номинальные и ранговые шкалы vs многомерные методы Опции

[psychologist]

Возник такой вопрос. Вернее вопросы.
Корректно ли использовать множественный регрессионый анализ и дискриминантный на ранговых шкалах? где зависимые и независимые переменные выраженные в этих шкала.Ну, в дискриминантном анализе только независимые
И касательно номинативных данных. Есть возможности использовать многомерные методы, типа регрессии, кластерный анализ на номинативных данных. Я имею ввиду не бинарные, как логистической регрессии, а там где у переменной есть 7 градаций
1-женат
2-не женат
3-трудности в браке
....
и так далее
Или многомерные методы и номинативные шкалы это антиподы?

[nokh]

Корректно ли использовать множественный регрессионый анализ и дискриминантный на ранговых шкалах? где зависимые и независимые переменные выраженные в этих шкала.Ну, в дискриминантном анализе только независимые

Если использовать классические техники - то "нет". Но всегда есть какие-то альтернативы, пусть и менее известные, нужно искать по разным пакетам. Например, в SPSS есть и порядковая, и даже категориальная регрессия - нужно читать, разбираться как работают, какие возможности и ограничения. Дискриминантный анализ можно заменить деревьями решений, нейросетевыми решениями и т д.

И касательно номинативных данных. Есть возможности использовать многомерные методы, типа регрессии, кластерный анализ на номинативных данных. Я имею ввиду не бинарные, как логистической регрессии, а там где у переменной есть 7 градаций
1-женат
2-не женат
3-трудности в браке
....
и так далее
Или многомерные методы и номинативные шкалы это антиподы?

Существует масса многомерных методов для номинальных шкал. Вам обязательно нужно пролистать книжку "Факторный, дискриминантный и кластерный анализ" и прочитать FAQ в конце разделов. В кластерном анализе всё начинается с мер расстояния. Какие-то меры есть для порядковых шкал, для вычисления каких-то мер множественные номинальные нужно разложить на бинарные (фиктивные) переменные. Короче, много всего... Нужно подбирать под опросники с которыми работаете. Скажем, ваш пример - вполне жизненный, но некорректно составленный: нельзя объединять в одной шкале "женат" и "трудности в браке", т.к. второе уже подразумевает первое. Или тогда нужно разрешать выбирать несколько пунктов - иначе респонденты будут выпадать из каких-то групп и общие закономерности "перекосятся". Но опросники - отдельная тема, не перестаю удивляться непрофессионализму и даже тупизне составителей большинства интернет-опросов.

Сообщение отредактировал nokh - 4.07.2014 - 19:44