Что такое findslide.org?

FindSlide.org - это сайт презентаций, докладов, шаблонов в формате PowerPoint.


Для правообладателей

Обратная связь

Email: Нажмите что бы посмотреть 

Яндекс.Метрика

Презентация на тему Многомерное шкалирование. Статистические методы в психологии

Содержание

Многомерное шкалированиеМногомерное шкалирование (МШ) можно рассматривать как альтернативу факторному анализу.
Многомерное шкалированиеCтат. методы в психологии(Радчикова Н.П.) Многомерное шкалированиеМногомерное шкалирование (МШ) можно рассматривать как альтернативу факторному анализу. Многомерное шкалированиеЦелью является поиск и интерпретация «латентных» (т.е. непосредственно не наблюдаемых) переменных, Многомерное шкалированиеОсновная цель:Выявление структуры исследуемого множества объектов(структура – набор основных факторов (шкал), Многомерное шкалированиеИсходная информация для МШ – данные о различии или близости объектов Многомерное шкалированиеВ психологии исходными данными для МШ являются субъективные суждения испытуемых о Многомерное шкалированиеСчитается, что в основе таких суждений лежит ограниченное количество субъективных признаков Многомерное шкалированиеОсновная задача МШ:Реконструкция психологического пространства, заданного небольшим числом измерений-шкал, и расположение Многомерное шкалированиеПоэтому шкала в МШ интерпретируется как критерий, лежащий в основе различий стимулов. Основная идеяПример: пусть имеется матрица попарных расстояний (т.е. сходства некоторых признаков) между Основная идеяВ общем случае метод МНШ позволяет таким образом расположить Основная идея В результате можно Многомерное шкалированиеStatistics ⇒ Multivariate Exploratory Techniques ⇒ Multidimensional Scaling Представление данных Представление данныхМатрица может представлять     1 – корреляцию Как получить матрицу?В модуле, где считают корреляциюВ модуле кластерного анализаСамим посчитать Как получить матрицу?Это модуль Basic Statistics and Tables ⇒ Correlation Matrices Как получить матрицу?Это модуль Cluster Analysis ⇒ Joining (Tree Clustering) Многомерное шкалирование Результаты Результаты Результаты Ориентация осейОриентация осей может быть выбрана произвольной! Результаты Результаты РезультатыОценки расстояний РезультатыВоспроизведенная матрица расстояний РезультатыИтоговая статистика по предыдущим трем кнопкам Результаты РезультатыОценка качества модели РезультатыГрафики соответствия рассчитанных расстояний и их оценок ГрафикиТочки должны лежать как можно ближе к диагонали РезультатыДиаграмма Шепарда РезультатыТочки должны лежать как можно ближе к ступенчатой ломаной Пример 2В файле данных приведены сведения о доходах в 1991 году Пример 2 Пример 2 Пример 2 Пример 2А можно ли попробовать взять другое количество размерностей? Пример 2КОНЕЧНО! Берем одну шкалу: Пример 2 Пример 2 Пример 2 Берем три шкалы: Пример 2Ну теперь-то все понятно! Пример 2Вообще-то так понятнее: Пример 2Оценим модель: А как вообще выбрать наилучшее количество размерностей? Выбор размерности пространстваКритерий каменистой осыпи: на графике зависимости стресса от размерности Выбор размерности пространства Выбор размерности пространстваДля первого примера про города Беларуси: Выбор размерности пространстваДля второго примера про страны: Выбор размерности пространства2 ) Вторым критерием для решения вопроса о размерности с ПреимуществаЧасто информация, полученная от наблюдателя, носит неметрический характер, так как расстояния оцениваются ПреимуществаЭто связано с тем, что информация о различиях, содержащаяся в матрице субъективных ПреимуществаВ общем случае, методы МНШ позволяют исследователю задать клиентам в анкете относительно Полезная литература:К семинару по многомерному шкалированию прочитать:Лосик Г.В. «Исследование восприятия гласных методом Вот и все!
Слайды презентации

Слайд 2 Многомерное шкалирование
Многомерное шкалирование (МШ) можно рассматривать как альтернативу

Многомерное шкалированиеМногомерное шкалирование (МШ) можно рассматривать как альтернативу факторному анализу.

факторному анализу.


Слайд 3 Многомерное шкалирование
Целью является поиск и интерпретация «латентных» (т.е.

Многомерное шкалированиеЦелью является поиск и интерпретация «латентных» (т.е. непосредственно не наблюдаемых)

непосредственно не наблюдаемых) переменных, дающих возможность пользователю объяснить сходства

между объектами, заданными точками в исходном пространстве признаков.

Слайд 4 Многомерное шкалирование
Основная цель:
Выявление структуры исследуемого множества объектов
(структура –

Многомерное шкалированиеОсновная цель:Выявление структуры исследуемого множества объектов(структура – набор основных факторов

набор основных факторов (шкал), по которым различаются и могут

быть описаны объекты)

Слайд 5 Многомерное шкалирование
Исходная информация для МШ – данные о

Многомерное шкалированиеИсходная информация для МШ – данные о различии или близости объектов

различии или близости объектов


Слайд 6 Многомерное шкалирование
В психологии исходными данными для МШ являются

Многомерное шкалированиеВ психологии исходными данными для МШ являются субъективные суждения испытуемых

субъективные суждения испытуемых о различии или сходстве стимулов (объектов).


Слайд 7 Многомерное шкалирование
Считается, что в основе таких суждений лежит

Многомерное шкалированиеСчитается, что в основе таких суждений лежит ограниченное количество субъективных

ограниченное количество субъективных признаков (критериев), определяющих различение стимулов, и

человек, вынося свои суждения, явно или неявно учитывает эти критерии.

Слайд 8 Многомерное шкалирование
Основная задача МШ:
Реконструкция психологического пространства, заданного небольшим

Многомерное шкалированиеОсновная задача МШ:Реконструкция психологического пространства, заданного небольшим числом измерений-шкал, и

числом измерений-шкал, и расположение в нем точек-стимулов таким образом,

чтобы расстояние между ними наилучшим образом соответствовали исходным субъективным различиям.

Слайд 9 Многомерное шкалирование
Поэтому
шкала в МШ интерпретируется как критерий,

Многомерное шкалированиеПоэтому шкала в МШ интерпретируется как критерий, лежащий в основе различий стимулов.

лежащий в основе различий стимулов.


Слайд 10 Основная идея
Пример: пусть имеется матрица попарных расстояний (т.е.

Основная идеяПример: пусть имеется матрица попарных расстояний (т.е. сходства некоторых признаков)

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 11 Основная идея
В общем случае метод МНШ позволяет таким

Основная идеяВ общем случае метод МНШ позволяет таким образом расположить

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 12 Основная идея
В результате можно "измерить" эти расстояния

Основная идея В результате можно

в терминах найденных латентных переменных. Так, в нашем примере

можно объяснить расстояния в терминах пары географических координат Север/Юг и Восток/Запад.

Слайд 13 Многомерное шкалирование

Statistics ⇒ Multivariate Exploratory Techniques ⇒ Multidimensional

Многомерное шкалированиеStatistics ⇒ Multivariate Exploratory Techniques ⇒ Multidimensional Scaling

Scaling


Слайд 14 Представление данных

Представление данных

Слайд 15 Представление данных
Матрица может представлять

Представление данныхМатрица может представлять   1 – корреляцию

1 – корреляцию
2 –

сходство
3 – различие
4 –ковариацию

ЭТИ ОБОЗНАЧЕНИЯ ЯВЛЯЮТСЯ СТАНДАРТНЫМИ!


Слайд 16 Как получить матрицу?
В модуле, где считают корреляцию
В модуле

Как получить матрицу?В модуле, где считают корреляциюВ модуле кластерного анализаСамим посчитать

кластерного анализа
Самим посчитать


Слайд 17 Как получить матрицу?

Это модуль
Basic Statistics and Tables

Как получить матрицу?Это модуль Basic Statistics and Tables ⇒ Correlation Matrices

⇒ Correlation Matrices


Слайд 18 Как получить матрицу?

Это модуль
Cluster Analysis ⇒ Joining

Как получить матрицу?Это модуль Cluster Analysis ⇒ Joining (Tree Clustering)

(Tree Clustering)


Слайд 19 Многомерное шкалирование

Многомерное шкалирование

Слайд 20 Результаты

Результаты

Слайд 21 Результаты

Результаты

Слайд 22 Результаты

Результаты

Слайд 23 Ориентация осей
Ориентация осей может быть выбрана произвольной!

Ориентация осейОриентация осей может быть выбрана произвольной!

Слайд 24 Результаты

Результаты

Слайд 25 Результаты

Результаты

Слайд 26
Результаты
Оценки расстояний



РезультатыОценки расстояний

Слайд 27 Результаты
Воспроизведенная матрица расстояний

РезультатыВоспроизведенная матрица расстояний

Слайд 28 Результаты
Итоговая статистика по предыдущим трем кнопкам

РезультатыИтоговая статистика по предыдущим трем кнопкам

Слайд 29 Результаты

Результаты

Слайд 30 Результаты

Оценка качества модели

РезультатыОценка качества модели

Слайд 31 Результаты
Графики соответствия рассчитанных расстояний и их оценок

РезультатыГрафики соответствия рассчитанных расстояний и их оценок

Слайд 32 Графики
Точки должны лежать как можно ближе к диагонали

ГрафикиТочки должны лежать как можно ближе к диагонали

Слайд 33 Результаты
Диаграмма Шепарда

РезультатыДиаграмма Шепарда

Слайд 34 Результаты
Точки должны лежать как можно ближе к ступенчатой

РезультатыТочки должны лежать как можно ближе к ступенчатой ломаной

ломаной


Слайд 35 Пример 2
В файле данных приведены сведения о доходах

Пример 2В файле данных приведены сведения о доходах в 1991 году

в 1991 году


Слайд 36 Пример 2

Пример 2

Слайд 37 Пример 2

Пример 2

Слайд 38 Пример 2

Пример 2

Слайд 39 Пример 2

А можно ли попробовать взять другое количество

Пример 2А можно ли попробовать взять другое количество размерностей?

размерностей?


Слайд 40 Пример 2
КОНЕЧНО! Берем одну шкалу:

Пример 2КОНЕЧНО! Берем одну шкалу:

Слайд 41 Пример 2

Пример 2

Слайд 42 Пример 2

Пример 2

Слайд 43 Пример 2
Берем три шкалы:

Пример 2 Берем три шкалы:

Слайд 44 Пример 2
Ну теперь-то все понятно!

Пример 2Ну теперь-то все понятно!

Слайд 45 Пример 2
Вообще-то так понятнее:

Пример 2Вообще-то так понятнее:

Слайд 46 Пример 2
Оценим модель:

Пример 2Оценим модель:

Слайд 47
А как вообще выбрать наилучшее количество размерностей?

А как вообще выбрать наилучшее количество размерностей?

Слайд 48 Выбор размерности пространства
Критерий каменистой осыпи: на графике зависимости

Выбор размерности пространстваКритерий каменистой осыпи: на графике зависимости стресса от размерности

стресса от размерности


Слайд 49 Выбор размерности пространства

Выбор размерности пространства

Слайд 50 Выбор размерности пространства
Для первого примера про города Беларуси:

Выбор размерности пространстваДля первого примера про города Беларуси:

Слайд 51 Выбор размерности пространства
Для второго примера про страны:

Выбор размерности пространстваДля второго примера про страны:

Слайд 52 Выбор размерности пространства
2 ) Вторым критерием для решения

Выбор размерности пространства2 ) Вторым критерием для решения вопроса о размерности

вопроса о размерности с целью интерпретации является "ясность" полученной

конфигурации точек


Слайд 53 Преимущества
Часто информация, полученная от наблюдателя, носит неметрический характер,

ПреимуществаЧасто информация, полученная от наблюдателя, носит неметрический характер, так как расстояния

так как расстояния оцениваются по шкале порядка.
Итоговая же конфигурация

воспроизводит метрические соотношения в расположении объектов!

Слайд 54 Преимущества
Это связано с тем, что информация о различиях,

ПреимуществаЭто связано с тем, что информация о различиях, содержащаяся в матрице

содержащаяся в матрице субъективных оценок, хотя и является по

сути порядковой, но обладает избыточностью, которая и позволяет восстановить метрические соотношения.

Слайд 55 Преимущества
В общем случае, методы МНШ позволяют исследователю задать

ПреимуществаВ общем случае, методы МНШ позволяют исследователю задать клиентам в анкете

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 56 Полезная литература:
К семинару по многомерному шкалированию прочитать:
Лосик Г.В.

Полезная литература:К семинару по многомерному шкалированию прочитать:Лосик Г.В. «Исследование восприятия гласных

«Исследование восприятия гласных методом многомерного шкалирования»
ПЖ, том 13, №

2, 1992

  • Имя файла: mnogomernoe-shkalirovanie-statisticheskie-metody-v-psihologii.pptx
  • Количество просмотров: 100
  • Количество скачиваний: 0