測量與量尺（二）
Unidimensional and Multidimensional Scaling
多變量分析（心理系）
MDS 好用的工具
配對比較量表
適合度
Thurstone Scaling
Other Unidimensional Scaling
Likert Scaling
Guttman Scaling
一般奇數
偶數具有強迫性質
1 定義焦點問題（聚焦的問題）
NB 單一維度的量尺不可測多的
不能在一份裡面涉及兩個維度的
否則對信效度折扣
不能把多於一種維度的問題夾雜
解決辦法是再編一套，而非夾雜
列出焦點問題的敘述，產生題目
45題--45個句子，5點量表的得分
要多於最後要用的
加入篩選機制
“相關係數”
同進同退
-1到1
-1 100%相反相關 負相關
1 同進退
0 不相關
∴ 不是越低越不相關！！！
挑題目（編測驗的題目，選出好題，編制好題）
leaker scale
目的：Other Unidimensional Scaling
保證題目有用和鑒別力。題目具有公信力和效度的保障。每個問題都應該是與概念有一定程度的xiangguan 性，是否真的測到你關心的概念
所以要有公信力，特別是作為藝術學門，更需要測相關性
- 受試者的總分
r（相關係數）≥ 0.6 - 找20個受試者做評量
- 丟掉相關性低的題目
①相關係數 選排名前15的 （相關）
②選前1/4和后1/4差距大的，選擇“鑒別度高”的題目（eg 同婚槍斃）
希望每道題都盡可能拉開那個差異 （鑒別）
這部分好好做，後面才可以省時間
- 施測
NB句子問的方向，有點需要反轉
高分反應哪一端？
Multidimensional Scaling (MDS)
差距越大，距離越遠
差距越小，距離越近
對於判斷多於一個維度
目的：挖掘內在的判斷（心裡依據的尺（標準）），得到這種。用少的維度，描述複雜的資料。
開始矩陣：8X8 10X10
第一把尺是什麼 畫家在其中的位置在哪裡
第二把尺是什麼 畫家在其中的位置在哪裡
第三把尺是什麼 畫家在其中的位置在哪裡
……
可以視覺化的看資料
【尋求結構，降低維度】
“有沒有圈的效果”
“空間中以距離的遠近顯示出來”
MDS Example: City Distances
（美國地圖 數據變圖）
對稱性矩陣
NB 初學者：是對稱的
Ectually，心理距離
NB 需要“轉”，找“東西南北”
但是點與點之間的距離是不變
看轉到哪裡最有道理
MDS的操作
MDS的資料：相似性、相異性（需要自行選擇）
相似性的測量，分數愈高，刺激愈相似；相異性則反之
SPSS要求輸入的資料是相異性矩陣（距離矩陣）（註：新版已無此限制，但須自己選擇資料究竟是相似性還是相異性）
Direct/raw data
直接拿到的數字
Likert Scaling 作為相似相異的基礎
Indirect/derived data
data mining
有很多現成的資料
就看你知不知道怎麼用
例子：容易混淆的英文字 人因
动用足够多的受試者，分堆法（這裡老師舉了例子走神了，沒聽懂00）（第三節課第一個例子）
第一輪 最小1
最大 n-1
最高 eg 8位畫家 就8-1
第一步的圖：【壓力係數】根據彎折，選擇要多少維
應力（強迫它的係數）越小越好
【變異（數值不同）】
R2 (RSQ):越接近1越好
解釋變異程度
（需要檢查）
共同空間？
軸度的命名與詮釋
命名之前各個旋轉角度都看看，看哪種角度最好解釋
選X軸和Y軸，看最遠的數值之間差異性最大的部分
MDS 幾點留意事項
click to edit