Mds20190303
•Als PPTX, PDF herunterladen•
1 gefällt mir•6,289 views
日本認知心理学会研究法研究部会＃1 多次元尺度構成法，その基礎と広がり
Empfohlen
Weitere ähnliche Inhalte
Was ist angesagt?
Was ist angesagt? (20)
Mehr von 考司 小杉
Mehr von 考司 小杉 (20)
Kürzlich hochgeladen
Kürzlich hochgeladen (7)
Mds20190303
- 2. お品がき • MDSの基礎 • MDSの特徴と長短所 • あらためて「距離」とは？ • YH定理と計量的(Metric)MDS • 非軽量的(Non-Metric)MDS • MDSの応用 • 個人差を表現する方法（INDSCAL） • 地図に情報を描き加える方法（PREFMAP, Abelson Mappingなど） • 非対称関係に拡張する方法（HFM, Asymmetric von Mises Scalingなど ） 伴走サイト；https://kosugitti.github.io/JSCP_MDS_2019/
- 3. Multi Dimensiona Scaling その特徴・Pros and Cons • 特徴；「距離」の情報だけから地図を作ること • Pros； • 被験者への負担・介入・仮定が少ないデータからスケールを 作る醍醐味 • 順序尺度水準のデータでOK • 結果の空間に加筆修正できる自由度の高さ • Cons； • （データによるけど）結果の不安定さ • 推定アルゴリズムを考えるとちょっと面倒なことが多い
- 4. 具体例；Eurodist
- 5. 第二軸を 反転させました
- 7. 地図 MDS
- 8. 距離の公理 • 2点x とyの距離をd(x,y)とすると， • の条件を満たせば全て「距離」。 非負性（正定値性） 対称性 三角不等式
- 10. dist関数 A B C D 1 # # # # 2 # # # # 3 # # # # … # # # # A B C B # C # # D # # #下三角行列に変わる
- 13. 相関や共分散も • 相関係数は類似度を表す指標（とも言える） • 相関係数はベクトルのcosθ • 1-類似度＝距離（と考えることもできる）
- 14. 心理データとしての距 離 • (非)類似性を距離とみなして用いることが一般的 • (非)類似性の心理データを取る利点 1. 被験者の自然な(総合的な)判断に任せられる；下位の評価次元を 実験者が準備することは研究者があらかじめどの属性が重要かを 決め打ちしているようなもの 2. 上と関連して，人の評価傾向(社会的望ましさバイアスなど）から 自由なデータを入手できる 3. 被験者には何らかの内的一貫性を求めており，データ収集時にそ の一貫性をチェックすることができる 高根芳雄（1980）多次元尺度法，東京大学出版会
- 15. 心理データとしての距 離• 尺度評定を用いる方法 • 刺激の混同率 • 代替価/連想価 • 刺激の汎化勾配 • 反応潜時 • ソシオメトリックなデータ 高根芳雄（1980）多次元尺度法，東京大学出版会 Si→Riの条件づけがあるとき，Pr(Ri|Sj)を類似性とする ２つの刺激が「同じ」か「違う」かを判断する課題 への反応潜時を類似性の指標とする
- 18. データから距離へ v1 v2 v3 v4 … … … … vm 1 2 3 . . . . . . N ケ ス を 分 類 し た い の ？ 変数を分類したいの？ ー m×mの行列 N×Nの行列 行列の 分解へ
- 20. v1 v2 v3 v4 … … … … vm 1 2 3 . . . . . . N v1 v2 v3 v4 … … … … vm 1 2 3 . . . . . . N v1 v2 v3 v4 … … … … vm 1 2 3 . . . . . . N データの相と元 • 相mode；変数セットの種類 • 元way；変数セットの組合せ回数 v1 v2 v3 v4 … … … … vm 1 2 3 . . . . . . N 変数 個人 変数×個人 二相二元データ v1 v2 v3 v4 … … … … vm 1 2 3 . . . . . . N 時系列 変数×個人×時間 三相三元データ
- 21. Metric MDS • MDSは各対象を空間内の点として表現する。その表現され たものを布置configurationと呼ぶ • YHの定理ではある対象を中心に行列を分解したが，実際の MDSでは行列の二重中心化(行・列方向両方の平均を抜き取 る）を行うことで原点を中心にする • 原点は不動だが，先ほどの例のよ うに反転・回転の可能性はあり
- 22. 非計量的MDS • 計量MDSは距離データが比率尺度水準で得られている必 要があるが，人文社会科学系のデータの場合はそこまで 厳密に測定できている場合は少ない • そこで対象jとkの類似度を ,多次元空間での距離を としたとき， • となるように布置をきめる，というルールに弱める。 • 推定には不適合度Stressを目安にする(Kruscalの方法) ならば
- 25. 具体例
- 28. 具体例
- 30. 結果より • 軸は回転するので，提示された軸に意味付けしないこと • 解釈は多様だが，例えば対象に付与された座標を従属変 数として，他の説明変数で回帰分析を行うなどして「解 釈次元の妥当性」を考えることもできる（#緑の紐本 参照 ) • 元は距離データなので，クラスタ分析と組み合わせるこ ともできる • 列変数の地図を描くこともできます
- 31. 具体例
- 32. 個人差MDS • INDSCALという個人差を表現するモデルがあります • 個人iが対象jとkの類似度を とつけたとします。 • 全ての個人の布置の原型となる共通布置空間では， • 個人の特徴は次元に対する重みとして考えられて，
- 36. INDSCALの特徴 • 重みwには推定のため， ， などの 制約を課す • INDSCALは共通次元ができるので，軸の回転などの自由 度はなく，その解釈が可能 • INDSCALの重み行列wは対角行列だけど，対角の制約を 外したIDIOSCALという手法もある
- 37. 具体例 • 豊田(2018)に提供したデータの一部を抜粋 • 10の観光都市（札幌，飛騨高山，舞鶴，佐世保，志摩，秋 吉台，野沢，道後，由布院，宮古島）についてのイメージ を聞いた調査で，今回はその一部(5人分)をとりだしたもの • INDSCALはsmacofパッケージでできる。リストになった 行列を渡すだけなので比較的楽チン。
- 39. 地図に書き加える方法 • MDSで書かれた地図は対象の類似度を反映したもの • 地図に何らかの情報を追記することでよりリッチな可視 化 • 選好の情報を追加するPrefmap • 場にかかる力の情報を追加するAbelson Map ここでは２つご紹介
- 40. Preference Mapping • 類似度空間の中に「個人の点」を追加する • この個人の点は理想点を表す＝理想点と対象の点との距 離が選好度を表す • 個人iの理想点座標を 対象jに対する選好度を とし このように表す ただし 回帰分析で解ける
- 41. Preference Mapping • 先ほどの式を展開すると • MDSで対象の座標( )は元待っているから，回帰分析を 行なって回帰係数を算出し，次の式で理想点を求められ る。 詳しくは岡太・今泉「パソコン多次元尺度構成法」共立出版を
- 42. 具体例 • 先ほどのM1の地図に自分の好みを書き込んでみよう 70 80 85 90 70 60 9050 85 70 ※個人の感想です
- 44. 小杉の理想点
- 46. Abelson Mapping • Abelson(1954-55)が提唱したのは「電磁場」のメタファ • ある点Pに加わる力(Valence)は対象との距離の二乗に反比 例して加算される • 地図上の任意の点のValenceを計算し，等高線を描くこと で態度空間を可視化する （1954−55）. A technique and a model for multi-dimensional scaling. Public Opinion Quarterly, W
- 47. 具体例 • 先ほどのM1の地図に自分の好みを書き込んでみよう • 強調するために平均75を引いて中心化しています -5 +5 +10 +15 -5 -15 +15-25 +10 -5 ※個人の感想です
- 48. 小杉の「好き嫌いの境界」
- 50. 非対称多次元尺度構成法 • 距離は「対称」だが，類似度は非対称なことが結構多い • 好きな人に嫌われる，いわゆるone way love • ビールから発砲酒に変えたんです，という人は多くて もその逆は少ない • 人口の流入・流出や国際貿易の黒字・赤字 • 非対称情報に意味があるので，その情報を取り込みたい というニーズからの非対称MDS
- 51. 非対称多次元尺度構成法 • 距離空間が非対称性を許さない→空間の方をいじればいいじ ゃない→千野のHFM • ユークリッド空間に非対称情報を書き加えればいいじゃない • →岡太・今泉の(楕)円モデル • →宿久先生のエッジモデル • →vonMises分布を使って対象に衣をまとわせる • →Abelson Mapの高さとして非対称性を表現
- 52. Hermitian Form Model • 距離空間を複素空間に拡張すれば内積で距離を表せる • 行列を対称部と歪対称部に分解し，歪対称部を虚数にし たエルミート形式の距離行列を作ると，固有値が実数で 得られることが証明できるし，固有ベクトルが布置を表 す 歪対称部
- 53. Hermitian Form Model ＝ +
- 60. まとめ • MDSは距離から地図を作る方法；ロバストな反応から精緻 な(多次元)尺度を作ることができるので，データによっては 面白い分析ができるかも • MDSは地図なので，地図の上に落書きしたり色を塗ったり と，モデルの加筆修正が比較的簡単にできる世界 • 非対称MDSは世界の中でも日本が特に抜きん出ている（岡 太・今泉・千野先生といったトップクラスがいる）ので，興 味がある人は行動計量学会の非対称部会をのぞいてみては