Руководство по анализу данных с помощью самой мощной и популярной


Глава 23.  Многомерное шкалирование 334



Pdf көрінісі
бет252/304
Дата10.10.2024
өлшемі8,54 Mb.
#206058
түріРуководство
1   ...   248   249   250   251   252   253   254   255   ...   304
Байланысты:
А. Наследов - SPSS 19. Профессиональный статистический анализ данных - 2011

Глава 23. 
Многомерное шкалирование
334
представляли не одни и те же, а разные объекты, матрица бы называлась не 
квадратной, а прямоугольной. Прямоугольные матрицы в контексте данной 
книги не рассматриваются.
Асимметричная матрица —
f
это матрица, для которой отношение двух объек-
тов друг к другу может быть разным. Так, например, симпатия Петра к Ирине 
не означает, что Ирине Петр тоже симпатичен. Визуально асимметричность 
матрицы выражается в том, что как минимум для одной пары ячеек, симме-
трично расположенных относительно главной диагонали матрицы, значения 
различны. Если же ни одного такого различия для матрицы не установлено, 
матрица называется симметричной. Примером матрицы, которая всегда сим-
метрична, является корреляционная матрица.
Матрица различий —
f
матрица, данные которой представляют меру различия. 
В данном случае значения матрицы отражают степень отличия отношения одно-
го студента к другому от идеального; чем больше значение, тем больше разли-
чие. Существуют также матрицы сходств, в которых значения отражают степень 
некоторого сходства. Если бы преподаватель вместо матрицы различий составил 
матрицу сходств, то изображение, полученное в результате многомерного шка-
лирования, скорее внесло бы путаницу, чем помогло в решении задачи.
Квадратная симметричная 
матрица различий
Пусть наш гипотетический преподаватель решает другую задачу: ему нужно расса-
дить 12 учащихся в соответствии с результатами их тестирования по пяти показа-
телям. Поскольку результаты тестирования не относятся к данным, характеризую-
щим различия, необходимо сначала вычислить различия по имеющимся данным 
и таким образом свести задачу к предыдущей. Исходные данные для этой задачи 
естественно представить в виде прямоугольной матрицы 12 
×
5, в которой для 
каждого из 12 учащихся указаны результаты 5-ти тестов (файл 
mds2.sav
). Затем по 
исходным данным строится квадратная (12 
×
12) симметричная матрица различий 
между учащимися. Наконец, как и в предыдущем примере, SPSS создает матрицу 
координат 12 
×
2 и визуально представляет ее в виде диаграммы.
Обратите внимание на два ключевых свойства матрицы различий: она являет-
ся квадратной и симметричной. Несмотря на то, что исходная матрица является 
прямоугольной, то есть ее строки (объекты) соответствуют учащимся, а столб-
цы (переменные) — тестам, в матрице различий как строки, так и столбцы соот-
ветствуют учащимся, и, следовательно, матрица является квадратной с размером 
12 
×
12. Кроме того, поскольку, учащийся 1 отличается от учащегося 5 по резуль-
татам тестирования так же, как учащийся 5 от учащегося 1, матрица различий 
является симметричной.


Пошаговые алгоритмы вычислений


Достарыңызбен бөлісу:
1   ...   248   249   250   251   252   253   254   255   ...   304




©engime.org 2024
әкімшілігінің қараңыз

    Басты бет