MDS

Question 1

Was ist die Grundidee von MDS?

Answer 1

• Aus Ähnlichkeiten/Distanzen zwischen Objekten/Personen können Bewertungsdimensionen abgeleitet werden (Wie kann man wahrgenommene Ähnlichkeiten/Distanzen erklären? Durch wie viele Dimensionen und was bedeuten sie?)
• Gesucht wird sowohl die Anzahl der Bewertungsdimensionen als auch ihre Bedeutung
• Anhand dieser Dimensionen können zusätzlich Cluster (neighborhoods) von Objekten/Personen identifiziert werden
• MDS wird meist explorativ gebraucht, kann aber auch benutzt werden, um Hs über zugrundeliegende Dimensionen zu überprüfen (konfirmatorisch)

Question 2

Wie geht man bei MDS vor?

Answer 2

1. Ausgangsbasis: Distanzmatrix
2. Starkonfiguration einstellen
3. Ende des Analysevorgangs

Question 3

Was ist eine Distanzmatrix?

Answer 3

Ähnlichkeitsmatrizen können in Distanzmatrizen umgewandelt werden (verschiedene Möglichkeiten; Distanzmatrizen können sowohl intervall- als auch ordinalskalierte Werte enthalten (metrische vs. nonmetrische MDS) Bei Umwandlung und Analyse auf Polarität achten!! Sonst sehen Ergebnisse anders aus

Ziel: Unterschiede zwischen Ausgangsdistanzen und Distanzen in der n-dimensionalen Lösung sollen minimiert werden –> die meisten Verfahren arbeiten iterativ, bis Unterschiede nicht mehr bedeutsam sind

Question 4

Was passiert beim Einstellen der Startkonfiguration?

Answer 4

Wie viele Personen/Objekte im n-dimensionalen Raum geordnet sind –> verschiedene Algorithmen + iterative Zufallskonfiguration (kommt zu kleinsten Unterschieden) –> wenn man nicht weiß, wie viele Dimensionen probiert man ab 1 aus (meistens 2 –> Streudiagramm)

Question 5

Wann hört der Analysevorgang auf?

Answer 5

Wenn die Unterschiede zwischen Ausgangs- und konfigurierten Distanzen nicht mehr nennenswert (Abbruchkriterium) verkleinert werden können –> dafür Güte beachten

Analyse kann für unterschiedlich viele Dimensionen durchgeführt werden - am häufigsten werden zwei Dimensionen benutzt.

Question 6

Was sind die Gütekriterien bei MDS?

Answer 6

Keine eindeutigen Kriterien–> Man versucht Fehler zu minimieren
* Plot der Ausgangsdistanzen versus konfigurierte Distanzen (Optimum: alle Punkte auf einer Geraden) –> visuelle Lösung
* Stress-Maß (zentrales Maß, mehrere Varianten)
* etc.

Question 7

Was lässt sich zum Stressmaß sagen?

Answer 7

Man benutzt nicht die absoluten Maße, sondern vergleicht sie eher um zu sehen ob man noch eine Dimension braucht –> man kann sehen, wie sich das Hinzufügen einer Dimension auf das Mß auswirkt = Grundlage für Entscheidung, wie viele Dimensionen man behalten möchte

Question 8

Vergleiche die MDS mit einer Clusteranalyse?

Answer 8

Kategorien auf Basis der Dimensionen
Bei Clusteranalyse auf Basis der Ausprägungen der Variablen
Bei beiden Distanzmatrix

Question 9

Vergleiche MDS mit der Faktorenanalyse

Answer 9

Finden von dahinter liegenden Dimensionen hinter den Ausgangsdaten
FA: basierend auf Korrelationen

Question 10

Was gibt das Stressmaß an?

Answer 10

Wie gut die gefundene Konfiguration zur Ausgangsmatrix passt

Abstände mgl klein