AYUDA SPSS-ESCALAMIENTO MULTIDIMENSIONAL TUTORIAL MDS Tutorial en SPSS 10.

07 ESCALAMIENTO MULTIDIMENSIONAL (MDS)

(PROXSCAL: PROXimites SCALing) Por Rubn Jos Rodrguez 8 de abril de 2008 Escalamiento Multidimensional (MDS) Men Analizar >

Concepto: El escalamiento multidimensional trata de encontrar la estructura existente en un conjunto de medidas de proximidades entre objetos. Esto se logra asignando las observaciones a posiciones especficas en un espacio conceptual de pocas dimensiones, de modo que las distancias entre los puntos en el espacio concuerden al mximo con las similaridades (o disimilaridades) dadas. El resultado es una representacin de mnimos cuadrados de los objetos en dicho espacio de pocas di-

mensiones que, en muchos casos, le ayudar a entender mejor los datos. Ejemplo. El escalamiento multidimensional puede ser muy til en la determinacin de relaciones perceptuales. Por ejemplo, al considerar la imagen de un producto e empresa, se puede llevar a cabo un estudio con el fin de obtener un conjunto de datos que describa la similaridad percibida (o proximidad) de este producto con el de la competencia. Mediante estas proximidades y las variables independientes (como el precio), puede intentar determinar las variables que son importantes en la visin que el pblico tiene del producto y ajustar la imagen de acuerdo con ello. Estadsticos y grficos. Historial de iteraciones, medidas de stress, descomposicin del stress, coordenadas del espacio comn, distancias entre objetos dentro de la configuracin final, ponderaciones del espacio individual, espacios individuales, proximidades transformadas, variables independientes transformadas, grficos del stress, diagramas de dispersin del espacio comn, diagramas de dispersin de la ponderacin del espacio individual, diagramas de dispersin de los espacios individuales, grficos de transformacin, grficos residuales de Shepard y grficos de transformacin de las variables independientes . Pulse en Cmo, situado ms arriba, para obtener informacin detallada. Pulse en Temas relacionados para obtener informacin sobre los estadsticos, los grficos, el formato y consideraciones sobre los datos (incluidos los procedimientos relacionados). Pulse con el botn derecho del ratn en un elemento del cuadro de dilogo para ver su descripcin.

Ventana ESCALAMIENTO MULTIDIMENSIONAL

Concepto: El escalamiento multidimensional trata de encontrar la estructura de un conjunto de medidas de distancia entre objetos o casos. Esto se logra asignando las observaciones a posiciones especficas en un espacio conceptual (normalmente de dos o tres dimensiones) de modo que las distancias entre los puntos en el espacio concuerden al mximo con las disimilaridades dadas. En muchos casos, las dimensiones de este espacio conceptual son interpretables y se pueden utilizar para comprender mejor de los datos. Si las variables se han medido objetivamente, puede utilizar el escalamiento multidimensional como tcnica de reduccin de datos (el procedimiento Escalamiento multidimensional permitir calcular las distancias a partir de los datos multivariados, si es necesario). El escalamiento multidimensional puede tambin aplicarse a valoraciones subjetivas de disimilaridad entre objetos o conceptos. Adems, el procedimiento Escalamiento multidimensional puede tratar datos de disimilaridad procedentes de mltiples fuentes, como podran ser mltiples evaluadores o mltiples sujetos evaluados por un cuestionario.

Las ventanas primarias o principales contienen el botn ACEPTAR mientras que los botones FORMA, MEDIDA, MODELO, y OPCIONES generan ventanas segundarias que disponen del botn CONTINUAR que habilita el retorno a la ventana de origen. La ventana principal de MDS tiene cuatro botones.

Ejemplo. Cmo percibe el pblico las diferencias entre distintos coches? Si posee datos de las valoraciones de similaridad emitidas por los sujetos sobre las diferentes marcas y modelos de coches, puede utilizar el escalamiento multidimensional para identificar las dimensiones que describan las preferencias de los consumidores. Puede encontrar, por ejemplo, que el precio y el tamao de un vehculo definen un espacio de dos dimensiones, capaz de explicar las similaridades de las que informan los encuestados. Estadsticos. Para cada modelo: Matriz de datos, Matriz de datos escalada ptimamente, S-stress (de Young), Stress (de Kruskal), R, Coordenadas de los estmulos, Stress promedio y R para cada estmulo (modelos RMDS). Para modelos de diferencias individuales (INDSCAL): ponderaciones del sujeto e ndice de peculiaridad para cada sujeto. Para cada matriz en los modelos de escalamiento multidimensional replicado: stress y R para cada estmulo. Diagramas: coordenadas de los estmulos (de dos o tres dimensiones), diagrama de dispersin de las disparidades frente a las distancias. Pulse en Temas relacionados, situado ms arriba, para obtener descripciones de cuadros de dilogo y procedimientos relacionados. Pulse con el botn derecho del ratn en un elemento del cuadro de dilogo para ver su descripcin. Cmo: Para obtener un Anlisis de Escalamiento Multidimensional (MDS). Elija en los mens: Analizar > Escalas > Escalamiento multidimensional... En Distancias, seleccione Los datos son distancias o bien Crear distancias a partir de datos. Si los datos son distancias, debe seleccionar al menos cuatro variables numricas para el anlisis y puede pulsar en el botn Forma para indicar la forma de la matriz de distancias. Si quiere que SPSS cree las distancias antes de analizarlas, debe seleccionar al menos una variable numrica y puede pulsar en el botn Medida para especificar el tipo de medida de distancia que desea.

Botn FORMA

Si el archivo de datos de trabajo representa distancias entre un o dos conjuntos de objetos, debe especificar la forma de la matriz de datos para obtener los resultados correctos. Elija una opcin: Cuadrada simtrica, Cuadrada asimtrica o bien Rectangular. Nota: No puede seleccionar Cuadrada simtrica si el cuadro de dilogo Modelo especifica condicionalidad de filas. Consideraciones sobre los datos Datos. Si los datos son de disimilaridad, todas las disimilaridades deben ser cuantitativas y deben estar medidas en la misma mtrica. Si los datos son datos multivariantes, las variables pueden ser datos cuantitativos, binarios o de recuento. El escalamiento de las variables es un tema importante, ya que las diferencias en el escalamiento pueden afectar a la solucin. Si las variables tienen grandes diferencias en el escalamiento (por ejemplo, una variable se mide en dlares y otra en aos), debe considerar el tipificarlas (esto puede llevarse a cabo automticamente con el propio procedimiento Escalamiento multidimensional). Supuestos. El procedimiento Escalamiento multidimensional est relativamente libre de supuestos distribucionales. Compruebe que selecciona el nivel de medida adecuado (ordinal, de intervalo, o de razn) en Opciones para asegurar que los resultados se calculan correctamente. Procedimientos relacionados. Si su objetivo es la reduccin de los datos, un mtodo alternativo a tener en cuenta es el Anlisis Factorial, sobre todo si las variables son cuantitativas. Si desea identificar grupos de casos similares, considere complementar el Anlisis de Escalamiento Multidimensional con un anlisis de conglomerados jerrquico o de kmedias.

Botn MEDIDA

Crear la medida a partir de los datos El escalamiento multidimensional utiliza datos de disimilaridad para crear una solucin de escalamiento. Si los datos son datos multivariantes (los valores de las variables medidas), debe crear los datos de disimilaridad para poder calcular una solucin de escalamiento multidimensional. Puede especificar los detalles para la creacin de las medidas de disimilaridad a partir de los datos. Medida. Le permite especificar la medida de disimilaridad para el anlisis. Seleccione una opcin del grupo Medida que se corresponda con el tipo de datos y, a continuacin, seleccione una de las medidas de la lista desplegable correspondiente a ese tipo de medida. Las opciones disponibles son: Intervalo: Distancia eucldea, Distancia eucldea al cuadrado, Chebychev, Bloque, Minkowski o Personalizada. Recuento. Medida de chi-cuadrado o Medida de phi-cuadrado. Binaria. Distancia eucldea, Distancia eucldea al cuadrado, Diferencia de tamao, Diferencia de configuracin, Varianza, Lance y Williams. Crear matriz de distancias. Le permite elegir la unidad de anlisis. Las opciones son Entre variables o Entre casos. Transformar valores. En determinados casos, como cuando las variables se miden en escalas muy distintas, puede que desee tipificar los valores antes de calcular las proximidades (no es aplicable a datos binarios). Seleccione un mtodo de tipificacin de la lista desplegable Estandarizar (si no se requiere ninguna tipificacin, seleccione Ninguna).

Botn MODELO

La estimacin correcta de un modelo de escalamiento multidimensional depende de aspectos que ataen a los datos y al modelo en s. Nivel de medida. Le permite especificar el nivel de medida de los datos. Las opciones son Ordinal, Intervalo y Razn. Cuando las variables son ordinales, si se selecciona Desempatar observaciones empatadas se solicitar que sean consideradas como variables continuas, de forma que los empates (valores iguales para casos diferentes) se resuelvan ptimamente. Condicionalidad. Le permite especificar qu comparaciones tienen sentido. Las opciones son Matriz, Fila o Incondicional. Dimensiones. Le permite especificar la dimensionalidad de la solucin o soluciones del escalamiento. Se calcula una solucin para cada nmero del rango especificado. Especifique nmeros enteros entre 1 y 6; se permite un mnimo de 1 slo si selecciona Distancia eucldea como modelo de escalamiento. Para una solucin nica, especifique el mismo nmero para el mnimo y el mximo. Modelo de escalamiento. Le permite especificar los supuestos bajo los que se realiza el escalamiento. Las opciones disponibles son Distancia eucldea o Distancia eucldea de diferencias individuales (tambin conocida como INDSCAL). Para el modelo de Distancia eucldea de diferencias individuales, puede seleccionar Permitir ponderaciones negativas de sujetos, si es adecuado para los datos.

Medidas de disimilaridad para datos binarios en el escalamiento multidimensional Las medidas de disimilaridad siguientes son las disponibles para los datos binarios: Distancia eucldea. Se calcula a partir de una tabla 2*2 como SQRT (b+c), donde b y c representan las casillas diagonales correspondientes a los casos presentes en un elemento pero ausentes en el otro. Distancia eucldea al cuadrado. Se calcula como el nmero de casos discordantes. Su valor mnimo es 0 y no tiene lmite superior. Diferencia de tamao. Se trata de un ndice de asimetra. Oscila de 0 a 1. Diferencia de configuracin. Medida de disimilaridad para datos binarios que oscila de 0 a 1. Se calcula a partir de una tabla 2*2 como bc/(n**2), donde b y c representan las casillas diagonales correspondientes a los casos presentes en un elemento pero ausentes en el otro y n es el nmero total de observaciones. Varianza. Se calcula a partir de una tabla 2x2 como (b+c)/4n, donde b y c representan las casillas diagonales correspondientes a los casos presentes en un elemento pero ausentes en el otro y n es el nmero total de observaciones. Oscila de 0 a 1. Lance y Williams. Se calcula a partir de una tabla 2*2 como (b+c)/(2a+b+c), donde a representa la casilla correspondiente a los casos presentes en ambos elementos y b y c representan las casillas diagonales correspondientes a los casos presentes en un elemento pero ausentes en el otro. Esta medida oscila entre 0 y 1. Tambin se conoce como el coeficiente no mtrico de Bray-Curtis.

Si lo desea, puede cambiar los campos Presente y Ausente para especificar los valores que indican que una caracterstica est presente o ausente. El procedimiento ignorar todos los dems valores. Pulse en Temas relacionados, situado ms arriba, para obtener descripciones de cuadros de dilogo y procedimientos relacionados. Pulse con el botn derecho del ratn en un elemento del cuadro de dilogo para ver su descripcin.

10

Medidas de disimilaridad para datos de intervalo en el escalamiento multidimensional Las siguientes medidas de disimilaridad estn disponibles para datos de intervalo: Distancia eucldea. La raz cuadrada de la suma de los cuadrados de las diferencias entre los valores de los elementos. sta es la medida por defecto para datos de intervalo. Distancia eucldea al cuadrado. La suma de los cuadrados de las diferencias entre los valores de los elementos. Chebychev. La diferencia absoluta mxima entre los valores de los elementos. Bloque. La suma de las diferencias absolutas entre los valores de los elementos. Tambin se conoce como la distancia de Manhattan. Minkowski. La raz p-sima de la suma de las diferencias absolutas elevada a la potencia p-sima entre los valores de los elementos. Personalizada. La raz r-sima de la suma de las diferencias absolutas elevada a la potencia p-sima entre los valores de los elementos.

Pulse en Temas relacionados, situado ms arriba, para obtener descripciones de cuadros de dilogo y procedimientos relacionados. Pulse con el botn derecho del ratn en un elemento del cuadro de dilogo para ver su descripcin. Medidas de disimilaridad para datos de recuento en el escalamiento multidimensional Las siguientes medidas de disimilaridad son las disponibles para los datos de recuento: Medida de chi-cuadrado. Basado en la prueba de igualdad de chicuadrado para dos conjuntos de frecuencias. sta es la medida por defecto para datos de recuento. Medida de Phi-cuadrado. Esta medida es igual a la medida de chicuadrado normalizada por la raz cuadrada de la frecuencia combinada.

Pulse en Temas relacionados, situado ms arriba, para obtener descripciones de cuadros de dilogo y procedimientos relacionados. Pulse con el botn derecho del ratn en un elemento del cuadro de dilogo para ver su descripcin.

11

Transformacin de valores en el escalamiento multidimensional Las siguientes opciones estn disponibles para la transformacin de valores: Puntuaciones Z. Los valores se estandarizan a una puntuacin Z, con una media de 0 y una desviacin tpica de 1. Rango -1 a 1. Cada valor del elemento que se tipifica se divide por el rango de los valores. Rango 0 a 1. El procedimiento sustrae el valor mnimo de cada elemento que se tipifica y despus lo divide por el rango. Magnitud mxima de 1. El procedimiento divide cada valor del elemento que se tipifica por el mximo de los valores. Media 1. El procedimiento divide cada valor del elemento que se tipifica por la media de los valores. Desviacin tpica 1. El procedimiento divide cada valor de la variable o caso que se tipifica por la desviacin tpica de los valores.

Adems, se puede escoger el modo de realizar la tipificacin. Las opciones son Por variable o Por caso. Ventana OPCIONES

Puede especificar opciones para el anlisis de escalamiento multidimensional: Mostrar. Le permite seleccionar varios tipos de resultados. Las opciones disponibles son Grficos de grupo, Grficos para los sujetos individuales, Matriz de datos y Resumen del modelo y de las opciones.

12

Criterios. Le permite determinar cundo debe detenerse la iteracin. Para cambiar los valores por defecto, introduzca valores para la Convergencia de s-stress, el Valor mnimo de s-stress y el N mximo de iteraciones. Tratar distancias menores que n como perdidas. Las distancias menores que este valor se excluyen del anlisis.

13