Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "multidimensional data analysis." wg kryterium: Temat


Wyświetlanie 1-2 z 2
Tytuł:
Multidimensional Scaling in Economic Research
Wielowymiarowe skalowanie w badaniach ekonomicznych
Autorzy:
Biela, Adam
Powiązania:
https://bibliotekanauki.pl/articles/904915.pdf
Data publikacji:
2004
Wydawca:
Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
Tematy:
multidimensional scaling
theory of data decision analysis
Opis:
A relationship between the theoretical terms and the observational ones, called also a perceptual or observational, is essential for scientific research of empirical type, including social sciences and economic sciences. This relationship cannot be clarified in terms of a complete definition but only by a partial definition. This methodological truth is well known since R. Carnap's works. Later on it was developed in methodology of sciences by the Polish logicians: Przełęcki, Poznański and Kamiński. Multivariable techniques are necessary when one wants to define the relationships between variables in economic and social sciences. However, the results obtained in such analysis are often unsatisfactory because the residual variance is too large. Multidimensional scaling proposes quite a different methodological approach for seeking the relationship between the theoretical terms and the observational ones. This paper aims: (1) to show what kind of methodological proposition is multidimensional scaling; (2) to show what are the possible directions of applying multidimensional scaling to social and economic analysis; (3) to define the multidimensional character of decision analysis.
W badaniach naukowych typu empirycznego (do których należą również nauki społeczne i ekonomiczne) istotne znaczenie ma określenie związku pomiędzy terminami teoretycznymi a terminami empirycznymi. Związku tego nie da się ustalić w postaci definicji zupełnych, lecz tylko i wyłącznie przez definicje cząstkowe. Ta prawda znana jest już od czasu prac R. Carnapa, a została utrwalona i rozwinięta w metodologii nauk przez polskich logików: Przełęckiego, Poznańskiego, Kamińskiego. W określaniu związków pomiędzy analizowanymi zmiennymi w naukach społecznych i ekonomicznych konieczne jest stosowanie technik wielozmiennowych. Wyniki uzyskanych analiz nie są jednak zadowalające z uwagi na ich zbyt wielką wariancję resztową. Nieco inne podejście metodologiczne w poszukiwaniu związku między terminami teoretycznymi i empirycznymi proponuje skalowanie wielowymiarowe. Artykuł omawia założenia metodologiczne skalowania wielowymiarowego, teorię danych С. H. Coombsa (1964) jako podstawę logiczną tego skalowania oraz przydatność tej metody w analizie decyzyjnej. Wskazano, iż skalowanie wielowymiarowe może okazać się przydatne w pierwszych etapach pracy badawczej, eksperckiej, analitycznej czy aplikacyjnej, gdy należy usystematyzować zebrane dane i na tej podstawie przystąpić dopiero do formułowania hipotez, sądów, diagnoz, ocen. Istnieje jeszcze jedna możliwość wykorzystania skalowania wielowymiarowego, a jest nią mianowicie integrowanie różnych opinii oraz ekspertyz w przedmiotowej kwestii.
Źródło:
Acta Universitatis Lodziensis. Folia Oeconomica; 2004, 175
0208-6018
2353-7663
Pojawia się w:
Acta Universitatis Lodziensis. Folia Oeconomica
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Switch preference analysis by the drift vector method
Analiza zmian preferencji z wykorzystaniem metody wektorów dryfu
Autorzy:
Zaborski, Artur
Powiązania:
https://bibliotekanauki.pl/articles/654523.pdf
Data publikacji:
2015
Wydawca:
Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
Tematy:
analiza preferencji
skalowanie wielowymiarowe
dane asymetryczne
wektory dryfu
preference analysis
multidimensional scaling
asymmetric data
drift vectors
Opis:
Punktem wyjścia w skalowaniu wielowymiarowym jest symetryczna macierz niepodobieństw. Jednak macierz danych o zmianach preferencji (np. prawdopodobieństwo, że konsument dokonuje zakupu marki j pod warunkiem, że przy wcześniejszych zakupach była to marka i, liczba osób deklarujących, że marka j jest przez nich najbardziej preferowana, mimo że we wcześniejszym okresie była to marka i i in.) nie jest symetryczna. Dla takich danych uśrednienie odpowiednich wartości niepodobieństw prowadzi do utraty cennych informacji dotyczących analizowanego zjawiska, stąd konieczność stosowania metod właściwych dla danych niesymetrycznych. Spośród wybranych metod niesymetrycznego skalowania wielowymiarowego szczególną uwagę zwrócono na metodę wektorów dryfu. Metoda ta umożliwia równoczesną prezentację na mapie percepcyjnej konfiguracji punktów reprezentujących analizowane obiekty, jak również wektorów wskazujących kierunek i siłę zmian zachodzących w preferencjach respondentów.
The matrix of  switch preference data (e.g. one’s preference for brand j, given that one has already defined his/her first choice for brand i) is not symmetric. The averaging of  appropriate off-diagonal proximity entries for such data leads to the loss of information, hence the necessity to use appropriate methods for asymmetric data. Among the chosen methods of asymmetric multidimensional scaling, particular attention was paid to the drift vectors method. This method enables to present simultaneously on the perceptual map both the configuration of points representing the analyzed objects and the vectors indicating the direction and the strength of changes in the respondents preferences.
Źródło:
Acta Universitatis Lodziensis. Folia Oeconomica; 2015, 3, 314
0208-6018
2353-7663
Pojawia się w:
Acta Universitatis Lodziensis. Folia Oeconomica
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-2 z 2

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies