- Многомерное шкалирование. Статистические методы в психологии
Содержание
- 2. Многомерное шкалирование Многомерное шкалирование (МШ) можно рассматривать как альтернативу факторному анализу.
- 3. Многомерное шкалирование Целью является поиск и интерпретация «латентных» (т.е. непосредственно не наблюдаемых) переменных, дающих возможность пользователю
- 4. Многомерное шкалирование Основная цель: Выявление структуры исследуемого множества объектов (структура – набор основных факторов (шкал), по
- 5. Многомерное шкалирование Исходная информация для МШ – данные о различии или близости объектов
- 6. Многомерное шкалирование В психологии исходными данными для МШ являются субъективные суждения испытуемых о различии или сходстве
- 7. Многомерное шкалирование Считается, что в основе таких суждений лежит ограниченное количество субъективных признаков (критериев), определяющих различение
- 8. Многомерное шкалирование Основная задача МШ: Реконструкция психологического пространства, заданного небольшим числом измерений-шкал, и расположение в нем
- 9. Многомерное шкалирование Поэтому шкала в МШ интерпретируется как критерий, лежащий в основе различий стимулов.
- 10. Основная идея Пример: пусть имеется матрица попарных расстояний (т.е. сходства некоторых признаков) между крупными белорусскими городами.
- 11. Основная идея В общем случае метод МНШ позволяет таким образом расположить "объекты" (города в нашем примере)
- 12. Основная идея В результате можно "измерить" эти расстояния в терминах найденных латентных переменных. Так, в нашем
- 13. Многомерное шкалирование Statistics ⇒ Multivariate Exploratory Techniques ⇒ Multidimensional Scaling
- 14. Представление данных
- 15. Представление данных Матрица может представлять 1 – корреляцию 2 – сходство 3 – различие 4 –ковариацию
- 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 для решения вопроса о размерности с целью интерпретации является
- 53. Преимущества Часто информация, полученная от наблюдателя, носит неметрический характер, так как расстояния оцениваются по шкале порядка.
- 54. Преимущества Это связано с тем, что информация о различиях, содержащаяся в матрице субъективных оценок, хотя и
- 55. Преимущества В общем случае, методы МНШ позволяют исследователю задать клиентам в анкете относительно ненавязчивые вопросы (например,
- 56. Полезная литература: К семинару по многомерному шкалированию прочитать: Лосик Г.В. «Исследование восприятия гласных методом многомерного шкалирования»
- 58. Скачать презентацию
Многомерное шкалирование
Многомерное шкалирование (МШ) можно рассматривать как альтернативу факторному анализу.
Многомерное шкалирование
Многомерное шкалирование (МШ) можно рассматривать как альтернативу факторному анализу.
Многомерное шкалирование
Целью является поиск и интерпретация «латентных» (т.е. непосредственно не наблюдаемых)
Многомерное шкалирование
Целью является поиск и интерпретация «латентных» (т.е. непосредственно не наблюдаемых)
Многомерное шкалирование
Основная цель:
Выявление структуры исследуемого множества объектов
(структура – набор основных факторов
Многомерное шкалирование
Основная цель:
Выявление структуры исследуемого множества объектов
(структура – набор основных факторов
Многомерное шкалирование
Исходная информация для МШ – данные о различии или близости
Многомерное шкалирование
Исходная информация для МШ – данные о различии или близости
Многомерное шкалирование
В психологии исходными данными для МШ являются субъективные суждения испытуемых
Многомерное шкалирование
В психологии исходными данными для МШ являются субъективные суждения испытуемых
Многомерное шкалирование
Считается, что в основе таких суждений лежит ограниченное количество субъективных
Многомерное шкалирование
Считается, что в основе таких суждений лежит ограниченное количество субъективных
Многомерное шкалирование
Основная задача МШ:
Реконструкция психологического пространства, заданного небольшим числом измерений-шкал, и
Многомерное шкалирование
Основная задача МШ:
Реконструкция психологического пространства, заданного небольшим числом измерений-шкал, и
Многомерное шкалирование
Поэтому
шкала в МШ интерпретируется как критерий, лежащий в основе
Многомерное шкалирование
Поэтому
шкала в МШ интерпретируется как критерий, лежащий в основе
Основная идея
Пример: пусть имеется матрица попарных расстояний (т.е. сходства некоторых признаков)
Основная идея
Пример: пусть имеется матрица попарных расстояний (т.е. сходства некоторых признаков)
Основная идея
В общем случае метод МНШ позволяет таким образом расположить "объекты"
Основная идея
В общем случае метод МНШ позволяет таким образом расположить "объекты"
Основная идея
В результате можно "измерить" эти расстояния в терминах найденных
Основная идея
В результате можно "измерить" эти расстояния в терминах найденных
Многомерное шкалирование
Statistics ⇒ Multivariate Exploratory Techniques ⇒ Multidimensional Scaling
Многомерное шкалирование
Statistics ⇒ Multivariate Exploratory Techniques ⇒ Multidimensional Scaling
Представление данных
Представление данных
Представление данных
Матрица может представлять
1 – корреляцию
2 – сходство
3
Представление данных
Матрица может представлять
1 – корреляцию
2 – сходство
3
Как получить матрицу?
В модуле, где считают корреляцию
В модуле кластерного анализа
Самим посчитать
Как получить матрицу?
В модуле, где считают корреляцию
В модуле кластерного анализа
Самим посчитать
Как получить матрицу?
Это модуль
Basic Statistics and Tables ⇒ Correlation Matrices
Как получить матрицу?
Это модуль
Basic Statistics and Tables ⇒ Correlation Matrices
Как получить матрицу?
Это модуль
Cluster Analysis ⇒ Joining (Tree Clustering)
Как получить матрицу?
Это модуль
Cluster Analysis ⇒ Joining (Tree Clustering)
Многомерное шкалирование
Многомерное шкалирование
Результаты
Результаты
Результаты
Результаты
Результаты
Результаты
Ориентация осей
Ориентация осей может быть выбрана произвольной!
Ориентация осей
Ориентация осей может быть выбрана произвольной!
Результаты
Результаты
Результаты
Результаты
Результаты
Оценки расстояний
Результаты
Оценки расстояний
Результаты
Воспроизведенная матрица расстояний
Результаты
Воспроизведенная матрица расстояний
Результаты
Итоговая статистика по предыдущим трем кнопкам
Результаты
Итоговая статистика по предыдущим трем кнопкам
Результаты
Результаты
Результаты
Оценка качества модели
Результаты
Оценка качества модели
Результаты
Графики соответствия рассчитанных расстояний и их оценок
Результаты
Графики соответствия рассчитанных расстояний и их оценок
Графики
Точки должны лежать как можно ближе к диагонали
Графики
Точки должны лежать как можно ближе к диагонали
Результаты
Диаграмма Шепарда
Результаты
Диаграмма Шепарда
Результаты
Точки должны лежать как можно ближе к ступенчатой ломаной
Результаты
Точки должны лежать как можно ближе к ступенчатой ломаной
Пример 2
В файле данных приведены сведения о доходах в 1991 году
Пример 2
В файле данных приведены сведения о доходах в 1991 году
Пример 2
Пример 2
Пример 2
Пример 2
Пример 2
Пример 2
Пример 2
А можно ли попробовать взять другое количество размерностей?
Пример 2
А можно ли попробовать взять другое количество размерностей?
Пример 2
КОНЕЧНО! Берем одну шкалу:
Пример 2
КОНЕЧНО! Берем одну шкалу:
Пример 2
Пример 2
Пример 2
Пример 2
Пример 2
Берем три шкалы:
Пример 2
Берем три шкалы:
Пример 2
Ну теперь-то все понятно!
Пример 2
Ну теперь-то все понятно!
Пример 2
Вообще-то так понятнее:
Пример 2
Вообще-то так понятнее:
Пример 2
Оценим модель:
Пример 2
Оценим модель:
А как вообще выбрать наилучшее количество размерностей?
А как вообще выбрать наилучшее количество размерностей?
Выбор размерности пространства
Критерий каменистой осыпи: на графике зависимости стресса от размерности
Выбор размерности пространства
Критерий каменистой осыпи: на графике зависимости стресса от размерности
Выбор размерности пространства
Выбор размерности пространства
Выбор размерности пространства
Для первого примера про города Беларуси:
Выбор размерности пространства
Для первого примера про города Беларуси:
Выбор размерности пространства
Для второго примера про страны:
Выбор размерности пространства
Для второго примера про страны:
Выбор размерности пространства
2 ) Вторым критерием для решения вопроса о размерности
Выбор размерности пространства
2 ) Вторым критерием для решения вопроса о размерности
Преимущества
Часто информация, полученная от наблюдателя, носит неметрический характер, так как расстояния
Преимущества
Часто информация, полученная от наблюдателя, носит неметрический характер, так как расстояния
Преимущества
Это связано с тем, что информация о различиях, содержащаяся в матрице
Преимущества
Это связано с тем, что информация о различиях, содержащаяся в матрице
Преимущества
В общем случае, методы МНШ позволяют исследователю задать клиентам в анкете
Преимущества
В общем случае, методы МНШ позволяют исследователю задать клиентам в анкете
Полезная литература:
К семинару по многомерному шкалированию прочитать:
Лосик Г.В. «Исследование восприятия гласных
Полезная литература:
К семинару по многомерному шкалированию прочитать:
Лосик Г.В. «Исследование восприятия гласных
Единицы массы
Основное свойство дроби
Практикум по теме «Решение планиметрических задач из банка заданий ОГЭ № 24-25»
Решение заданий ЕГЭ В6 (часть 2)
Взаимодействие начальной школы и детского сада как условие творческого развития личности.
Приближенные вычисления
Площадь треугольника
Деление и умножение десятичной дроби (6 класс)
Графическое решение уравнений с двумя переменными
Квадратный корень из степени
Числовые ряды. Признаки сходимости числовых рядов. Лекция 12
Свойства сложения. Формула и свойство
Работа с текстом на уроках математики
Линейные дифференциальные уравнения 2-го порядка с постоянными коэффициентами. (Семинар 36)
Аттестационная работа. Проектная деятельность по математике в 5-х классах
Характеристики замкнутых САР
Понятие о кривой распределения в психологии. (Лекция 3)
Исследовательская работа. Теорема Пифагора
Дробно-рациональные уравнения
Квадраттық функция
Простейшие тригонометрические уравнения
Нестандартные задачи по теме «Прогрессии» Цель урока: расширить и углубить знания по теме «Прогрессии»
Решение систем двух линейных уравнений с двумя неизвестными
Числовая окружность в координатной плоскости
Тригонометрические уравнения. Методы решения тригонометрических уравнений
Статистика. Понятие, предмет и метод статистики. (Лекция 1)
Матриці та дії над ними. Поняття і види матриць
Пропорция. Решение задач с помощью пропорции