Applied Multidimensional Scaling and Unfolding

این کتاب مقیاس‌گذاری چند بعدی (MDS) و آشکارسازی را به عنوان تکنیک‌های تجزیه و تحلیل داده‌ها برای محققان کاربردی معرفی می‌کند. MDS برای تجزیه و تحلیل داده های مجاورت بر روی مجموعه ای از اشیاء استفاده می شود که داده ها را به صورت فاصله بین نقاط در یک فضای هندسی (معمولاً دو بعدی) نشان می دهد. Unfolding یک روش مرتبط است که داده‌های ترجیحی (معمولاً رتبه‌بندی‌های ارزیابی افراد مختلف در مجموعه‌ای از اشیاء) را به عنوان فاصله بین دو مجموعه نقطه (نماینده افراد و اشیا، به عبارت دیگر) ترسیم می‌کند.

این ویرایش دوم به طور کامل بازنگری شده است تا پیشرفت‌های جدید را منعکس کند و پوشش بازگشایی نیز به میزان قابل توجهی گسترش یافته است. در نظر گرفته شده برای محققان کاربردی که علایق اصلی آنها در استفاده از این روش ها به عنوان ابزاری برای ساختن نظریه های اساسی است، کاربردهای متعددی (کلاسیک و جدید) را مورد بحث قرار می دهد، موضوعات عملی را برجسته می کند (مانند ارزیابی تناسب مدل)، راه هایی را برای اعمال انتظارات نظری برای راه حل های مقیاس بندی ارائه می کند. ، و اشتباهات معمولی را که کاربران MDS/گشوده شده مرتکب می شوند، بررسی می کند. علاوه بر این، نشان می دهد که چگونه می توان از MDS و unfolding در کارهای تحقیقاتی عملی استفاده کرد، در درجه اول با استفاده از بسته smacof در محیط R و همچنین Proxscal در SPSS. این یک منبع ارزشمند برای روانشناسان، دانشمندان علوم اجتماعی و محققان بازار است که درک اولیه از آمار چند متغیره (مانند رگرسیون چندگانه و تحلیل عاملی) دارند.

This book introduces multidimensional scaling (MDS) and unfolding as data analysis techniques for applied researchers. MDS is used for the analysis of proximity data on a set of objects, representing the data as distances between points in a geometric space (usually of two dimensions). Unfolding is a related method that maps preference data (typically evaluative ratings of different persons on a set of objects) as distances between two sets of points (representing the persons and the objects, resp.).

This second edition has been completely revised to reflect new developments and the coverage of unfolding has also been substantially expanded. Intended for applied researchers whose main interests are in using these methods as tools for building substantive theories, it discusses numerous applications (classical and recent), highlights practical issues (such as evaluating model fit), presents ways to enforce theoretical expectations for the scaling solutions, and addresses the typical mistakes that MDS/unfolding users tend to make. Further, it shows how MDS and unfolding can be used in practical research work, primarily by using the smacof package in the R environment but also Proxscal in SPSS. It is a valuable resource for psychologists, social scientists, and market researchers, with a basic understanding of multivariate statistics (such as multiple regression and factor analysis).