Поможем написать учебную работу
Если у вас возникли сложности с курсовой, контрольной, дипломной, рефератом, отчетом по практике, научно-исследовательской и любой другой работой - мы готовы помочь.

Предоплата всего

Подписываем
Если у вас возникли сложности с курсовой, контрольной, дипломной, рефератом, отчетом по практике, научно-исследовательской и любой другой работой - мы готовы помочь.
Предоплата всего
Подписываем
ФЕДЕРАЛЬНОЕ АГЕНСТВО ПО ОБРАЗОВАНИЮ РФ
ГОУ ВПО «ПОМОРСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ ИМЕНИ М.В. ЛОМОНОСОВА»
Кафедра психологии
Отчет №4: по дисциплине
«Математические методы в психологии»
Многомерное шкалирование.
Выполнили:
Студентки 2 курса 23 группы
Мухрякова И.В. Красильникова Е.М.
Проверила:
Симонова Н.Н.
Архангельск,
2010 г.
[1]
[2]
[3] |
Используя файл «mds1.sav» (квадратную асимметричную матрицу различий) решить следующую задачу: Преподаватель решил создать идеальную психологическую обстановку в группе во время занятия, рассадив учащихся так, чтобы ни один из них не оказался рядом с тем, кто ему не нравится. Для этого каждому из 12 студентов было предложено оценить степень своей симпатии к однокурсникам по пятибалльной шкале (1 – максимум симпатии; 5 – максимум антипатии). Необходимо максимально далеко рассадить негативно настроенных в отношении друг друга учащихся.
Iteration history for the 3 dimensional solution (in squared distances)
Young's S-stress formula 1 is used.
Iteration S-stress Improvement
1 ,35075
2 ,29654 ,05421
3 ,27828 ,01826
4 ,26885 ,00942
5 ,26435 ,00451
6 ,26239 ,00196
7 ,26156 ,00082
Iterations stopped because
S-stress improvement is less than ,001000
Значения записанные в столбце S-Stress, характеризуют отклонение результата от идеального на различных интерациях применения модели.
For matrix
Stress = ,18552 RSQ = ,79857
Configuration derived in 3 dimensions
Коэффициент характеризует дисперсии в матрице различий, обусловленную данной моделью. Величина его характеризует качество модели на 79%.
Stimulus Coordinates
Dimension
Stimulus Stimulus 1 2 3
Number Name
1 c1 1,0511 -1,2360 ,0526
2 c2 1,4158 -,5820 ,7212
3 c3 ,9201 -,8103 1,2596
4 c4 -1,1219 -,1319 1,1593
5 c5 -1,7055 -,2270 ,4836
6 c6 -1,7600 ,0675 -,2727
7 c7 -,2135 1,7959 ,0343
8 c8 ,4000 1,6456 ,3859
9 c9 -1,1785 -,8143 -,8208
10 c10 ,5318 -1,0161 -1,3462
11 c11 1,1060 -,4494 -1,0315
12 c12 ,5547 1,7580 -,6252
В данной таблице для каждого шкалируемого объекта указываются координаты по каждой шкале.
Данная диаграмма показывает итог многомерного шкалирования. Она отображает взаимоотношения между учащимися таким образом, что чем больше различия между учащимися в исходной матрице, тем дальше они находятся друг от друга на диаграмме. В данной диаграмме мы можем видеть, что в данной группе выделяются три относительно компактные подгруппы, самая крупная из которых состоит из пяти человек и располагается в правом верхнем углу диаграммы. Отношения внутри каждой из группировок характеризуются симпатией (так как точки расположены близко др. к др.), чего не скажешь об отношениях между группам.
Ответ:
Вместе стоит посадить студентов: №9 с №4; №5 с №6; №8 и №12; №№1,10, 3 и рядом можно посадить 11 и 2.
Необходимо рассадить 30 учащихся (выбрать 30 записей из базы данных «ex01.sav» методом случайного отбора) в соответствии с результатами их тестирования по пяти показателям (тесты с 1 по 5). Для решения задачи необходимо создать квадратную симметричную матрицу различий.
Решение:
Iteration history for the 2 dimensional solution (in squared distances)
Young's S-stress formula 1 is used.
Iteration S-stress Improvement
0 ,40873
1 ,40524
2 ,37664 ,02860
3 ,36454 ,01210
4 ,35530 ,00924
5 ,34752 ,00778
6 ,34257 ,00495
7 ,33997 ,00260
8 ,32505 ,01492
9 ,32441 ,00065
Iterations stopped because
S-stress improvement is less than ,001000
Значения записанные в столбце S-Stress, характеризуют отклонение результата от идеального на различных интерациях применения модели.
Stress and squared correlation (RSQ) in distances
RSQ values are the proportion of variance of the scaled data (disparities)
in the partition (row, matrix, or entire data) which
is accounted for by their corresponding distances.
Stress values are Kruskal's stress formula 1.
Matrix Stress RSQ Matrix Stress RSQ Matrix Stress RSQ Matrix Stress RSQ
1 ,222 ,250 2 ,142 ,788 3 ,169 ,578 4 ,175 ,562
5 ,000 1,000 6 ,250 ,062 7 ,152 ,649 8 ,229 ,252
9 ,131 ,786 10 ,252 ,050 11 ,106 ,823 12 ,242 ,245
13 ,249 ,069 14 ,141 ,694 15 ,236 ,159 16 ,208 ,515
17 ,259 ,005 18 ,186 ,597 19 ,217 ,279 20 ,206 ,352
Averaged (rms) over matrices
Stress = ,19853 RSQ = ,43580
Configuration derived in 2 dimensions
Коэффициент характеризует дисперсии в матрице различий, обусловленную данной моделью. Величина его характеризует качество модели.
Stimulus Coordinates
Dimension
Stimulus Stimulus 1 2
Number Name
1 тест1 -,1183 1,2778
2 тест2 ,6615 -,9373
3 тест3 1,4138 ,6001
4 тест4 -1,5418 ,4479
5 тест5 -,4151 -1,3885
Subject weights measure the importance of each dimension to each subject.
Squared weights sum to RSQ.
A subject with weights proportional to the average weights has a weirdness of
zero, the minimum value.
A subject with one large weight and many low weights has a weirdness near one.
A subject with exactly one positive weight has a weirdness of one,
the maximum value for nonnegative weights.
В данной таблице для каждого шкалируемого объекта указываются координаты по каждой шкале.
Subject Weights
Dimension
Subject Weird- 1 2
Number ness
1 ,0052 ,3582 ,3485
2 ,6295 ,8519 ,2503
3 ,1808 ,4615 ,6039
4 ,2403 ,4266 ,6162
5 ,1055 ,6533 ,7571
6 ,0526 ,1710 ,1822
7 ,1466 ,5063 ,6266
8 ,2297 ,2891 ,4103
9 ,4912 ,8189 ,3393
10 ,1000 ,1471 ,1690
11 ,0330 ,6310 ,6520
12 ,3904 ,2315 ,4376
13 ,1006 ,2018 ,1690
14 ,0876 ,5529 ,6227
15 ,0905 ,2641 ,2988
16 ,5392 ,2584 ,6696
17 ,1295 ,0473 ,0570
18 ,5335 ,7233 ,2723
19 ,0237 ,3841 ,3631
20 ,0274 ,4320 ,4060
Overall importance of
each dimension: ,2266 ,2092
Так как мы используем нелицензионную версию программы SPSS, программа подсчитывает субъективные веса только для 20 школьников из 30. Данная таблица показывает нам вес по двум шкалам каждого студента, который характеризует, какая доля дисперсии субъективных оценок приходится на соответствующую шкалу, а также в последней строке мы можем увидеть общий вес, который приходиться на каждую шкалу. Величина ( Dimension) Предсказуемость, показывает разброс весов по каждому субъекту.
Ответ:
Данная модель показывает, что те 20 человек, которые использовала программа нужно рассадить следующим образом:
11 и 5, 14 и 7, 3 и 4, 12 и 8, 9 и 2,1 и 19 или 19 и 20,12 и 8 или 8 и 15,6 и 10 или 13 и 6, а 16,17,18 лучше рассадить далеко друг от друга.
Задача №3
Построить модель индивидуальных различий сравнения между собой 5 многомерных методов: ФА, КА, МРА, ДА, МШ по результатам опроса студентов Вашей группы. Оценку различий производите по 5-тибальной шкале (от 1- максимально схожи до 5 – максимально различны).
Iteration history for the 2 dimensional solution (in squared distances)
Young's S-stress formula 1 is used.
Iteration S-stress Improvement
1 ,15517
2 ,13743 ,01774
3 ,13431 ,00312
4 ,13370 ,00061
Iterations stopped because
S-stress improvement is less than ,001000
Интеракции завершились на 4м шаге.
Stress = ,07798 RSQ = ,89556
Configuration derived in 2 dimensions
Окончательная величина стресса и величина RSQ свидетельствуют о соответствии решения исходным данным.
Stimulus Coordinates
Dimension
Stimulus Stimulus 1 2
Number Name
1 mra 1,3927 ,4996
2 da -,3236 1,3477
3 ka -1,3388 ,2591
4 fa 1,0719 -,9546
5 mds -,8022 -1,1517
На данной диаграмме изображена итоговая конфигурация сравниваемых студентами статистических методов.
На положительном полюсе первой шкалы находятся МРА и ФА, на отрицательном – КА и МШ. Эта шкала, таким образом, различает методы по предмету анализа: положительный полюс соответствует корреляциям, отрицательный – различиям и расстояниям.
На положительном полюсе второй шкалы расположились ДА МРА, на отрицательном – МШ и ФА. Вероятно, эта шкала разделяет методы по их назначению: положительный полюс соответствует методам предсказания, а отрицательный – структурным методам. О значении этих шкал как субъективных критериев, которыми пользовались студенты при сравнении методов, моно судить по субъективным весам.