Поиск:
А Б В Г Д Е Ж З И Й К Л М Н О П Р С Т У Ф Х Ц Ч Ш Щ Э Ю Я


Статьи

Словари:

Архитектурный словарь
Бизнес словарь
Биографический словарь
Исторический словарь
Медицинский словарь
Морской словарь
Политический словарь
Психологический словарь
Религиозный словарь
Сексологический словарь
Словарь воровского жаргона
Словарь имён
Словарь компьютерного жаргона
Словарь логики
Словарь мер и весов
Словарь нумизмата
Словарь Русских фамилий
Словарь символов
Словарь синонимов
Социологический словарь
Строительный словарь
Философский словарь
Финансовый словарь
Экономический словарь
Этнографический словарь
Юридический словарь



Социологический словарь

АНАЛИЗ МНОГОМЕРНЫЙ СТАТИСТИЧЕСКИЙ:



АНАЛИЗ МНОГОМЕРНЫЙ СТАТИСТИЧЕСКИЙ - - раздел математической статистики , предназначенный для анализа  связей между тремя и более переменными. Можно условно выделить три основных класса  задач А.М.С. Это исследование  структуры связей между переменными и снижение размерности пространства признаков, построение классификаций и типологий, исследование причинных связей. Для представления структуры связей между переменными обычно используется матрица корреляций  . Ее анализ, заключающийся в выделении подмножеств переменных, тесно коррелирующих друг с другом, может осуществляться "вручную", например, с помощью графа, отражающего наиболее существенные связи между переменными, либо методами компьютерного анализа, такими, как метод главных компонент,  факторный анализ,  кластерный анализ  переменных. Анализ структуры связей часто рассматривается в качестве самостоятельной задачи,  например, при исследовании структуры ценностей, мотивов и т.п., для проверки психометрических шкал на надежность  и в других случаях. Однако он может использоваться и в качестве промежуточного этапа при решении задачи снижения размерности пространства признаков. Снижение размерности обычно применяется для построения пространства, более удобного для решения задач классификации и исследования причинных связей, чем исходный набор переменных. Задача снижения размерности заключается в том, чтобы от большого количества исходных переменных перейти к нескольким обобщенным показателям. Метод  главных компонент , анализ факторный  , метод многомерного шкалирования  предусматривают для этого разнообразные процедуры. Задачи и методы классификации,  в зависимости от условий, делятся на три группы: классификация  по заданным формальным критериям, автоматическая классификация и классификация с обучением. Классификация по заданным критериям, строго говоря, не является статистическим методом. Она состоит в группировке объектов по одному или нескольким показателям. В последнем случае классификация называется перекрестной или лингвистической (например, половозрастная структура  населения). Автоматическую классификацию применяют в тех случаях, когда критерии группировки неизвестны и отсутствуют априорные представления о количестве и характере классов. Для ее построения используются методы анализа кластерного , позволяющие выделить группы объектов, близких друг к другу по значениям измеренных переменных. В основе кластерного анализа лежит вычисление расстояний между объектами. Классификация с обучением применяется, когда критерии классификации неизвестны, но известно количество классов и их типологические особенности. В этом случае может быть сформирована так называемая выборка обучающая  , состоящая из реальных объектов, обладающих соответствующими характеристиками, или/и искусственных объектов - моделей "типичных представителей" классов. В обучающей выборке должны присутствовать "представители" всех предполагаемых классов. Классификация конкретного объекта  состоит в том, что вычисляется расстояние между ним и объектами из обучающей выборки и объект причисляется к тому классу, расстояние до которого для него оказалось минимальным. Классификация с обучением осуществляется некоторыми методами кластерного и дискриминантного анализа. Анализу статистических причинных связей в последние годы уделяется особое внимание. Классическим методом для решения таких задач является дисперсионный анализ,  в основе которого лежит эксперимент факторный   (не путать с анализом факторным - ). Начиная с 1960-х активно разрабатываются регрессионные и регрессионно-подобные причинные модели ( Каузальное моделирование) , а также техники, позволяющие использовать в этих моделях не только "количественные", но и "качественные" переменные ( Dummy-кодирование). В настоящее время  для исследования причинных связей, в зависимости от характера используемых переменных, применяются методы множественной линейной регрессии, логистической регрессии, дискриминантного анализа и т.п. Эти методы предполагают наличие единственной зависимой переменной и не позволяют исследовать структуру связей между независимыми переменными (предикторами). Структура связей между предикторами может быть учтена в моделях анализа путевого . Наиболее общим является метод линейных структурных уравнений , позволяющий строить сложные модели с большим числом взаимодействующих между собой зависимых и независимых переменных, среди которых могут быть не только наблюдаемые, но и латентные признаки. Регрессионный, дисперсионный, путевой и факторный анализ являются его частными случаями. О.В. Терещенко
Похожие на АНАЛИЗ МНОГОМЕРНЫЙ СТАТИСТИЧЕСКИЙ слова / понятия:

АНАЛИЗ ПРИБЫЛИ И ИЗДЕРЖЕК
АНАЛИЗ ПРИЧИННЫЙ
АНАЛИЗ ПУТЕВОЙ
АНАЛИЗ РАЗГОВОРА (CONVERSATION ANALYSIS)
АНАЛИЗ РЕГРЕССИОННЫЙ
АНАЛИЗ РЕГРЕССИОННЫЙ КАЧЕСТ­ВЕННЫЙ
АНАЛИЗ СИСТЕМНЫЙ
АНАЛИЗ СОБЫТИЙНЫЙ
АНАЛИЗ СОЦИАЛЬНЫХ СЕТЕЙ
АНАЛИЗ СТРУКТУРНО-ФУНКЦИОНАЛЬНЫЙ