Отдельные виды статистического анализа. Лекция 23 презентация

для признаков в количественном исследовании.
Предварительно для измерения отдельного признака готовится шкала, включающая избыточное число пунктов.
На достаточно представительной выборке шкала апробируется.
С помощью тестов при помощи многочисленных критериев исключаются неподходящие пункты шкал.

Наиболее разумным оказывается проведение такого тестирования на первой волне мониторингового исследования и подготовка инструмента для последующих волн.

Чаще всего используется два теста
α–тест Кронбаха
половинное расщепление.

значение указывает на отдельные части шкалы измеряют противоположные величины.



где N - число пунктов шкалы, v - средняя дисперсия для выборки, c - среднее значение для всех ковариаций между всеми пунктами шкал

Коэффициент возрастает
с ростом числа пунктов шкалы
с ростом корреляции между пунктами

Тест половинного расщепления представляет собой разделение блока признаков, измеряющих один параметр на две части (четные и нечетные, например).
В случае, когда корреляция между двумя получившимися половинами высокая, тест считается надежным.

.

в наглядном, доступном для интерпретации графическом виде.
Матрица различий между объектами (расстояний) представляется в виде одно-, двух- или трехмерного графического изображения взаимного расположения этих объектов.

Метод МШ можно рассматривать как продолжение факторного анализа, поскольку подразумевает сжатие пространства признаков до 1-3. Отличие в том, что при факторном анализе используются коэффициенты корреляции, а при МШ – меры различия между объектами.

Сходство же с кластерным анализом состоит в том, что в обоих случаях анализируется расстояния между объектами и потенциально в результате МШ может осуществляться классификация объектов.

.

случае, когда объекты реально существуют в физическом пространстве и имеют географические координаты. Например, города или народы (языки). В этом случае визуализация будет «уточнять» координаты объектов.

МШ - это способ наиболее эффективного размещения объектов, приближенно сохраняющий наблюдаемые между ними расстояния. МШ размещает объекты в пространстве заданной размерности и проверяет, насколько точно полученная конфигурация сохраняет расстояния между объектами. Говоря более техническим языком, МШ использует алгоритм минимизации некоторой функции, оценивающей качество получаемых вариантов отображения.

Такой функцией в ряде вариантов МШ является стресс. Это - мера, наиболее часто используемой для оценки качества подгонки модели (отображения), измеряемого по степени воспроизведения исходной матрицы сходств.

.