Többdimenziós skálázás (7. fejezet)
Alapgondolat Feltáró elemzés A skálázással az adatok közötti különbségeket vizsgáljuk, illetve vetítjük le őket kevesebb dimenzióba Az eredeti és a skálatérképen mért távolságok különbözőségét minimalizáljuk Kiindulhatunk –eredeti adatokból, n megfigyelés p ismérvéből –távolságmátrixból A skálatérképen az irányok tetszőlegesek A tengelyek magyarázata lineáris regresszió segítségével végezhető Típusai –Klasszikus: euklideszi távolság (intervallum v arány) –Ordinális: jellemzően ordinális adatok esetén (pl. rangszámok) 2
Outputok Alapvetően ábrák, valamint a stressz mutatót értékeljük Iterációs történet –STRESS mutató 0,05 alatti értéke jó illeszkedést jelent Koordináták az egyes pontokra vonatkozóan Csoporttérbeli ábra: 2, vagy 3 dimenzióban Eredeti és számított távolságok közötti pontdiagram –Jó, ha a 45 fokos egyenesen vannak a pontok Sajnos a koordináták nem menthetők Csak az oszlop szerinti nevet lehet megjeleníteni –Transzponálás segíthet 3
SPSS 4
Feladatok Távolságmátrix alapján Városok közötti távolságok megtalálhatók a Varosok.xlsx fájlban Feladatok –Importálás –Level of measurement –Térkép rajzolása Eredeti adatok alapján Országok elhelyezése két- és háromdimenziós térben –orszagok.sav –Standardizálás! 5