Date post: | 03-Jan-2016 |
Category: |
Documents |
Upload: | heather-noble |
View: | 92 times |
Download: | 0 times |
Metode cantitative avansate de cercetare sociala
Tema 8-9: Scalare multidimensionala
Bibliografie: Manual, Capitolul 6
Joseph B. Kruskal, Myron Wish. 1978. Multidimensional Scaling. Newbury Park, Ca.: Sage Publications.
F.W. Young, D.F. Harris. 1990. “Multidimensional Scaling”, SPSS User’s Guide, SPSS Inc., pp. 157-223.
Exemple de intrebari la care raspunde SMD
Cum se structureaza piata unor categorii de produse (e.g. detergenti) in perceptia cumparatorilor?
Care este structura de prietenie intr-un cimp social particular?
Cum percep alegatorii candidatii in alegerile prezidentiale?
SMD - caracteristici
Metoda de reducere a datelorTipul de date folosit:
Similaritate Preferinte
Se bazeaza pe comparatii intre obiecte
(care pot, sau nu, sa includa judecati de valoare)
Proximitate
Proximitatea dintre două obiecte funcţionează ca distanţă între obiecte şi este o valoare numerică care indică cât de similare sunt obiectele în percepţia subiecţilor, sau cât de apropiate se găsesc în preferinţele lor.
Se construieste o matrice de proximitati din datele brute (uneori acestea sunt de la bun inceput proximitati).
Tipuri de date in MDS si calculul distantelor: Logica producerii hartii perceptuale
Datele initiale sunt prelucrate sub forma de proximitati (distante, intr-o definitie aleasa de noi). Acestea se noteaza cu: ij iar matricea lor cu .
Distantele intre obiecte, asa cum vor fi reprezentate pe harta perceptuala, sunt: dij=d(xi,xj), iar matricea lor e D.
In general proximitatile sunt transformate astfel incit sa aiba aceeasi unitate de masura cu distantele hartii perceptuale: f(ij) [transformatele proximitatilor]
Logica producerii hartii perceptuale (2)
Se porneste de la o configuratie initiala (arbitrara) a distantelor dintre obiectele de pe harta.
Distantele pe harta dintre obiecte se compara cu transformatele proximitatilor [distantele subiective].
Daca discrepantele sunt prea mari, se rearanjeaza obiectele intr-o noua configuratie, astfel incit sa reprezinte cit mai bine distantele date de transformatele proximitatilor.
Algoritmul se repeta pina se indeplineste conditia ca eroarea totala e mai mica decit un prag acceptat de noi.
Logica producerii hartii perceptuale (3)
Formal, ecuatia fundamentala a SMD: f()=D+E
Goodness-of-fit (criteriu de convergenta):
f-stress=
i j
2ij
i j
2ijij
d
d)(f
Realizarea unei analize SMD (1)
1. Formularea problemei de cercetare şi stabilirea obiectivelor cercetarii.
2. Colectarea datelor si formarea matricii de proximitati: comparabilitate & numarul obiectelor.
3. Obtinerea configuraţiei de puncte.4. Decizia asupra dimensionalitatii
modelului.5. Interpretarea si evaluarea rezultatelor
Realizarea unei analize SMD (2)
In SPSS:
Derived Stimulus Configuration
Euclidean distance model
Dimension 1
2.01.51.0.50.0-.5-1.0-1.5-2.0
Dim
ensi
on 2
1.5
1.0
.5
0.0
-.5
-1.0
-1.5
tg_mures
tg_jiu
timisoara
suceava
sibiuploiesti
pitesti
pt_neamtoradea
m_ciuc
iasi
giurgiu
galati
drobeta t s
deva
craiova constanta
cluj
brasov
baia mare
bacau
arad
bucuresti
Configuratia oraselor
Dimensiunea 1
2.52.01.51.0.50.0-.5-1.0-1.5-2.0-2.5
Dim
en
siu
ne
a 2
2.0
1.5
1.0
.5
0.0
-.5
-1.0
-1.5
-2.0
tirgu mures
tirgu jiu
timisoara
suceava
sibiuploiesti
pitesti
piatra neamtoradea
miercurea ciuc
iasi
giurgiu
galati
dr.tr.severin
deva
craiovaconstanta
cluj
brasov
baia mare
bacau
arad
bucuresti
Scatterplot of Linear Fit
Euclidean distance model
Disparities
43210
Dis
tan
ces
4
3
2
1
0