Представление результатов

58этом разделе приведены данные, сгенерированные командой Многомерное шка-лирование (ALSCAL) при выполнении шагов 5, 5а и 5б.

Итерации

Значения, записанные в столбце S-stress, характеризуют отклонение результата от идеального (точно соответствующего матрице отличий) на различных итерациях применения модели (рис. 23.6). SPSS применяет заданную модель столько раз, сколько необходимо для получения достаточно низкого значения в столбце S-stress. Если число итераций оказывается больше 30, то это, как правило, указывает на проблемы в исходных данных.

Рис. 23.6.Фрагмент окна вывода после выполнения шага5 (итерации)

Стрессы и квадраты коэффициентов корреляции

Для каждой строки асимметричной матрицы различий, для каждой матрицы мо-дели индивидуальных различий, а также для всей модели при многомерном шка-лировании вычисляются стресс и коэффициент R2 (рис. 23.7). Стресс по своему смыслу схож со стрессом предыдущей модели, однако для его расчета использует-ся другое уравнение, позволяющее упростить вычислительный процесс сравнения различий. Коэффициент R2 (столбец RSQ) характеризует долю дисперсии в ма-трице различий, обусловленную данной моделью. Чем лучше модель, тем выше значение коэффициента R2. Если вы, к примеру, строите несколько графических изображений с разным числом шкал-координат, то величины стресса и R2 могут служить критериями при выборе наиболее подходящей модели.

344 Глава 23.Многомерное шкалирование

Рис. 23.7.Фрагмент окна вывода после выполнения шага5(стрессы и квадраты коэффициентов корреляции)

Координаты стимулов

Для каждого шкалируемого объекта указываются его координаты по каждой шка-ле (рис. 23.8). Это сделано для того, чтобы вы могли на основе этих координат построить собственное графическое изображение или использовать координаты для дальнейшего анализа. В данном случае столбец 1 соответствует координате x, а столбец 2 — координате y.

Рис. 23.8.Фрагмент окна вывода после выполнения шага5 (координаты стимулов)

Субъективные веса

Если используется модель индивидуальных различий, то SPSS включает в окно вывода подсчитанные значения весов для каждого субъекта (рис. 23.9). В примере со сравнением многомерных методов каждый из 6-ти студентов по каждой из двух шкал имеет свой вес, который характеризует, какая доля дисперсии субъективных оценок приходится на соответствующую шкалу. Кроме того, в вывод включен об-щий вес для каждой из шкал. Величина Weirdness (предсказуемость) характеризует разброс весов для каждого субъекта; для субъекта с номером 3 она имеет макси-мальное значение, равное 0,51.

Рис. 23.9.Фрагмент окна вывода после выполнения шага5б(субъективные веса)