Analiza korespondencji i jej zastosowania w naukach spolecznych.pdf
(
1196 KB
)
Pobierz
Microsoft Word - 3502-MGR-SC-81053001255.doc
Uniwersytet Warszawski
Wydział Filozofii i Socjologii
Filip Tomaszewski
Nr albumu: 199275
O
Ļ
wiadczenie kieruj
Ģ
cego prac
Ģ
O
Ļ
wiadczam,
Ň
e niniejsza praca została przygotowana pod moim kierunkiem
i stwierdzam,
Ň
e spełnia ona warunki do przedstawienia jej w post
ħ
powaniu o nadanie
tytułu zawodowego.
Data Podpis kieruj
Ģ
cego prac
Ģ
Analiza korespondencji
i jej zastosowania
w naukach społecznych
O
Ļ
wiadczenie autora pracy
ĺ
wiadom odpowiedzialno
Ļ
ci prawnej o
Ļ
wiadczam,
Ň
e niniejsza praca dyplomowa
została napisana przez mnie samodzielnie i nie zawiera tre
Ļ
ci uzyskanych w sposób
niezgodny z obowi
Ģ
zuj
Ģ
cymi przepisami.
Praca magisterska
na kierunku Socjologia
w zakresie Socjologia
O
Ļ
wiadczam równie
Ň
,
Ň
e przedstawiona praca nie była wcze
Ļ
niej przedmiotem procedur
zwi
Ģ
zanych z uzyskaniem tytułu zawodowego w wy
Ň
szej uczelni.
O
Ļ
wiadczam ponadto,
Ň
e niniejsza wersja pracy jest identyczna z zał
Ģ
czon
Ģ
wersj
Ģ
elektroniczn
Ģ
.
Data Podpis autora pracy
Praca wykonana pod kierunkiem
dr. hab. Jana Poleszczuka
Instytut Socjologii Uniwersytetu Warszawskiego
Warszawa, pa
Ņ
dziernik 2005
- 2 -
Streszczenie
SPIS TRE
ĺ
CI:
1. Wprowadzenie ............................................................................................................... 5
1.1. Charakterystyka analizy korespondencji ............................................................... 6
1.2. Geneza analizy korespondencji –
analyse des données
vs.
data analysis
............. 7
1.3. Techniki tworzenia map percepcyjnych ................................................................ 9
1.4. Zastosowania ....................................................................................................... 11
2. Formalny model analizy korespondencji..................................................................... 13
2.1. Skala nominalna .................................................................................................. 13
2.2. Statystyka
chi kwadrat
......................................................................................... 14
2.3. Analiza korespondencji – podstawowe poj
ħ
cia................................................... 16
2.4. Obliczenia w analizie korespondencji ................................................................. 17
2.4.1. Profile i masy, macierz korespondencji....................................................... 18
2.4.2. Inercja układu i algorytm SVD.................................................................... 23
2.4.3. Obliczanie współrz
ħ
dnych........................................................................... 30
2.5. Interpretacja wyników ......................................................................................... 33
2.6. Dystanse............................................................................................................... 38
2.7. Rotacja i skalowanie mapy .................................................................................. 40
2.8. Zakłócenia ........................................................................................................... 42
3. Postrzeganie, kategoryzacja, podobie
ı
stwo, przestrzenie konceptualne, mapy
percepcyjne .......................................................................................................................... 44
3.1. Kategoryzacja ...................................................................................................... 44
3.1.1. Model porównywania własno
Ļ
ci ................................................................. 45
3.1.2. Podej
Ļ
cie prototypowe................................................................................. 46
3.1.3. Podej
Ļ
cie wzorcowe .................................................................................... 50
3.1.4. Podej
Ļ
cie sieciowe....................................................................................... 51
3.2. Własno
Ļ
ci............................................................................................................. 52
3.3. Obiekty i podobie
ı
stwo....................................................................................... 57
3.4. Redukcja wymiarów ............................................................................................ 59
3.5. Procedura pomiarowa .......................................................................................... 63
3.6. Preklasyfikacja respondentów ............................................................................. 66
4. Przykłady zastosowa
ı
analizy korespondencji............................................................ 73
4.1. Badanie postrzegania polityków – wyniki i analiza ............................................ 73
4.2. Zastosowanie analizy korespondencji do sieci afiliacji....................................... 84
4.3. Zanieczyszczenie województw............................................................................ 89
4.4. Wyniki wyborów do Sejmu z 2005 r................................................................... 92
5. Zako
ı
czenie................................................................................................................. 96
6. Bibliografia.................................................................................................................. 97
7. Aneks ......................................................................................................................... 100
7.1. Kod programu do obliczania współrz
ħ
dnych głównych w programie MatLab
(oprac. Filip Tomaszewski) ........................................................................................... 100
7.2. Ankieta u
Ň
yta do badania postrzegania polityków ............................................ 101
7.3. Ilustracja współzale
Ň
no
Ļ
ci warto
Ļ
ci inercji całkowitej układu i rozrzutu punktów
profili w przestrzeni....................................................................................................... 102
7.4. Tabela kontyngencji do przykładu z rozdziału 4.4............................................ 106
Przedmiotem pracy jest analiza korespondencji – technika analizy danych
statystycznych słu
ŇĢ
ca m.in. do graficznego przedstawienia w niskowymiarowej
przestrzeni numerycznych danych zawartych w tabeli kontyngencji. Poza przedstawieniem
formalnego modelu tej techniki zostan
Ģ
zaprezentowane ramy teoretyczne oparte na
koncepcji schematów poznawczych oraz teorii przestrzeni konceptualnych Petera
Gärdenforsa, które pozwalaj
Ģ
na zastosowanie analizy korespondencji do konstruowania
map percepcyjnych. Ponadto zaproponowane zostanie udoskonalenie samej mapy
korespondencji poprzez zawarcie na niej informacji o masach wierszowych
i kolumnowych.
Słowa kluczowe
analiza korespondencji, SVD, mapy percepcyjne, przestrzenie konceptualne,
metryka chi kwadrat, inercja, własno
Ļ
ci, obiekty, podobie
ı
stwo
Dziedzina pracy (kody wg programu Socrates-Erasmus)
14.2 Socjologia
- 3 -
- 4 -
1.
Wprowadzenie
mo
Ň
na przygotowa
ę
dane u
Ň
ywane do konstruowania map percepcyjnych poprzez
preklasyfikacj
ħ
respondentów. Dzi
ħ
ki tej operacji uzyska
ę
mo
Ň
na bardziej rzetelne wyniki.
W rozdziale czwartym przedstawi
ħ
przykładowe zastosowania analizy
korespondencji. Na pocz
Ģ
tku zaprezentuj
ħ
wyniki przeprowadzonego przez siebie badania
postrzegania polityków. W ich analizie wykorzystałem t
ħ
technik
ħ
do konstruowania map
percepcyjnych. Poka
Ňħ
ponadto trzy inne ciekawe przykłady zastosowania tej techniki
analizy danych.
Niniejsza praca ma na celu przybli
Ň
enie bardzo interesuj
Ģ
cej i posiadaj
Ģ
cej du
Ň
y
potencjał aplikacyjny techniki analizy danych – analizy korespondencji. Technika ta
zyskuje sobie w ostatnim czasie coraz wi
ħ
cej zwolenników, czego dowodem mo
Ň
e by
ę
rosn
Ģ
ca liczba publikacji – zarówno tych na jej temat, jak i wykorzystuj
Ģ
cych j
Ģ
(Beh, 2004b). Mo
Ň
na jej u
Ň
ywa
ę
do graficznej reprezentacji tabeli kontyngencji, a tak
Ň
e do
bardziej wyrafinowanych przedsi
ħ
wzi
ħę
badawczych, takich jak np. tworzenie map
percepcyjnych (Fiedler, 1996).
W pracy tej przedstawione zostan
Ģ
zało
Ň
enia teoretyczne i metodologiczne, a tak
Ň
e
ró
Ň
ne sposoby aplikacji tej techniki w naukach społecznych. Ponadto zaproponowane
zostanie udoskonalenie samej mapy korespondencji poprzez zawarcie na niej informacji
o masach wierszowych i kolumnowych.
W rozdziale pierwszym dokonam krótkiej charakterystyki analizy korespondencji –
poka
Ňħ
, gdzie po
Ļ
ród innych metod statystycznej analizy danych si
ħ
sytuuje, jaka była jej
geneza, a tak
Ň
e zasygnalizuj
ħ
problem zastosowania tej techniki w sposób inny ni
Ň
tradycyjny.
W rozdziale drugim przedstawi
ħ
matematyczny algorytm, który jest
wykorzystywany w tej technice. Wykonam krok po kroku obliczenia na autentycznych
danych, pokazuj
Ģ
c, jak z tablicy kontyngencji uzyska
ę
macierz współrz
ħ
dnych
potrzebnych do wykonania mapy korespondencji.
Rozdział trzeci b
ħ
dzie kluczowy dla rozwi
Ģ
zania zasygnalizowanego pod koniec
rozdziału pierwszego problemu – zastosowania analizy korespondencji do konstruowania
map percepcyjnych przy u
Ň
yciu danych, które nie maj
Ģ
charakteru frekwencyjnego.
Wykorzystuj
Ģ
c teorie wyja
Ļ
niaj
Ģ
ce ludzkie procesy postrzegania i kategoryzacji oraz teori
ħ
przestrzeni konceptualnych Petera Gärdenforsa zawart
Ģ
w jego ksi
ĢŇ
ce pt.:
Conceptual
spaces. The geometry of thought
(Gärdenfors, 2000), postaram si
ħ
wykaza
ę
,
Ň
e analiza
korespondencji mo
Ň
e by
ę
dobrym narz
ħ
dziem do tworzenia map percepcyjnych. Moim
celem b
ħ
dzie pokazanie,
Ň
e redukcja wymiarów, jaka dokonuje si
ħ
dzi
ħ
ki algorytmowi
wykorzystywanemu w analizie korespondencji, odpowiada
ę
mo
Ň
e mechanizmowi
kognitywnemu, za pomoc
Ģ
którego umysł ludzki kategoryzuje przedmioty z otaczaj
Ģ
cego
Ļ
wiata, uznaj
Ģ
c jedne za bardziej podobne do innych. W rozdziale tym poka
Ňħ
ponadto, jak
1.1.
Charakterystyka analizy korespondencji
Analiza korespondencji to – w najwi
ħ
kszym skrócie – technika, która pozwala
graficznie przedstawi
ę
w niskowymiarowej przestrzeni numeryczne dane zawarte w tabeli
kontyngencji. Technika ta nale
Ň
y zatem – obok skalowania wielowymiarowego, analizy
głównych składowych oraz analizy czynnikowej – do klasy technik redukcji danych.
Redukcja danych najcz
ħĻ
ciej wi
ĢŇ
e si
ħ
z utrat
Ģ
pewnej ilo
Ļ
ci informacji, co jest cen
Ģ
, jak
Ģ
badacz płaci za zwi
ħ
kszenie przejrzysto
Ļ
ci tych danych i – tym samym – ułatwienie ich
interpretacji. Ułatwienie wgl
Ģ
du w dane empiryczne i ułatwienie ich interpretacji ma
szczególnie du
Ň
e znaczenie przy bardzo bogatych zestawach danych, kiedy konieczne jest
zanalizowanie zmiennych o wielu warto
Ļ
ciach. Za procedur
Ģ
redukcji danych mo
Ň
e
ponadto sta
ę
prze
Ļ
wiadczenie o tym,
Ň
e w zebranej informacji wyst
ħ
puj
Ģ
jakie
Ļ
ukryte
wzory, swoiste zale
Ň
no
Ļ
ci, które wi
ĢŇĢ
warto
Ļ
ci zmiennych ze sob
Ģ
i które pozwalaj
Ģ
przewidywa
ę
warto
Ļ
ci jednej zmiennej przy pomocy warto
Ļ
ci innej zmiennej. W analizie
wielowymiarowej badacz ma cz
ħ
sto do czynienia z redundancj
Ģ
zmiennych – wiele
wska
Ņ
ników mierzy te same zmienne ukryte (latentne). Dzi
ħ
ki analizie wielowymiarowej
mo
Ň
liwe jest m.in. sprawdzenie, które wska
Ņ
niki mierz
Ģ
te same zmienne ukryte. To daje
mo
Ň
liwo
Ļę
zmniejszenia liczby zmiennych, dzi
ħ
ki czemu mo
Ň
na pozna
ę
najistotniejsze
informacje kryj
Ģ
ce si
ħ
w danych.
Analiz
ħ
korespondencji zalicza si
ħ
ponadto do tzw. niepełnych metod
taksonomicznych (Górniak, 2000: 115–134). Jest ona technik
Ģ
eksploracyjnej analizy
danych, której celem jest odkrywanie struktur i wzorów w zbieranych danych. Niepełno
Ļę
tej techniki wi
ĢŇ
e si
ħ
z faktem,
Ň
e identyfikacja i zaliczanie analizowanych obiektów do
skupie
ı
nast
ħ
puje w toku interpretacji przestrzennej konfiguracji wyników, nie za
Ļ
- 5 -
- 6 -
w wyniku jednoznacznego przyporz
Ģ
dkowania dokonywanego przez algorytm. Tak wi
ħ
c
to od intuicji socjologicznej badacza, a tak
Ň
e oczekiwa
ı
wynikaj
Ģ
cych z teorii zale
Ň
y,
w jaki sposób zinterpretuje on otrzymane wykresy i czy uda mu si
ħ
skojarzy
ę
odkryte
w mapach analizy korespondencji wzorce ze znanymi zjawiskami w taki sposób, aby móc
sensownie wyja
Ļ
ni
ę
badany fragment rzeczywisto
Ļ
ci.
Wreszcie jest analiza korespondencji technik
Ģ
eksploracyjn
Ģ
, bardzo typow
Ģ
–
mo
Ň
na powiedzie
ę
– dla francuskiej socjologii ilo
Ļ
ciowej. Nazwa –
l’analyse des
correspondances
– została ukuta w latach 60. ubiegłego stulecia przez francuskiego
lingwist
ħ
Jean-Paula Benzécriego (Benzécri, 1992). To Benzécri zaproponował
geometryczny sposób przedstawienia wyników w postaci mapy korespondencji.
***
Na czym polega francuski sposób stosowania statystyki? Czym ró
Ň
ni si
ħ
tzw.
analyse des données
od anglosaskiego
data analysis
? W odpowiedzi na te pytania zawiera
si
ħ
po trosze charakterystyka analizy korespondencji, jakiej dokonałem powy
Ň
ej, a wi
ħ
c:
eksploracyjno
Ļę
i to,
Ň
e jest to niepełna metoda taksonomiczna. Otó
Ň
we francuskim
modelu analiza danych rzadko jest wykorzystywana jako operacja poprzedzaj
Ģ
ca analiz
ħ
konfirmacyjn
Ģ
, weryfikuj
Ģ
c
Ģ
hipotezy teoretyczne, których była jednym ze
Ņ
ródeł. Jest ona
raczej zaledwie jednym z całego zestawu narz
ħ
dzi, przy pomocy których dokonuje si
ħ
opisu społecze
ı
stwa i wymiarów społecznego uniwersum. Uwa
Ň
a si
ħ
,
Ň
e zmienne nie
figuruj
Ģ
same w sobie, ale raczej poprzez klasy zjawisk, które wyró
Ň
niaj
Ģ
. Przedmiotem
komentarza socjologicznego s
Ģ
szczególne konfiguracje klas i ich własno
Ļ
ci. Ko
ı
cowe
uogólnienie post
ħ
puje przy pomocy retoryki ró
Ň
nej od retoryki nauk przyrodniczych.
Argumentów w tym przypadku dostarcza zestawianie podobnych konfiguracji
(Desrosières, 2001). Benzécri zwykł był mówi
ę
,
Ň
e to „model powinien pod
ĢŇ
a
ę
za
danymi”, a nie na odwrót. W praktyce badawczej oznacza to,
Ň
e badacz, otrzymuj
Ģ
c dane
empiryczne, eksploruje je przy u
Ň
yciu takich technik jak np. analiza korespondencji
i dokonuje interpretacji otrzymanych wyników, przy czym wynikiem s
Ģ
wła
Ļ
nie te
szczególne konfiguracje klas i ich własno
Ļ
ci.
W ten sposób post
ħ
pował m.in. jeden z najsłynniejszych francuskich socjologów
Pierre Bourdieu. W ksi
ĢŇ
ce
La disctinction
Bourdieu (1979) u
Ň
ył analizy korespondencji
do badania stylów
Ň
ycia francuskiego społecze
ı
stwa.
Takie zastosowanie statystyki stoi w opozycji do sposobu, w jaki zwykli stosowa
ę
statystyk
ħ
socjologowie w krajach anglosaskich. Tam metody statystyczne – tzw.
data
analysis
– wyró
Ň
niaj
Ģ
analiz
ħ
eksploracyjn
Ģ
, która poprzez metody badania i wizualizacj
ħ
pozwala na formułowanie pierwszych hipotez lub szkiców modeli probabilistycznych,
które testowane s
Ģ
nast
ħ
pnie przy pomocy analizy konfirmacyjnej. Krótko mówi
Ģ
c,
post
ħ
powanie przebiega w odwrotnym kierunku, ni
Ň
to si
ħ
dzieje w tradycji francuskiej:
najpierw konstruuje si
ħ
model, umieszczaj
Ģ
c w nim zmienne, które podejrzewa si
ħ
o wpływ na interesuj
Ģ
ce badacza zjawisko, a nast
ħ
pnie sprawdza si
ħ
, jak (i czy w ogóle)
model ten pasuje do danych empirycznych. W zwi
Ģ
zku z tym,
Ň
e na ogół model nie do
ko
ı
ca pasuje do tych danych, pojawia si
ħ
konieczno
Ļę
jego modyfikacji, nadaj
Ģ
c całemu
procesowi badawczemu swoi
Ļ
cie iteracyjny charakter.
1.2.
Geneza analizy korespondencji –
analyse des données
vs.
data analysis
Teoretycznymi zagadnieniami zwi
Ģ
zanymi z analizowaniem danych numerycznych
zawartych w tabeli kontyngencji zajmowało si
ħ
przed Benzécrim wielu uczonych. Mo
Ň
na
tu wymieni
ę
m.in. Karla Pearsona (twórc
ħ
współczynnika korelacji w dwudzielnej tablicy
kontyngencji), H. O. Hirschfelda (autora wzoru na korelacj
ħ
pomi
ħ
dzy rz
ħ
dami
i kolumnami tablicy kontyngencji), Louisa Guttmana (twórc
ħ
skalowania optymalnego,
która to technika była fundamentem wielokrotnej analizy korespondencji) (Beh, 2004a).
Jednak
Ň
e wszyscy ci badacze podchodzili do problemu bardziej od strony algebraicznej.
Dopiero Benzécri wraz ze swymi współpracownikami podeszli do zagadnienia od strony
geometrycznej, nadaj
Ģ
c analizie korespondencji tak
Ģ
form
ħ
, jak
Ģ
ma obecnie, a wi
ħ
c
graficznej reprezentacji w najcz
ħĻ
ciej dwuwymiarowym układzie kartezja
ı
skim
numerycznych danych zawartych w tablicy kontyngencji. Przez długi czas dokonania
grupy Benzécriego nie były popularyzowane ze wzgl
ħ
du na barier
ħ
, jak
Ģ
okazał si
ħ
j
ħ
zyk
francuski, w którym były publikowane.
W 1973 r. współprac
ħ
z Benzécrim rozpocz
Ģ
ł Greenacre, czego owocem było
opublikowanie w 1984 r. ksi
ĢŇ
ki pt.:
Theory and applications of correspondence analysis
.
Dzi
ħ
ki jasnemu i przyst
ħ
pnemu opisowi metodologii oraz przedstawieniu przykładów
zastosowania, a tak
Ň
e dzi
ħ
ki temu,
Ň
e napisana została w j
ħ
zyku angielskim, ksi
ĢŇ
ka ta
przyczyniła si
ħ
do spopularyzowania tej techniki i jest obecnie jedn
Ģ
z najcz
ħĻ
ciej
cytowanych ksi
ĢŇ
ek z tej dziedziny statystyki (Stanimir, 2005: 17).
- 7 -
- 8 -
W ostatnim czasie pojawiaj
Ģ
si
ħ
wszak
Ň
e próby ł
Ģ
czenia analizy korespondencji
z takim technikami jak regresja logistyczna czy regresja liniowa w celu nadania jej
charakteru techniki konfirmacyjnej.
Poza analiz
Ģ
korespondencji istniej
Ģ
tak
Ň
e inne techniki słu
ŇĢ
ce do eksploracji map
percepcyjnych, takie jak: analiza czynnikowa, analiza głównych składowych, analiza
dyskryminacyjna czy skalowanie wielowymiarowe (ang.
multidimensional scaling
). M. T.
Higgs (1991) w swoim artykule pt.:
Practical and Innovative Uses of Correspondence
Analysis
przedstawia niedogodno
Ļ
ci i ograniczenia tych technik analitycznych.
Analiza głównych składowych operuje na poziomie niezagregowanym na
zmiennych mierzonych na skalach interwałowych. W efekcie tworzona jest macierz
korelacji, a algorytm zasadniczo polega na „wi
Ģ
zaniu” atrybutów w ortogonalne wobec
siebie czynniki. Nast
ħ
pnie uzyskiwana jest macierz
F
czynników ×
J
marek (
F
<
J
).
Uznaje si
ħ
,
Ň
e czynnik reprezentuje ukryty wymiar znaczeniowy. Graficzna reprezentacja
zredukowanej macierzy dokonywana jest poprzez umieszczanie marek w ró
Ň
nych
przestrzeniach czynnikowych. Zalet
Ģ
tej techniki jest to,
Ň
e posługuje si
ħ
ona przestrzeni
Ģ
euklidesow
Ģ
, przez co jest łatwa w interpretacji. Jednak
Ň
e posiada ona tak
Ň
e wiele
niedogodno
Ļ
ci, w
Ļ
ród których wymieni
ę
nale
Ň
y m.in. fakt,
Ň
e mo
Ň
liwe jest „zmapowanie”
jedynie dwóch wymiarów na raz (na dwuwymiarowej płaszczy
Ņ
nie), co spowalnia
eksploracj
ħ
. Poza tym konieczne jest przypisanie znaczenia do ka
Ň
dego z wymiarów, które
raz nazwane w procesie subiektywnej interpretacji, s
Ģ
trudne pó
Ņ
niej do reinterpretacji
i przedefiniowania (Higgs, 1991).
Analiza dyskryminacyjna nie jest wolna od wad, o których wspomniano powy
Ň
ej.
Poza tym jej słabo
Ļ
ci
Ģ
jest niebezpiecze
ı
stwo wyst
ħ
powania korelacji pomi
ħ
dzy
analizowanymi atrybutami, co mo
Ň
e prowadzi
ę
do zakłóce
ı
w otrzymywanych wynikach.
Zalet
Ģ
skalowania wielowymiarowego w jego niemetrycznej postaci jest to,
Ň
e nie
wymaga, aby zmienne mierzone były na skalach interwałowych – mo
Ň
liwe jest stosowanie
skal porz
Ģ
dkowych. Najcz
ħĻ
ciej stosowana operacjonalizacja tej techniki polega na
porównywaniu przez respondenta poszczególnych marek ze sob
Ģ
. Nale
Ň
y zwróci
ę
uwag
ħ
na to,
Ň
e w takim badaniu abstrahuje si
ħ
od własno
Ļ
ci, które badane obiekty posiadaj
Ģ
.
Dopiero dzi
ħ
ki graficznej reprezentacji na niskowymiarowej przestrzeni mo
Ň
na próbowa
ę
wskazywa
ę
własno
Ļ
ci, które s
Ģ
wspólne obiektom.
1.3.
Techniki tworzenia map percepcyjnych
Mapy percepcyjne stanowi
Ģ
swoisty nieu
Ļ
wiadamiany konstrukt w ludzkich
umysłach słu
ŇĢ
cy do organizowania wiedzy o obiektach z otaczaj
Ģ
cego
Ļ
wiata. Ludzie nie
zdaj
Ģ
sobie sprawy z ich istnienia, chocia
Ň
posługuj
Ģ
si
ħ
nimi w
Ň
yciu codziennym. My
Ļ
l
Ģ
c
na przykład o partiach politycznych, ka
Ň
dy (kompetentny w tej materii) człowiek jest
w stanie przyporz
Ģ
dkowa
ę
poszczególnym partiom cechy charakterystyczne – np. czy dana
partia jest liberalna, socjaldemokratyczna, ludowa; czy głosuj
Ģ
na ni
Ģ
raczej ludzie
z wykształceniem wy
Ň
szym, czy ni
Ň
szym; czy w swoich postulatach dana partia skupia si
ħ
raczej na walce z bezrobociem, na rozwoju gospodarczym, czy na równouprawnieniu
kobiet.
Dost
ħ
pu do tych map nie mo
Ň
na uzyska
ę
drog
Ģ
bezpo
Ļ
redni
Ģ
– tzn. spyta
ę
si
ħ
respondenta, jak wygl
Ģ
da jego mapa percepcyjna pewnej klasy obiektów, np. partii
politycznych czy marek samochodów. Jedyn
Ģ
drog
Ģ
uzyskania wgl
Ģ
du w nie jest po
Ļ
rednie
pytanie. Np. o to, w jakim stopniu obiekty, których percepcyjna mapa nas interesuje,
posiadaj
Ģ
jakie
Ļ
atrybuty, czy te
Ň
, w jakim stopniu obiekty s
Ģ
do siebie podobne.
Wi
ħ
kszo
Ļę
technik, które słu
ŇĢ
do tworzenia map percepcyjnych składa si
ħ
z trzech
kroków:
transformacji lub wa
Ň
enia danych,
ustalenia podstawowych osi (wymiarów) poprzez algorytm SVD,
na ko
ı
cu tworzona jest mapa w układzie współrz
ħ
dnych.
W przypadku danych typu marka/atrybut wi
ħ
kszo
Ļę
technik wymaga od
respondentów, aby ocenili marki na ka
Ň
dym z atrybutów u
Ň
ywaj
Ģ
c przy tym skali lub te
Ň
skojarzenia atrybutów z markami. Skutkuje to uzyskaniem macierzy warto
Ļ
ci
Ļ
rednich lub
stopnia asocjacji
I
atrybutów na
J
marek (Higgs, 1991: 183-194). Wszystkie te techniki
maj
Ģ
jedno powa
Ň
ne ograniczenie operacyjne, od którego wolna jest analiza
korespondencji. Wymagaj
Ģ
one mianowicie, aby analizowane zmienne mierzone były na
skalach interwałowych lub ilorazowych.
- 9 -
- 10 -
Plik z chomika:
Kasiaaga1
Inne pliki z tego folderu:
Jasińska - Kania - Narody, nacjonalizymy i konflikty narodowe.rar
(6390 KB)
8. Max Weber. Kategorie socjologiczne.doc
(88 KB)
Socjologia polityki - podstawowe informacje.doc
(325 KB)
ANALIZA I DOAGNOZA SYTUACJI SPOŁECZNEJ.doc
(101 KB)
Warunki_skutecznosci_decyzji_grupowych.doc
(22 KB)
Inne foldery tego chomika:
dzieci ( o dzieciach i dla dzieci)
pedagogika
psychologia dziecka
Rodzina
Zgłoś jeśli
naruszono regulamin