Корреляция метрической шкалы и номинативной 0_0 |
Здравствуйте, гость ( Вход | Регистрация )
Корреляция метрической шкалы и номинативной 0_0 |
14.07.2017 - 14:30
Сообщение
#1
|
|
Группа: Пользователи Сообщений: 149 Регистрация: 11.02.2014 Пользователь №: 26005 |
Подскажите пожалуйста, мне нужно изучить взаимосвязь между метрическими показателями и номинативными.
Это эмоциональные реакции на стимулы. К метрическим переменным относятся: Вытеснение (П) Регрессия (П) Замещение (П) Отрицание (П) Проекция (П) Компенсация (П) Гиперкомпенсация (П) Рационализация (П) К номинативным ряд картинок, по каждой картинке нужно сказать чувствовал эмоцию или нет (1-да, 0-нет) Список эмоций: Боль Вина Возмущение Грусть Досада Жалость Забота Злость Интерес Испуг Любовь Обида Огорчение Отвержение Отвращение Печаль Презрение Равнодушие Радость Раздражение Разочарование Растерянность Смущение Сострадание Сочувствие Спокойствие Страдание Страх Стыд Счастье Тревога Удивление Удовольствие Ужас Вопрос. Можно ли коррелировать эти метрические показатели с номинативными (по Спирману) или для изучения взаимосвязей, тут можно только сравнить метрические переменные по каждой номинативной используя t.test?
Прикрепленные файлы
|
|
14.07.2017 - 16:57
Сообщение
#2
|
|
Группа: Пользователи Сообщений: 1202 Регистрация: 13.01.2008 Из: Челябинск Пользователь №: 4704 |
Подскажите пожалуйста, мне нужно изучить взаимосвязь между метрическими показателями и номинативными... Если попарно, то - точечно-бисериальная корреляция. Но интереснее многомерные ординационные (проекционные) техники. Сообщение отредактировал nokh - 14.07.2017 - 16:59 |
|
14.07.2017 - 17:02
Сообщение
#3
|
|
Группа: Пользователи Сообщений: 1091 Регистрация: 26.08.2010 Пользователь №: 22699 |
1) Никакой проблемы нет использовать неоднократно мной называемый bnlearn строящий Bayesian networks в том числе и по моделям где встречаются различные шкалы.
2) Сами по себе методы редукции размерности плевать хотели на существование к.к. и связанной с ними теории, поскольку основаны на простых _геометрических_ построениях. В данном случае набор данных просто представляет из себя гиперкуб и "за один присест" его сможет переварить какой либо вариант https://en.wikipedia.org/wiki/Multilinear_p...ponent_analysis Тензор (гиперкуб) "люди-чувства-картинки" + плоская таблица "люди-психхарактеристики". Тензор после hosvd() даст набор таблиц с "компонентами" для "людей", "чувств", "картинок". Можно "компоненты людей" выведенные от их итеракции с "чувствами-картинками" просто проверить на связь с "психохарактеристиками". Сообщение отредактировал p2004r - 14.07.2017 - 18:24
Прикрепленные файлы
|
|
15.07.2017 - 13:22
Сообщение
#4
|
|
Группа: Пользователи Сообщений: 149 Регистрация: 11.02.2014 Пользователь №: 26005 |
nokh, p2004r спасибо. Я пока про R не говорю.
Кажется нарыл http://ru-spss.livejournal.com/4509.html Сообщение отредактировал kont - 15.07.2017 - 13:25 |
|
15.07.2017 - 13:23
Сообщение
#5
|
|
Группа: Пользователи Сообщений: 149 Регистрация: 11.02.2014 Пользователь №: 26005 |
Но тем не менее, p2004r, может код дать, где вы построили этот граф?
|
|
15.07.2017 - 14:32
Сообщение
#6
|
|
Группа: Пользователи Сообщений: 1091 Регистрация: 26.08.2010 Пользователь №: 22699 |
Но тем не менее, p2004r, может код дать, где вы построили этот граф? 1. Да, конечно. (там что то с самими данными странноватое, очень уж они "разрежены"... может "картинок" в полном датасете больше? ) Тут одна строчка (мне не хватило терпения до конца датасета дойти исключая переменные на которых алгоритм "виснет") Код library(bnlearn) df.korr <- read.csv2("корр.csv") df.korr.tr <- cbind(data.frame(lapply(df.korr[,1:8], as.numeric)), data.frame(lapply(df.korr[,-c(1:8)], factor))) graphviz.plot(hc(df.korr.tr[,c(1:11, 14:22, 24, 26:36, 38:52, 54:63, 65, 67:74, 76:80)], optimized = F), layout="fdp") 2. Для многомерного svd вот неплохая "объяснялка" http://www.alexejgossmann.com/tensor_decomposition_CP/ Сообщение отредактировал p2004r - 15.07.2017 - 14:35 |
|
15.07.2017 - 21:09
Сообщение
#7
|
|
Группа: Пользователи Сообщений: 149 Регистрация: 11.02.2014 Пользователь №: 26005 |
p2004r, подскажите, в аргументе Тенсора, что должно стоять mpca(tnsr, ranks = NULL, max_iter = 25, tol = 1e-05) Tensor with K modes. что мне сюда подставить? Как правильно то? И второй момент статистический. В обычном факторном анализе, для выбора факторов, я смотрю на график каменной осыпи. А в mpca на что смотреть? |
|
16.07.2017 - 10:58
Сообщение
#8
|
|
Группа: Пользователи Сообщений: 1091 Регистрация: 26.08.2010 Пользователь №: 22699 |
p2004r, подскажите, в аргументе Тенсора, что должно стоять mpca(tnsr, ranks = NULL, max_iter = 25, tol = 1e-05) Tensor with K modes. что мне сюда подставить? Как правильно то? И второй момент статистический. В обычном факторном анализе, для выбора факторов, я смотрю на график каменной осыпи. А в mpca на что смотреть? 1) пакуете в многомерный массив свой датасет. размерность (люди,чувства,картинки) В статье по ссылке есть пример подготовки искусственного примера. И пример анализа каноническим разложением cp(). Можно в принципе и "психхарактеристики" добавить, но их придется "рециркулировать" для измерений "чувства" и "картинки". Но зато вся ковариация будет за один подход описана. 2) Там точно также можно получить "долю объясняемой ковариации" (см. ссылку на пример) только надо судя по всему "ручками" пройти все варианты "усечения" размерности объясняемого тензора. |
|
16.07.2017 - 18:22
Сообщение
#9
|
|
Группа: Пользователи Сообщений: 149 Регистрация: 11.02.2014 Пользователь №: 26005 |
Я так и делал
library rTensor library("openxlsx") dat=read.csv2("корр.csv") View(dat) mpca(dat, ranks=c(10,10), max_iter = 25, tol = 1e-05) и получил ошибку:-( Error: is(tnsr, "Tensor") is not TRUE |
|
16.07.2017 - 22:40
Сообщение
#10
|
|
Группа: Пользователи Сообщений: 902 Регистрация: 23.08.2010 Пользователь №: 22694 |
|
|
17.07.2017 - 10:04
Сообщение
#11
|
|
Группа: Пользователи Сообщений: 1091 Регистрация: 26.08.2010 Пользователь №: 22699 |
Я так и делал library rTensor library("openxlsx") dat=read.csv2("корр.csv") View(dat) mpca(dat, ranks=c(10,10), max_iter = 25, tol = 1e-05) и получил ошибку:-( Error: is(tnsr, "Tensor") is not TRUE Такое впечатление что вы не читаете того что вам говорят Вот пример подготовки данных "с Код space_index <- seq(-1, 1, l = 100)
bell_curve <- dnorm(space_index, mean = 0, sd = 0.5) case1 <- matrix(rep(bell_curve, 10), 100, 100) case2 <- matrix(rep(bell_curve, 10), 100, 100) case3 <- matrix(rep(bell_curve, 10), 100, 100) case2[ , 51:100] <- case2[ , 51:100] + 0.1 case3[ , 51:100] <- case3[ , 51:100] - 0.1 X <- array(NA, dim = c(90, 100, 100)) for(i in 1:30) { X[i, , ] <- case1 + matrix(rnorm(10000, sd = 0.1), 100, 100) X[i+30, , ] <- case2 + matrix(rnorm(10000, sd = 0.1), 100, 100) X[i+60, , ] <- case3 + matrix(rnorm(10000, sd = 0.1), 100, 100) } |
|
17.07.2017 - 19:18
Сообщение
#12
|
|
Группа: Пользователи Сообщений: 149 Регистрация: 11.02.2014 Пользователь №: 26005 |
Спасибо, кажется понял
dat <- as.matrix(dat) dat <- as.tensor(dat) class(dat) [1] "Tensor" |
|
17.07.2017 - 20:08
Сообщение
#13
|
|
Группа: Пользователи Сообщений: 1091 Регистрация: 26.08.2010 Пользователь №: 22699 |
Спасибо, кажется понял dat <- as.matrix(dat) dat <- as.tensor(dat) class(dat) [1] "Tensor" Это вряд ли (С) т. Сухов Сначала |
|
17.07.2017 - 20:27
Сообщение
#14
|
|
Группа: Пользователи Сообщений: 149 Регистрация: 11.02.2014 Пользователь №: 26005 |
Так точно:)
а с аргументом ранг, можете помочь разобраться? Error: length(ranks) == (num_modes - 1) is not TRUE тенсор то отработал, а вот ранг нет Какова его суть, что я его вбил верно пока у меня так ranks=c(10,10) |
|
17.07.2017 - 22:39
Сообщение
#15
|
|
Группа: Пользователи Сообщений: 1091 Регистрация: 26.08.2010 Пользователь №: 22699 |
Так точно:) а с аргументом ранг, можете помочь разобраться? Error: length(ranks) == (num_modes - 1) is not TRUE тенсор то отработал, а вот ранг нет Какова его суть, что я его вбил верно пока у меня так ranks=c(10,10) Ну вот когда сделаете array, тогда и |
|