多维尺度分析之下不同模型的比较

本文介绍了多维尺度分析在统计分析中的应用,通过对比不考虑个体差异、考虑个体差异及基于最优尺度变换的三种MDS模型,探讨其在处理复杂概念相似度问题上的效果。
摘要由CSDN通过智能技术生成
本笔记来源于张文彤老师《SPSS统计分析高级教材》

        多维尺度分析是解决调查对象指标数量不明确或指标本身含义模糊的一种统计分析方法,其特点可以通过可视化的途径使一系列复杂的概念之间的相似程度得以展现出来以便进行分析。以下是基于不同模型之下的分析:

   一、不考虑个体差异的MDS模型:

       对于调查的对象数据形成一个矩阵也就是一个个体,根据数据的测量尺度不同又分为“古典MDS模型”和“非度量MDS模型”两种。
         1、MDS模型:测量尺度为“比率”或“区间”,通过对象两两之间相似或差异程度浓缩以及对点之间的距离进行分析。
         2、非度量MDS模型:测量尺度为“有序”,对于相似性和差异性不能被精确测量情况下“非度量MDS模型”就是最佳的选择。由克鲁斯卡提出的经验标准衡量拟合程度:Stress>=20%为“差”,<=10%为“满意”,<=5%为“好”,<=2.5%为“很好”,=0为“完全匹配”。
         过程与分析:
         通过“分析”~“度量”~“多维尺度(ALSCAL)”菜单项对数据进行操作如图1-1所示,注意在“模型”中将度量水平改为“比率”,在“选项”对话框中选中“输出”选项组中的“组图”复选框。
                                      图1-1  
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值