Beruflich Dokumente
Kultur Dokumente
MULTIDIMENSIONAL NO-METRICO
1. Introduccin
RS
29/65 pp. 167-210
JUAN JAVIER SNCHEZ CARRION
que aqullos posean 1 ; mientras que la distancia entre dos estmulos (entre
dos puntos en el espacio) est en funcin de su grado de (di)similaridad:
cuanto ms semejantes sean, ms prximos estarn en el espacio.
El inters del anlisis multidimensional no-mtrico, frente al mtrico, ra-
dica en el hecho de que en el primero slo es necesario hacer supuestos no-
mtricos sobre la naturaleza de los datos (se asume que son de nivel ordinal:
el orden de (di)similaridad entre los estmulos),-mientras que en la solucin
del anlisis (las distancias entre los estmulos en un espacio r dimensional)
se recupera la informacin mtrica subyacente a los mismos. Esto es posible,
tal como sealan Coxon y Jones (1984), debido al avance tcnico que supuso
la demostracin hecha por Shepard de que las constricciones meramente no
mtricas (esto es, informacin ordinal en los datos), si se imponen en nmero
suficiente ponen lmites muy estrechos a las posibles soluciones del anlisis
(en este contexto se entiende por solucin la proyeccin de los estmulos en
un nmero de ejes de referencia: por ejemplo, las latitudes y longitudes de
los puntos). Tan rgidos son los lmites impuestos en la solucin por las cons-
tricciones ordinales que es posible identificar la mejor solucin mtrica (las
proyecciones de los estmulos en los ejes de referencia definidos a un nivel
de intervalos iguales de medida) para datos meramente ordinales. Dada la
dificultad de encontrar en las ciencias sociales datos de tipo interval o mtri-
co y el inters de las soluciones de esta naturaleza, la bondad del mtodo
queda justificada.
Segn los diferentes modelos de escalas multidimensionales no-mtricas el
proceso de medicin difiere. En el modelo bsico, que es el que vamos a ex-
plicar en este artculo, la variabilidad que se observa en las respuestas de los
entrevistados a la hora de evaluar los estmulos se adscribe a la propia varia-
bilidad de los estmulos 2. Slo se miden los estmulos, tratando de lograr
que sea en el menor nmero posible de dimensiones. Se desprecia la singula-
ridad de las respuestas de cada uno de los entrevistados y se calcula una eva-
luacin media para el conjunto.
En el anlisis de las diferencias individuales y en el anlisis de las prefe-
rencias individuales las diferencias que hay en las respuestas de los entrevista-
dos tambin se tienen en cuenta, considerando que no slo hay variabilidad en
los estmulos sino tambin en su percepcin por parte de los sujetos, por lo
1 Algunos atributos o propiedades de los estmulos son unidimensionales, tal
es el caso de la longitud, la temperatura o el peso, mientras que otros son multi-
dimensionales, valga como ejemplo la posicin espacial o el color. La posicin
espacial viene determinada por la longitud y la latitud, o la abcisa y la orde-
nada, suponiendo un espacio de dos dimensiones; el color viene definido por el
brillo y la saturacin. A estos segundos atributos son a los que nos referimos al
hablar de atributos complejos. Para una definicin ms exhaustiva de los con-
ceptos estmulo, atributo, dimensin, etc., vase TORGENSON (1958, pp. 247 y ss.).
2 Los entrevistados podran decir que Espaa y Mxico son dos pases ms
semejantes que Espaa y Japn; es decir, que respecto de alguna(s) propiedad(es)
o caracterstica(s) de los pases los tres aparecen como diferentes a los ojos de
los entrevistados.
188
INTRODUCCIN AL ANLISIS MULTIDIMENSIONAL NO-METRICO
2. Ejemplo ilustrativo
3 El mismo grupo de la nota anterior podra decir que Espaa y Mxico son
dos pases ms semejantes que Espaa y Japn, en parte porque los pases son
"objetivamente" diferentes, pero tambin en parte porque ellos tienen una visin
"particular" de los mismos, con lo cual habra que medir las variabilidades de
los estmulos y de los sujetos. Por lo tanto, no basta con hacer una evaluacin
media de las puntuaciones que dan los entrevistados, sino que hay que conside-
rar las respuestas individuales o por grupos homogneos.
189
JUAN JAVIER SNCHEZ CARRION
TABLA 1
Matriz de datos. Cada nmero es la media de los valores asignados
por los entrevistados a cada pareja
Japn 3 -- 95 89
Mxico 4 -- 40 50 80
Polonia 5 -- 75 80 90 70
Segn estos datos, Egipto y Mxico son los pases ms semejantes, mien-
tras que Japn y Egipto son los ms diferentes; entre medias quedan las ocho
restantes parejas. De la informacin contenida en la matriz slo vamos a
retener la ordenacin de las parejas de pases, olvidndonos de las diferencias
numricas entre ellas.
La ordenacin de pases por parejas nos dice poco sobre su clasificacin
y los criterios subyacentes a esta clasificacin. Sin embargo, si utilizamos esta
ordenacin para representar los cinco pases en un espacio, la estructura
subyacente a la percepcin de los pases por parte de los individuos quedara
ms clara. Esta representacin tendra en cuenta la similaridad de los pases
en orden a su colocacin: cuanto ms similares sean dos naciones ms prxi-
mas estarn en el espacio, y su localizacin vendr dada por una serie de pa-
rmetros tantos como dimensiones tuviera el espacio representacional.
Segn estos criterios, es posible construir una escala con tales datos
sobre una sola dimensin? Habra que colocar los nombres de los pases en un
continuo, respetando el principio de que cuanto ms similares sean dos pa-
ses, ms prximos estarn en el espacio.
Como los pases ms diferentes son Japn y Egipto, stos estarn en los
extremos de la escala. A continuacin colocaramos el par ms similar, Mxico-
Egipto; por tanto, ambos debern de aparecer uno junto a otro en la escala
(vase grfico 1). Consideremos ahora la colocacin del punto correspondiente
a Espaa: nuestro pas aparece como ms semejante a Mxico y Egipto, por
190
INTRODUCCIN AL ANLISIS MULTIDIMENSIONAL NO-METRICO
GRFICO 1
Representacin de los puntos en una dimensin
p3 p, p>
Hasta ahora vemos que los cuatro primeros puntos se pueden colocar en
un eje (una sola dimensin). Veamos qu pasa cuando intentamos sita a
Polonia. Este pas aparece como ms cercano a Mxico, por ello habr que
colocarlo ms cerca de Mxico que de ningn otro pas. Supongamos que lo
colocamos en P\. En esta situacin cumple la condicin mencionada pero
rompe la condicin de que Mxico y Egipto sean los dos pases ms seme-
jantes, ya que ahora la distancia que les separa es mayor que la existente
entre Mxico y P\. Si lo colocamos en P2 se respeta la condicin de que Egip-
to y Mxico sean los pases ms semejantes pero se incumple la condicin de
que Mxico sea el pas ms semejante a Polonia, por cuanto que ahora Es-
paa aparece ms prxima a Pi que Mxico. Podramos tratar de situar a
Polonia en P3. En este caso lo que pasa es que se rompe la condicin de que
Mxico y Egipto sean los pases ms semejantes. Vemos, pues, que no hay
solucin a la representacin grfica de los puntos en una sola dimensin; se
hace necesario recurrir a un espacio de ms dimensiones. Cuntas? Probe-
mos una nueva solucin tratando de situar los pases en un espacio de dos
dimensiones.
En el grfico 2 colocamos los cinco puntos en un espacio bidimensional,
distribuidos de forma arbitraria. En este caso tampoco la configuracin res-
ponde al orden de las respuestas. Japn y Espaa aparecen como los pases
ms lejanos, mientras que en la ordenacin de los entrevistados los ms dife-
rentes son Japn y Egipto. Tendramos, pues, que ir moviendo los puntos de
forma tal que fueran satisfaciendo el criterio de la escala. Para ello podemos
ejecutar los desplazamientos de forma intuitiva o bien encontrar un procedi-
miento analtico que nos ayude en estos movimientos. Segn el primero de los
mtodos tendramos que ir moviendo cada punto, teniendo en cuenta que
191
JUAN JAVIER SNCHEZ CARRION
GRFICO 2
Representacin (arbitraria) de los puntos en dos dimensiones
Polonia
X
est interrelacionado con todos los dems y que por tanto la variacin de un
punto (pas) afecta a las distancias que mantiene con el resto. Mientras el
nmero de estmulos sea pequeo, el mtodo es viable; pero a partir de tres
puntos resulta prcticamente imposible encontrar la solucin de forma intuiti-
tiva. El mtodo correcto sera crear una serie de valores que nos guiasen en
los movimientos. A estos valores les vamos a llamar las disparidades (dispa-
rities). A
Kruskal (1964) define las disparidades, da, como una secuencia monto-
na de nmeros, elegidos tan prximos a las distancias entre los estmulos, da,
como sea posible, y que se utilizan como referencia para medir la no-monoto-
na de estos valores. Se trata de un conjunto de valores que han de ser mo-
ntonos respecto de los datos y que al mismo tiempo minimicen la suma de
cuadrados %(d^ - da)2 Dicho de otra manera, las disparidades son una trans-
formacin montona de los datos que al mismo tiempo han de asemejarse a
las distancias entre los n estmulos en un sentido mnimo cuadrtico.
Segn la definicin de las disparidades vemos que para su clculo es ne-
cesario conocer la distancia entre los puntos y explicar qu es la no-monoto-
na de las distancias. Las distancias entre los puntos son fcilmente calcula-
bles. En el modelo Euclideo 4 la distancia entre dos puntos en un espacio de r
dimensiones es igual a:
r
/ \1/2
2
ij= 2 (aim-ajm) )
\m = )
192
INTRODUCCIN AL ANLISIS MULTIDIMENSIONAL NO-METRICO
GRFICO 3
Distancias entre los puntos en funcin de las (di)similaridades
Mx.-Egip. -
Mx.-Esp.
Esp.-Egip.
Mx.-Pol.
(di)simi- Egip.-Pol.
laridades Pol.-Esp.
Mx.-Jap.
Jap.-Esp.
Pol.-Jap.
Jap.-Egip.
Distancias
193
JUAN JAVIER SNCHEZ CARRION
GRFICO 4
Disparidades entre los puntos
Mx.-Egip..
Mx.-Esp.
Esp.-Egip.
y
Mx.-Pol. .
(di)simi- Egip.-Pol. .
\
laridades pol.-Esp.
Mx.-Jap.
L
Jap.-Esp.
Pol.-Jap.
\
Jap.-Egip.
I
*
Disparidades
194
INTRODUCCIN AL ANLISIS MULTIDIMENSIONAL NO-METRICO
3. Procedimiento analtico
TABLA 2
Matriz de (di)similaridades
Egipto 1 X
Espaa 2 3 X
Japn 3 10 8 X
Mxico 4 1 2 7 X
Polonia 5 5 6 9 4 X
Siendo las distancias entre los puntos, di, las que aparecen en el grfico 2, la
A
195
JUAN JAVIER SNCHEZ CARRION
TABLA 3
Clculo de las disparidades segn el mtodo de Kruskal
(pareja) 4,1 4,2 2,1 5,4 5,1 5,2 4,3 3,2 5,3 3,1
[(di)similaridad] 8 1 2 3 4 5 6 7 8 9 10
(distancia) d,/ 0.8 1.2 1.6 1.8 2.5 2.6 7.0 8.1 6.9 6.6
(disparidad) , 0.8 1.2 1.6 1.8 2.5 2.6 7.0 7.5 7.5
i i
7.05 7.05
i
7.2 7.2 7.2
TABLA 4
Clculo de las disparidades segn el mtodo de Guttman
(pareja) 4,1 4,2 2,1 5,4 5,1 5,2 4,3 3,2 5,3 3,1
(disimilaridad) 1 2 3 4 5 6 7 8 9 10
(distancia) di/ 0.8 1.2 1.6 1.8 2.5 2.6 7.0 8.1 6.9 6.6
(disparidad) d* 0.8 1.2 1.6 1.8 2.5 2.6 6.6 6.9 7.0 8.1
ij
Una vez calculadas las disparidades, utilizamos estos valores para mover
los puntos en el espacio con objeto de que las distancias entre los mismos sean
lo ms semejantes posible a las disparidades. Y el criterio empleado ser el de
196
INTRODUCCIN AL ANLISIS MULTIDIMENSIONAL NO-METRICO
Estas frmulas del Stress tienen algunas propiedades que no son conve-
nientes. En el caso de que una solucin particular se redujese en una cantidad
constante, K, el Stress se reducira tambin por un factor de K2. Por tanto,
la forma de minimizar el Stress consistira en hacer la representacin muy
pequea. Con objeto de evitar esta situacin es necesario utilizar un elemento
que mantenga el Stress invariante ante los cambios de escala en la represen-
tacin espacial. De los diferentes factores posibles nos vamos a referir aqu
a dos, definiendo segn se use uno u otro el Stress 1 o el Stress 2.
? S (da - da)2
i i
Stress 1= ,
/ ;
X 2 (da - da)2
i i
Stress 2 =
? 2 (da - d)2
i j
197
JUAN JAVIER SNCHEZ CARRION
Estas frmulas del Stress permiten medir la bondad del ajuste de la re-
presentacin espacial con relacin a las disimilaridades que tenamos como
informacin de partida. Por tanto, si fijamos unos valores indicativos de lo
que sera un buen ajuste, podemos saber cundo terminar el proceso de
movimiento de los puntos con objeto de llegar a la solucin final 6 .
Una vez calculado el Stress estamos en condiciones de dar solucin ana-
ltica: a) al problema de encontrar una representacin espacial que respete
las disimilaridades, y b) al procedimiento de mover los puntos en las sucesi-
vas representaciones obtenidas, con objeto de ir disminuyendo el Stress. Ana-
lticamente, el primer problema se resuelve encontrando una solucin espacial
(una configuracin) cuyo Stress sea mnimo 7. Con relacin al segundo pro-
blema se puede pensar que cada configuracin est representada por un nico
punto 8 y que el Stress mide el ajuste de la configuracin con los datos
originales; de este modo el conjunto de puntos se puede ver como una fun-
cin del Stress (vase grfico 5).
GRFICO 5
Representacin de los puntos-configuracin como funcin del Stress
stress
configuracin
6
En el apartado 4.2 se proporcionan estos valores indicativos.
7 En esta parte seguimos la exposicin que sobre el tema hace COXON (1978;
pgs. 20-26).
8 La configuracin consiste en nxr parmetros las coordenadas de los n
puntos en las r dimensiones. Un "espacio de configuraciones" se puede concep-
tualizar como un espacio nxr dimensional donde cada parmetro acta como una
coordenada que fija una configuracin particular como un punto en ese espacio.
9 Se puede ver otro mtodo diferente para modificar la configuracin, des-
arrollado por GUTTMAN-LINGOES y ROSKAM, en COXON (1978; pgs. 26-29).
198
INTRODUCCIN AL ANLISIS MULTIDIMENSIONAL NO-METRICO
199
JUAN JAVIER SNCHEZ CARRION
GRFICO 6
Ejemplo de configuracin inicial atribuible a Shepard
X X X X X X
X X X X X
X X X X X X
X X X X X X
200
INTRODUCCIN AL ANLISIS MULTIDIMENSIONAL NO-MTRICO
201
JUAN JAVIER SNCHEZ CARRION
O
0)
Procedimiento
*- Construir una (Nueva)
configuracin inicial
Calcular la distancia entre los puntos
Calcular la desviacin de la monotonicidad (stress)
Calcular la derivada parcial del stress para encontrar Mnimo
la direccin del movimiento (pendiente negativa) local
Son las derivadas parciales igual a cero?
S ... Es el stress "suficientemente" pequeo?
S ... Final
i
No ... Mover la No ...
configuracin *
en direccin de la
pendiente
4. El problema de la interpretacin
Hasta aqu nos hemos limitado a ofrecer el modelo bsico del anlisis
multidimensional. Siguiendo los pasos indicados se llegara a una solucin
que sera preciso interpretar. Tres problemas surgiran entonces.
En primer lugar, con objeto de facilitar la comprensin hasta ahora he-
mos recurrido a un ejemplo en el que se utilizaba un espacio bidimensional.
No siempre ser ste el caso y en cada anlisis habr que determinar el n-
mero de dimensiones necesarias para representar la configuracin de estmulos.
Por otra parte, el nmero de dimensiones est relacionado con el error
que estemos dispuestos a cometer. Habida cuenta que todo conjunto n de
objetos se puede representar en un espacio n dimensional, nosotros lo que
202
INTRODUCCIN AL ANLISIS MULTIDIMENSIONAL NO-METRICO
GRFICO 7
Valor del Stress segn el nmero de dimensiones
1 2 3
dimensiones
203
JUAN JAVIER SNCHEZ CARRION
TABLA 5
Sentencias del programa MINISSA
INPUT MATRIX
ROW 2 70.00000
ROW 3 95.00000 39.00000
ROW 4 40.00000 50.00000 80.00000
ROW 5 75.00000 80.00000 90.00000 70.00000
COMPUTE
204
INTRODUCCIN AL ANLISIS MULTIDIMENSIONAL NO-METRICO
TABLA 6
a) Coordenadas de los cinco punios en dos dimensiones, b) Distancias entre
los cinco puntos
1 0.6479 0.1689
2 0.3494 0.6836
3 1.5342 0.1296
4 0.3512 0.1988
5 - 0.1856 1.1809
MEAN 0.0000 0.0
SIGMA 0.7815 06240
Distances
2 2 3
2 0.5950
3 2.1824 1.9634
4 0.2981 0.4849 1.8357
5 14267 1.8717 2,1622 1.3896
b)
0.01 = Excelente
0.01 a 0.05 = Bueno
0.05 a 0.10 = Correcto
0.10 a 0.15 = Moderado
0.15 =Pobre
205
DIMENSIN
2
-tOO -90 -80 -70 -60 -50 -40 -30 -20 -10 * 10 50 60 80
1 00
1 00
96
76
92
72
88
68
84
84
Polonia 80
80
76 5 76
72 72
68 68
64 64
60 60
56 56
52 52
48 48
44 44
40 40
36 36 S; cj
>
32 32
28
2
28
24 24
20 20
16 16 O
12 12
8
4 5* Tj
O DIMENSIN 1
z
o
o -4
-8
-1 2
Egipto Mjico
4
3
Japn
-4
-8
- 12
8 X
w
- 16
00
-16
-20 -20
-24 -24
-28
-32
-28
-32
S
-36 -36 Sr 2
-40 Espaa -40
-44 -44
-48 -48
-52
-56
-52
-56
a
-60 -60
-64 -64
-68 -68
-72 -72
-76 -76
-80 -80
-84 -84
-88 -88
-92 -92
-96 -96
-1 00 -100
-100 -90 -80 -70 -60 -50 -40 -30 -20 -10 10 20 30 40 50 60 80 90 100
INTRODUCCIN AL ANLISIS MULTIDIMENSIONAL NO-METRICO
207
JUAN JAVIER SNCHEZ CARRION
GRFICO 9
Diagrama de Shepard
b
X X
(disimilaridades) x x
(distancias)
208
INTRODUCCIN AL ANLISIS MULTIDIMENSIONAL NO-METRICO
TABLA 7
Valores de Stress utilizando Stress 1 y d (DSTAR)
METRIC IS EUCLIDEAN
DSTAR IS USED
ITER GRADIENT ANGLE
1
2 DIMENSIONS
ANGLE FACTOR IS USED
RAW STRESS DHAT STRESS DHAT
0.0 0.0
SFORM 1 SOFT SQUEEZE
RAW STRESS DSTAR COEF. ALIEN DSTAR
0.0 0.0
209
JUAN JAVIER SNCHEZ CABRION
210
INTRODUCCIN AL ANLISIS MULTIDIMENSIONAL NO-METRICO
GRFICO 10
Direccin del eje de la propiedad
211
JUAN JAVIER SNCHEZ CARRION
Riqueza Alineamiento
Egipto . 3 3
Espaa 5 1
Japn .. 9 1
Mxico 5 3
Polonia 6 8
Igual se hizo cuando la escala de alineamiento con los bloques era la va-
riable dependiente:
alineamiento =za+b\ (dimensin l) + b2 (dimensin II)+error
Los resultados obtenidos se reflejan en la tabla 8.
TABLA 8
Coeficientes de las regresiones mltiples de las escalas en las dimensiones
Coef. de regresin
Coef. de
Normalizados correla-
Escalas No estandarizados (cosenos cin
direccionales) mltiple
212
INTRODUCCIN AL ANLISIS MULTIDIMENSIONAL NO-METRICO
Programas de Ordenador
213
DIMENSIN
2
-fOO -90 -80 -70 -60 -50 -40 -30 -20 -10 * 10 90 100
100 1 00
76 96
72 92
88
88 84
84
80
80
76
76
72 72
68 68 K M
64 64
60 60
56 56
52 52
48 48
44 44
40 40
36 36
32 32
28 28
24 24
20 20
16 16
N) 12
12
8 8 5" >
lO l-fj
4 4
DIMENSIN
-4
-8 Egipto 3
-4
-8
t 8 3
-1 2 Japn. - 12
- 16
-16
-20 -20 g
-24 -24
-28 -28 o
-32 -32
-36 -36 3
-40 Espaa -40
-44 -44
-48 -48 ~"
-52 -52
-56 -56 ^b
-60 -60
-64 -64
-68 -68
-72 -72
-76 * -76
-80 -80
-84 -84
-88 -88
-92 -92
-96 -96
-1 00 -100
-100 -90 -80 -70 -60 -50 -40 -30 -20 -10
INTRODUCCIN AL ANLISIS MULTIDIMENSIONAL NO-METRICO
BIBLIOGRAFA
215
JUAN JAVIER SNCHEZ CARRION
216
NOTAS DE INVESTIGACIN