- •Метод МногомерноГо шкалирования и его применение в социологических исследованиях
- •1 Введение 3
- •2 Теория данных 5
- •3 Модели многомерного шкалирования 14
- •4 Использования многомерного шкалирования в социологических исследованиях 31
- •5 Заключение 34
- •Введение
- •Теория данных
- •Классическая теория данных Кумбса
- •Альтернативная теория данных
- •Форма данных
- •Характеристики измерения
- •Модели многомерного шкалирования
- •Классическое многомерное шкалирование
- •Метрическое многомерное шкалирования
- •Неметрическое многомерное шкалирования
- •Многомерное шкалирование и индивидуальные различия
- •Повторное многомерное шкалирование
- •Индивидуальное многомерное шкалирование
- •Обобщенная модель индивидуального шкалирование
- •Анализ предпочтений
- •Векторная модель
- •Модель «идеальной точки»
- •Индивидуальное многомерное развертывание
- •Обобщенная модель индивидуального многомерного развертывания
- •Обобщенная евклидова модель
- •Другие направления развития методов многомерного шкалироваия
- •Вероятностные модели многомерного шкалирования
- •Модели многомерное шкалирования с внешними ограничениями
- •Асимметричное многомерное шкалирование
- •Использования многомерного шкалирования в социологических исследованиях
- •Маркетинговые исследования
- •Социально‑политические исследования
- •Стратификационные исследования
- •Социология науки
- •Социально‑психологические исследования
- •Заключение
- •Литература
Характеристики измерения
Измерение – это приписывание чисел объектам или событиям, которое характеризуется следующими свойствами:
уровень измерения
процесс измерения
сопоставимость измерения
Уровень
измерения. Уровень измерения определяет
отношения между наблюдениями между
категориями. Элемент
матрицы данных
отражает отношения между объектами
и
,
в нашем случае это сходства или различие.
Как правило эти отношения выражены в
числах. Важно отметить, что это, строго
говоря, не совсем числа. С точки зрения
теории измерений, уровень измерения
(или уровень шкалы) определяется
допустимым преобразованием шкалы,
которые можно обозначить как функцию
.
Первым идею существования различных
типов шкал высказал Стивенс [117]. Он
предложил разделение шкал на метрические
(интервальные и шкалы отношений) и
порядковые (см. табл. 1).
Таблица 1. Тип шкалы и соответствующие допустимые преобразования
|
Тип шкалы |
Допустимые
преобразования
|
|
1. Номинальная |
|
|
2. Порядковая |
или
|
|
3. Шкала отношений |
|
|
4. Интервальная шкала |
|
Из
этого следует, что элементы матрицы
можно представить в виде различных
наборов чисел так, чтобы числа адекватно
отражали отношения между объектами.
Юнг [132], основываясь на своей концепции
измерения предложил методикуоптимального
шкалирования.
Согласно Юнгу любое измерение является результатом отражения исходных данных в некоторой модели3. Поэтому числовые значения целесообразно приписывать таким образом, чтобы (1) числа отражали отношения между эмпирическими объектами и (2) максимально соответствовали параметрам модели.
Процесс измерения. Процесс измерения определяет отношения между наблюдениями в рамкаходной категории. В литературе по многомерному шкалированию эта характеристика рассматривается как проблема связей. Так процесс измерения называется дискретным, если в процессе измерения каждому эмпирическому элементу ставится в соответствие одно число или связывании данных. В этом случае к рассмотренному выше условию монотонности добавляется следующее условие
.

Рисунок 5. Дискретный процесс измерения
Другими словами, если два элемента имеют равен значения (связаны), то и их отображения должны быть также связаны (см. рис. 5).
В непрерывном процессе измерения каждому эмпирическом элементу ставится в соответствие некоторый интервал, что также называется развязыванием данных, или
.

Рисунок 6. Непрерывный процесс измерения
В этом случае всем связанным значениям ставится в соответствие некоторый интервал (см. рис. 6). Отображения каждого из элементов пары могут принимать любые значения в данном интервале.
Сопоставимость измерения. Сопоставимость измерения определяет отношения между наборами категорий. Данные могут собираться в различных условиях, образуя подмножества. Наиболее часто рассматривают сопоставимость по строке, по матрице и по всем данным.
Рассмотрим
набор из
объектов, которые попарно сравниваются
респондентами. В результате мы получаем
трехмерную структуру данных
с двумя входами. В этой ситуации вполне
разумно предположить, что данные
сопоставимы только в рамках матрицы
.
Иными ловами мы можем утверждать, что
респондент
считает, что объекты
и
более схожи, чем объекты
и
,
а респондент
считает, что объекты
и
более схожи, чем объекты
и
.
При этом мы ничего не можем сказать о
том, какова оценка сходства межу объектами
и
респондента
по сравнению с оценкой респондента
.
Теперь
предположим, что данные получены в
результате эксперимента, в котором
субъектов ранжировали
объектов. Полученная в результате
матрица
является двумерной с двумя наборами.
Ее элементы
соответствуют рангу, приписанному
субъектом
объекту. Такого рода данные являются
сопоставимы по строке. На основании
полученных оценок мы можем сказать,
что, если
,
то объект
более предпочитаем субъектом
,
чем объект
.
Также, если
,
то объект
более предпочитаем субъектом
,
чем объект
.
При этом мы не можем утверждать, что
объект
предпочитаем в одинаковой степени
субъектами
и
,
если
.
Эти характеристики определяют некоторую модель данных. Теперь перейдем к рассмотрению различных моделей многомерного шкалирования.
