Please enable JavaScript.
Coggle requires JavaScript to display documents.
測量與量尺（二） Unidimensional and Multidimensional Scaling (Other…
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
一般奇數
偶數具有強迫性質
適合度
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）
Thurstone Scaling
Other Unidimensional Scaling
Likert Scaling
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？
Guttman Scaling
Multidimensional Scaling (MDS)
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）
差距越大，距離越遠
差距越小，距離越近
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
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
