Exemplu: Preferinţa pentru produse de mic

dejun
Într-un studiu, 21de studenţi de la Wharton School MBA şi soţii / soţiile lor au ierarhizat, în
ordinea preferinţei, 15 produse de mic dejun.

TP Toast pop-up
BT Buttered toast
EMM English muffin and margarine
JD Jelly donut
CT Cinnamon toast
BMM Blueberry muffin and margarine
HRB Hard rolls and butter
TMd Toast and marmalade
BTJ Buttered toast and jelly
TMn Toast and margarine
CB Cinnamon bun
DP Danish pastry
GD Glazed donut
CC Coffee cake
CMB Corn muffin and butter

Baza de date este breakfast_overall.sav

Pentru a reprezenta harta perceptuală pentru cele 15 produse de mic dejun în funcţie de
preferinţele indivizilor se aplică SMD clasică.

Analyze > Scale > Multidimensional Scaling (PROXSCAL)...

Pentru a vedea cum diferă produsele de mic dejun între indivizi vom aplica procedeul
Multidimensional Unfolding.

1. Demersul pentru analiza Multidimensional Unfolding:

Analyze > Scale > Multidimensional Unfolding (PREFSCAL)...

 Figura 1. Fereastra de dialog Multidimensional Unfolding

2. Se selectează variabilele de la Toast pop-up până la Corn muffin and butter în câmpul
datelor de proximitate.
3. Click pe butonul Options.

Figura 2. Fereastra de dialog Options

4. Se alege opţiunea Classical şi se selectează Spearman ca metodă de imputare.

 5. În opţiunea Penalty Term group, se introduce valoarea 1.0 pentru parametrul Strength
şi valoarea 0.0 pentru parametrul Range. Prin aceste opţiuni am anulat termenul de
corecţie.
6. Click pe butonul Continue.
7. Click pe butonul OK din fereastra de dialog Multidimensional Unfolding.

Indicatori rezultaţi
Figura 1. Indicatori ai soluţiei degenerate

Valoarea Stress-ului corectat este egală cu 0.0000990.

Deoarece am anulat termenul de corecţie, valoarea Stress-ului corectat este egală cu Kruskal's
Stress-I (indicatorul Kruskal's care măsoară nepotrivirea datelor). Valoare scăzută a stress-
ului arată că soluţia ajustează corect datele.

Există câţiva indicatori care semnalează o soluţie degenerată:

 Coeficientul de variaţie pentru proximităţile transformate este foarte mic comparativ

cu valoarea coeficientului de variaţie pentru proximităţile originale. Aceasta înseamnă
că proximităţile transormate sunt aproape indentice între indivizi şi deci că soluţia nu
va permite identificarea deosebirilor între obiecte.
 Valoarea indicelui Shepard ( Shepard's rough nondegeneracy index) care exprimă
ponderea distanţelor diferite este aproape 0. Acest fapt arată că nu există suficiente
distanţe diferite şi că soluţia este probabil degenerată.
Harta perceptuală comună
Figura 1. Harta perceptuală comună pentru soluţia degenerată

Harta perceptuală comună a indivizilor şi a obiectelor este o confirmare vizuală că soluţia

obţinută este degenerată.

Indivizii (elementele de pe rânduri) sunt reprezentate pe circumferinţa unui cerc care are în
centru elementele de pe coloane (produsele de mic dejun), ale căror coordonate sunt
suprapuse într-un singur punct.
Pentru a obţine o soluţie nedegenerată a analizei SMD aplicăm următorul demers:

Se face click pe opţiunea Dialog Recall şi se selectează Multidimensional Unfolding.

1. Click pe butonul Options din fereastra de dialog Multidimensional Unfolding.

Figura 1. Fereastra de dialog Options

2. În opţiunea Penalty Term group, se introduce valoarea 0.5 pentru parametrul

Strength şi valoarea 1.0 pentru parametrul Range. Sunt valorile pentru efectuarea
corecţiei.
3. Click pe butonul Continue.
4. Click pe butonul OK din fereastra de dialog Multidimensional Unfolding.
Indicatori rezultaţi
Figura 1. Indicatori ai soluţiei nedegenerate

Problemele observate în soluţia degenerată au fost acum corectate.

 Valoarea stress-ului normalizat nu mai este 0.

 Coeficientul de variaţie pentru proximităţile trasnformate are o valoare similară cu
valoarea coeficientului pentru proximităţile originale.
 Valoarea indicelui Shepard's rough nondegeneracy index (procentul distanţelor
diferite) este aproximativ 80%. Sunt suficiente distanţe diferite şi soluţia obţinută va fi
probabil o soluţie nedegenerată.
Harta perceptuală comună
Figura 1. Harta perceptuală comună pentru soluţia nedegenerată

Interpretarea dimensiunilor:

- dimensiunea orizontală (soft vs hard; produse mai soft pe măsură ce ne deplasăm spre
dreapta),
- dimensiunea verticală (informal vs formal; mic dejun mai formal pe măsură ce ne
deplasăm în jos).

Clustere de produse de mic dejun:

- donuts, cinnamon buns, şi Danish pastry: cluster de produse soft şi mai puţin obişnuite
- muffins şi cinnamon toast: cluster de produse mai tari dar mai formale
- celelalte toasts şi hard rolls: cluster de produse tari şi mai informale

Indivizii sunt reprezentaţi distinct pe clustere în funcţie de preferinţele pentru produse moi sau
tari observând o importantă variaţie intra-clustere pe dimensiunea verticală.