Похожие презентации:
Многомерное шкалирование. Статистические методы в психологии
1. Многомерное шкалирование
Cтат. методы впсихологии
(Радчикова Н.П.)
Trisha Klass Illinois State University
2. Многомерное шкалирование
Многомерное шкалирование (МШ)можно рассматривать как
альтернативу факторному анализу.
3. Многомерное шкалирование
Целью является поиск иинтерпретация «латентных» (т.е.
непосредственно не наблюдаемых)
переменных, дающих возможность
пользователю объяснить сходства
между объектами, заданными
точками в исходном пространстве
признаков.
4. Многомерное шкалирование
Основная цель:Выявление структуры исследуемого
множества объектов
(структура – набор основных
факторов (шкал), по которым
различаются и могут быть описаны
объекты)
5. Многомерное шкалирование
Исходная информация для МШ –данные о различии или близости
объектов
6. Многомерное шкалирование
В психологии исходными даннымидля МШ являются субъективные
суждения испытуемых о различии
или сходстве стимулов (объектов).
7. Многомерное шкалирование
Считается, что в основе такихсуждений лежит ограниченное
количество субъективных признаков
(критериев), определяющих
различение стимулов, и человек,
вынося свои суждения, явно или
неявно учитывает эти критерии.
8. Многомерное шкалирование
Основная задача МШ:Реконструкция психологического
пространства, заданного небольшим
числом измерений-шкал, и расположение
в нем точек-стимулов таким образом,
чтобы расстояние между ними
наилучшим образом соответствовали
исходным субъективным различиям.
9. Многомерное шкалирование
Поэтомушкала в МШ интерпретируется как
критерий, лежащий в основе различий
стимулов.
10. Основная идея
Пример: пусть имеется матрица попарныхрасстояний (т.е. сходства некоторых
признаков) между крупными
белорусскими городами. Анализируя
матрицу, стремятся расположить точки с
координатами городов в двумерном
пространстве (на плоскости), максимально
сохранив реальные расстояния между
ними.
11. Основная идея
В общем случае метод МНШ позволяеттаким образом расположить "объекты"
(города в нашем примере) в
пространстве некоторой небольшой
размерности (в данном случае она
равна двум), чтобы достаточно
адекватно воспроизвести наблюдаемые
расстояния между ними.
12. Основная идея
В результате можно "измерить" этирасстояния в терминах найденных
латентных переменных. Так, в нашем
примере можно объяснить
расстояния в терминах пары
географических координат Север/Юг
и Восток/Запад.
13. Многомерное шкалирование
Statistics Multivariate Exploratory TechniquesMultidimensional Scaling
14. Представление данных
15. Представление данных
Матрица может представлять1 – корреляцию
2 – сходство
3 – различие
4 –ковариацию
ЭТИ ОБОЗНАЧЕНИЯ ЯВЛЯЮТСЯ СТАНДАРТНЫМИ!
16. Как получить матрицу?
1) В модуле, где считают корреляцию2) В модуле кластерного анализа
3) Самим посчитать
17. Как получить матрицу?
Это модульBasic Statistics and Tables Correlation Matrices
18. Как получить матрицу?
Это модульCluster Analysis Joining (Tree Clustering)
19. Многомерное шкалирование
20. Результаты
21. Результаты
22. Результаты
23. Ориентация осей
Ориентация осей может бытьвыбрана произвольной!
24. Результаты
25. Результаты
26. Результаты
Оценки расстояний27. Результаты
Воспроизведеннаяматрица расстояний
28. Результаты
Итоговая статистикапо предыдущим трем
кнопкам
29. Результаты
30. Результаты
Оценка качествамодели
31. Результаты
Графики соответствиярассчитанных расстояний и их
оценок
32. Графики
Точки должны лежать как можноближе к диагонали
33. Результаты
Диаграмма Шепарда34. Результаты
Точки должны лежать как можноближе к ступенчатой ломаной
35. Пример 2
В файле данныхприведены
сведения о
доходах в 1991
году
36. Пример 2
37. Пример 2
38. Пример 2
39. Пример 2
А можно липопробовать
взять другое
количество
размерностей?
40. Пример 2
КОНЕЧНО! Берем одну шкалу:41. Пример 2
42. Пример 2
43. Пример 2
Берем три шкалы:44. Пример 2
Ну теперь-товсе понятно!
45. Пример 2
Вообще-то так понятнее:46. Пример 2
Оценим модель:47.
А как вообщевыбрать
наилучшее
количество
размерностей?
48. Выбор размерности пространства
1) Критерий каменистой осыпи: награфике зависимости стресса от
размерности
49. Выбор размерности пространства
50. Выбор размерности пространства
Для первого примера про города Беларуси:стресс
0,2
0,15
0,1
0,05
0
1
2
3
число измерений
4
51. Выбор размерности пространства
стрессДля второго примера про страны:
0,45
0,4
0,35
0,3
0,25
0,2
0,15
0,1
0,05
0
1
2
3
4
5
число размерностей
6
52. Выбор размерности пространства
2 ) Вторым критерием для решениявопроса о размерности с целью
интерпретации является
"ясность" полученной
конфигурации точек
53. Преимущества
Часто информация, полученнаяот наблюдателя, носит
неметрический характер, так как
расстояния оцениваются по
шкале порядка.
Итоговая же конфигурация
воспроизводит метрические
соотношения в расположении
объектов!
54. Преимущества
Это связано с тем, что информация оразличиях, содержащаяся в матрице
субъективных оценок, хотя и является
по сути порядковой, но обладает
избыточностью, которая и позволяет
восстановить метрические
соотношения.
55. Преимущества
В общем случае, методы МНШпозволяют исследователю задать
клиентам в анкете относительно
ненавязчивые вопросы (например,
"насколько похож товар фирмы A на
товар фирмы B") и найти латентные
переменные для этих анкет незаметно
для респондентов
56. Полезная литература:
К семинару по многомерному шкалированиюпрочитать:
Лосик Г.В. «Исследование восприятия
гласных методом многомерного
шкалирования»
ПЖ, том 13, № 2, 1992