Vybrané multivariační techniky o shluková analýza o nástin dalších technik: n multidimenzionální škálování Shluková analýza o slouží ke klasifikaci velkého počtu osob (na základě jejich dat v určitých proměnných) do několika málo shluků n anglické označení cluster analysis se někdy v českých textech překládá také jako clusterová analýza Shluková analýza Shluková analýza Shluková analýza o tyto shluky osob – typy – jsou potom na základě jejich společných charakteristik popsány či pojmenovány o někdy se v psychologii používá shluková analýza i pro analýzu vztahů mezi proměnnými (obdoba faktorové analýzy) Shluková analýza o pokud máme pro vymezení typu osob větší množství proměnných, které jsou navzájem závislé, je vhodné např. n provést nejdříve faktorovou analýzu a tak počet proměnných redukovat na několik nezávislých dimenzí n teprve na nich provést shlukovou analýzu Shluková analýza o pokud jsou proměnné měřeny na různých stupnicích, doporučuje se nejprve provést jejich standardizaci Shluková analýza o postup shlukové analýzy: n výběr objektů (osob), měl by reprezentovat strukturu typů v populaci n výběr proměnných, měly by obsahovat podstatné informace pro vymezení typu n výpočet podobností mezi objekty n použití metody shlukové analýzy k vytvoření skupin podobných objektů n interpretace a validizace výsledků Shluková analýza o metod shlukování existuje mnoho, dělí se na např. n metody rozkladu – celý soubor najednou je rozčleněn v navzájem se nepřekrývající shluky n hierarchické metody n „chumáčování“ (clumping) – výsledné shluky se mohou překrývat Shluková analýza o výsledkem shlukové analýzy je určení pro každý objekt, do kterého typu patří o typy se obvykle charakterizují profilem průměrů jednotlivých proměnných, příp. graficky (u hierarchických metod tzv. dendrogramem) Shluková analýza o interpretace a validizace výsledků shlukové analýzy n testy významnosti na vnitřních proměnných (použitých k analýze) – obvykle spíše zavádějící n testy významnosti na vnějších proměnných – považuje se za nejlepší způsob Shluková analýza o interpretace a validizace výsledků shlukové analýzy n replikace – sledujeme, do jaké míry dospějeme ke stejným výsledkům na různých výběrech ze stejné populace; často se prakticky postupuje tak, že se původní soubor rozdělí na několik částí a na nich se provede shluková analýza Shluková analýza o problémy při shlukové analýze: n kvalita výsledků je dána kvalitou vstupních dat a kvalitou jejich měření n empiricky definované typy je někdy obtížné interpretovat n neexistuje jedinečné řešení – různé techniky dávají různá řešení (neexistuje jednoznačná statistická definice shluku) Aplikace shlukové analýzy o umožňuje typologický přístup v psychologii – zaměřit se více na člověka než na proměnné a vztahy mezi nimi o přehled psychologických výzkumů, kde byla aplikována shluková analýza: viz publikace Osecké Shluková analýza - příklad o navazuje na příklad aplikace faktorové analýzy z minulé přednášky o autoři se snažili identifikovat skupiny (shluky) adolescentů, kteří jsou si podobní ve svých zdravotních obtížích o použili 3 proměnné vytvořené na základě FA – nevolnosti, vegetativní potíže a bolesti Shluková analýza - příklad o bude uveden výsledek pro 4 shluky - v grafu na následujícím snímku jsou průměrná faktorová skóre v použitých 3 proměnných pro osoby klasifikované do daného shluku n výsledky pro vyšší počty shluků viz publikace Osecké, kapitola 14 Shluková analýza - příklad Shluková analýza - příklad o osoby v prvním shluku si stěžují především na bolesti, zčásti také na vegetativní potíže o adolescenty ve druhém shluku trápí hlavně nevolnosti o osoby ve třetím shluku trpí vegetativními obtížemi o osoby ve čtvrtém shluku tvořily největší část souboru – trpěly pouze do určité míry bolestmi (průměrně), úroveň ostatních zdravotních stesků u nich byla podprůměrná Multidimenzionální škálování o označuje se i jako vícerozměrné škálování o zkratka MDS o alternativa k faktorové analýze, nevyžaduje však normální rozdělení a lineární vztahy mezi proměnnými o cílem je identifikovat smysluplné dimenze, kterými vysvětlíme určité podobnosti (či nepodobnosti) mezi zkoumanými objekty Multidimenzionální škálování o ve FA jsou podobnosti mezi proměnnými vyjádřeny pomocí korelací – korelační matice o v MDS se tyto podobnosti vyjadřují maticí podobností/nepodobností i vzdáleností – ta představuje vstupní hrubá data Multidimenzionální škálování o logika MDS – příklad: zjistíme vzájemné vzdálenosti mezi vybranými městy ČR Multidimenzionální škálování Multidimenzionální škálování o při analýze pomocí MDS dojdeme nejspíše ke dvoudimenzionálnímu řešení: osy dimenzí můžeme nastavit tak, že jednou dimenzí bude orientace západ-východ a druhou sever-jih o při zobrazení v grafu dostaneme dvoudimenzionální reprezentaci vzájemné polohy měst (zkreslení oproti mapě je dané tím, že šlo o silniční vzdálenosti) Multidimenzionální škálování Multidimenzionální škálování o pomocí MDS uspořádáme posuzované objekty v prostoru o určitém počtu dimenzí tak, aby byly co nejlépe vyjádřeny podobnosti či vzdálenosti mezi objekty o počet dimenzí volí výzkumník Multidimenzionální škálování o nejobvyklejší mírou toho, jak dobře řešení reprezentuje původní vzdálenosti či podobnosti mezi objekty, je funkce zvaná stress (založená na rozdílu mezi skutečnými hodnotami vzdáleností mezi objekty a predikovanými na základě MDS modelu) o její hodnota by měla být co nejnižší (ideálně 0), za přijatelné se považují hodnoty do 0.1 (ale v praxi se akceptují i vyšší) o pokud je vyšší, je většinou třeba zvýšit počet dimenzí a tak lépe reprezentovat data – což ale může vést k horší interpretovatelnosti Multidimenzionální škálování o posledním krokem analýzy je interpretace dimenzí (podobně jako ve FA) o dimenze samy o sobě nenesou žádný význam, je třeba ho dovodit – předpokládá se, že „vysvětlují“ vzdálenosti mezi objekty o je třeba mít na paměti, že respondenti, kteří třídili objekty podle podobnosti nemusí sdílet stejné důvody či vysvětlení pro podobnost objektů Multidimenzionální škálování o nejčastější aplikace MDS v psychologii: n posuzování podobnosti objektů (především v oblasti interpersonální percepce pro odhalení skrytých dimenzí v percepci osobnostních rysů) n marketingový výzkum n shoda mezi posuzovateli Multidimenzionální škálování o umožňuje výzkumníkům n klást neobtěžující, neohrožující otázky („jak moc podobný výrobek A a výrobek B“) n odhalit skryté dimenze posuzování, aniž si dotazovaný vůbec uvědomí, jaký je skutečný zájem výzkumníka n na rozdíl od FA není nutno tyto dimenze dopředu vymezit proměnnými – stačí přímé posouzení podobností mezi objekty Multidimenzionální škálování o příklad aplikace MDS: Kappesser J., Williams A. C. (2002). Pain and negative emotions in the face: judgements by health care professionals. Pain 99, 197-206. Multidimenzionální škálování o hlavním cílem studie bylo zjistit, jak se výraz bolesti liší od výrazu jiných negativních emocí n smutek, strach, hněv, znechucení, úlek, rozpaky o tj. s jakými emocemi může být bolest zaměňována, kterým je více podobná a kterým méně, čím je podobnost určena? Multidimenzionální škálování o posuzovatelé byli zdravotníci – lékaři a sestry dvou londýnských nemocnic o bylo jim předloženo 7 fotografií tváře jednoho muže, na kterých předváděl vždy jinou emoci – měli si představit, že jde o pacienta na pohotovosti o posuzovatelé měli srovnat všechny možné páry fotografií, co se týče jejich podobnosti/nepodobnosti ve výrazu bolesti (na škále 0-10) Multidimenzionální škálování o poté ještě následovala validizační část studie, kdy měli posuzovatelé označit, jakou emoci tvář muže na každé fotografii vyjadřuje Multidimenzionální škálování o autorky provedly MDS a rozhodly se interpretovat dvoudimenzionální řešení o první dimenze oddělila rozpaky od ostatních 6 výrazů emocí o druhá dimenze rozdělila n strach, úlek, znechucení n bolest, hněv, smutek Multidimenzionální škálování Multidimenzionální škálování o autorky interpretovaly první dimenzi tak, že se výraz rozpaků odlišuje od všech ostatních užitých výrazů pohybem rtů, až téměř připomínajícím úsměv o někteří respondenti sami tuto fotografii komentovali: „někdo, kdo se usmívá, nemůže trpět bolestí“ Multidimenzionální škálování o druhá dimenze byla interpretována na základě fyzických charakteristik výrazů – u strachu, úleku a znechucení dochází ke změnám výrazu obličeje „vertikálním“ směrem, zatímco u hněvu, bolesti a smutku jsou změny výrazu doprovázeny spíše tzv. „odstředivými“ pohyby Multidimenzionální škálování o alternativní interpretace druhé dimenze: strach, úlek nebo znechucení představují reakce většinou na vnější podněty, zatímco smutek či bolest spíše na vnitřní stavy (výraz hněvu může podle autorek znamenat u mužů výsledek snahy o potlačení výrazu bolesti) Literatura o Hendl: kapitola 13.6 o Osecká, L. (2001). Typologie v psychologii. Praha, Academia. o Osecká, L., Řehulková, O., Macek, P. (1998). Zdravotní stesky adolescentů. In M. Blatný (Ed.): Sociální procesy a osobnost. Brno 1998, str. 135-144. o Kappesser J., Williams A. C. (2002). Pain and negative emotions in the face: judgements by health care professionals. Pain 99, 197-206.