāļēāļ§āļ—āļĒāļēāļĨāļĒāļŦāļ­āļāļēāļĢāļ„āļēāđ„āļ—āļĒ

āļĄāļŦāļēāļ§āļ—āļĒāļēāļĨāļĒāļŦāļ­āļāļēāļĢāļ„āļēāđ„āļ—āļĒ