- Главная
- Разное
- Дизайн
- Бизнес и предпринимательство
- Аналитика
- Образование
- Развлечения
- Красота и здоровье
- Финансы
- Государство
- Путешествия
- Спорт
- Недвижимость
- Армия
- Графика
- Культурология
- Еда и кулинария
- Лингвистика
- Английский язык
- Астрономия
- Алгебра
- Биология
- География
- Детские презентации
- Информатика
- История
- Литература
- Маркетинг
- Математика
- Медицина
- Менеджмент
- Музыка
- МХК
- Немецкий язык
- ОБЖ
- Обществознание
- Окружающий мир
- Педагогика
- Русский язык
- Технология
- Физика
- Философия
- Химия
- Шаблоны, картинки для презентаций
- Экология
- Экономика
- Юриспруденция
Многомерное шкалирование. Статистические методы в психологии презентация
Содержание
- 1. Многомерное шкалирование. Статистические методы в психологии
- 2. Многомерное шкалирование Многомерное шкалирование (МШ) можно рассматривать как альтернативу факторному анализу.
- 3. Многомерное шкалирование Целью является поиск и интерпретация
- 4. Многомерное шкалирование Основная цель: Выявление структуры исследуемого
- 5. Многомерное шкалирование Исходная информация для МШ – данные о различии или близости объектов
- 6. Многомерное шкалирование В психологии исходными данными для
- 7. Многомерное шкалирование Считается, что в основе таких
- 8. Многомерное шкалирование Основная задача МШ: Реконструкция психологического
- 9. Многомерное шкалирование Поэтому шкала в МШ интерпретируется как критерий, лежащий в основе различий стимулов.
- 10. Основная идея Пример: пусть имеется матрица попарных
- 11. Основная идея В общем случае метод МНШ
- 12. Основная идея В результате можно "измерить"
- 13. Многомерное шкалирование Statistics ⇒ Multivariate Exploratory Techniques ⇒ Multidimensional Scaling
- 14. Представление данных
- 15. Представление данных Матрица может представлять
- 16. Как получить матрицу? В модуле, где считают корреляцию В модуле кластерного анализа Самим посчитать
- 17. Как получить матрицу? Это модуль Basic Statistics and Tables ⇒ Correlation Matrices
- 18. Как получить матрицу? Это модуль Cluster Analysis ⇒ Joining (Tree Clustering)
- 19. Многомерное шкалирование
- 20. Результаты
- 21. Результаты
- 22. Результаты
- 23. Ориентация осей Ориентация осей может быть выбрана произвольной!
- 24. Результаты
- 25. Результаты
- 26. Результаты Оценки расстояний
- 27. Результаты Воспроизведенная матрица расстояний
- 28. Результаты Итоговая статистика по предыдущим трем кнопкам
- 29. Результаты
- 30. Результаты Оценка качества модели
- 31. Результаты Графики соответствия рассчитанных расстояний и их оценок
- 32. Графики Точки должны лежать как можно ближе к диагонали
- 33. Результаты Диаграмма Шепарда
- 34. Результаты Точки должны лежать как можно ближе к ступенчатой ломаной
- 35. Пример 2 В файле данных приведены сведения о доходах в 1991 году
- 36. Пример 2
- 37. Пример 2
- 38. Пример 2
- 39. Пример 2 А можно ли попробовать 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-то все понятно!
- 45. Пример 2 Вообще-то так понятнее:
- 46. Пример 2 Оценим модель:
- 47. А как вообще выбрать наилучшее количество размерностей?
- 48. Выбор размерности пространства Критерий каменистой осыпи: на графике зависимости стресса от размерности
- 49. Выбор размерности пространства
- 50. Выбор размерности пространства Для первого примера про города Беларуси:
- 51. Выбор размерности пространства Для второго примера про страны:
- 52. Выбор размерности пространства 2 ) Вторым критерием
- 53. Преимущества Часто информация, полученная от наблюдателя, носит
- 54. Преимущества Это связано с тем, что информация
- 55. Преимущества В общем случае, методы МНШ позволяют
- 56. Полезная литература: К семинару по многомерному шкалированию
- 57. Вот и все!
Многомерное шкалирование Многомерное шкалирование (МШ) можно рассматривать как альтернативу факторному анализу.
Слайд 2Многомерное шкалирование
Многомерное шкалирование (МШ) можно рассматривать как альтернативу факторному анализу.
Слайд 3Многомерное шкалирование
Целью является поиск и интерпретация «латентных» (т.е. непосредственно не наблюдаемых)
переменных, дающих возможность пользователю объяснить сходства между объектами, заданными точками в исходном пространстве признаков.
Слайд 4Многомерное шкалирование
Основная цель:
Выявление структуры исследуемого множества объектов
(структура – набор основных факторов
(шкал), по которым различаются и могут быть описаны объекты)
Слайд 6Многомерное шкалирование
В психологии исходными данными для МШ являются субъективные суждения испытуемых
о различии или сходстве стимулов (объектов).
Слайд 7Многомерное шкалирование
Считается, что в основе таких суждений лежит ограниченное количество субъективных
признаков (критериев), определяющих различение стимулов, и человек, вынося свои суждения, явно или неявно учитывает эти критерии.
Слайд 8Многомерное 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.
Слайд 9Многомерное шкалирование
Поэтому
шкала в МШ интерпретируется как критерий, лежащий в основе
различий стимулов.
Слайд 10Основная идея
Пример: пусть имеется матрица попарных расстояний (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.
Слайд 11Основная идея
В общем случае метод МНШ позволяет таким 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.
Слайд 12Основная идея
В результате можно "измерить" эти расстояния в терминах найденных
латентных переменных. Так, в нашем примере можно объяснить расстояния в терминах пары географических координат Север/Юг и Восток/Запад.
Слайд 13Многомерное шкалирование
Statistics ⇒ Multivariate Exploratory Techniques ⇒ Multidimensional Scaling
Слайд 15Представление данных
Матрица может представлять
1 – корреляцию
2 – сходство
3 – различие
4 –ковариацию
3 – различие
4 –ковариацию
ЭТИ ОБОЗНАЧЕНИЯ ЯВЛЯЮТСЯ СТАНДАРТНЫМИ!
Слайд 16Как получить матрицу?
В модуле, где считают корреляцию
В модуле кластерного анализа
Самим посчитать
Слайд 48Выбор размерности пространства
Критерий каменистой осыпи: на графике зависимости стресса от размерности
Слайд 52Выбор размерности пространства
2 ) Вторым критерием для решения вопроса о размерности
с целью интерпретации является "ясность" полученной конфигурации точек
Слайд 53Преимущества
Часто информация, полученная от наблюдателя, носит неметрический характер, так как расстояния
оцениваются по шкале порядка.
Итоговая же конфигурация воспроизводит метрические соотношения в расположении объектов!
Итоговая же конфигурация воспроизводит метрические соотношения в расположении объектов!
Слайд 54Преимущества
Это связано с тем, что информация о различиях, содержащаяся в матрице
субъективных оценок, хотя и является по сути порядковой, но обладает избыточностью, которая и позволяет восстановить метрические соотношения.
Слайд 55Преимущества
В общем случае, методы МНШ позволяют 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
Слайд 56Полезная литература:
К семинару по многомерному шкалированию прочитать:
Лосик Г.В. «Исследование восприятия гласных
методом многомерного шкалирования»
ПЖ, том 13, № 2, 1992
ПЖ, том 13, № 2, 1992
