Açılım Modeli
Unfolding Models for Preference Data · Ayrıca şöyle bilinir: Ideal Point Model, Preferential Choice Scaling, Coombs Unfolding, Katlanma Modeli
Açılım Modeli, hem bireyleri hem de seçim nesnelerini (uyaranları) ortak düşük boyutlu bir uzayda noktalar olarak temsil eden, tercihin analizine yönelik geometrik bir yaklaşımdır. Clyde Coombs'un 1950'deki tercihe dayalı seçim üzerine temel çalışmalarından doğan ve Borg ve Groenen (2005) tarafından titizlikle sistematize edilen model, her kişinin kendi ideal noktasına en yakın uyaranı tercih ettiğini varsayar, böylece sıralı tercih verilerini ortak bir uzamsal haritaya 'açılımını' yapar.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Sıralı veya derecelendirilmiş tercih verileriniz olduğunda ve bireyleri ve seçim nesnelerini ortak bir geometrik uzayda görselleştirmek istediğinizde Açılım Modelini kullanın. Yöntem, tüketici tercih çalışmaları, siyasi ideoloji ölçeklendirme ve psikometrik tutum araştırmaları için uygundur. Temel varsayımlar, tercih metriği olarak Öklid mesafesini ve her yanıtlayıcı için tek modlu (tek zirveli) bir tercih fonksiyonunu içerir. Baskınlık verileri veya tercihler tek modlu olmadığında uygun değildir. Alternatifler arasında benzerlik verileri için Çok Boyutlu Ölçekleme veya ikili karşılaştırmalar için Bradley-Terry modelleri bulunur.
Güçlü yönler & sınırlılıklar
- Hem yanıtlayıcıları hem de uyaranları tek bir yorumlanabilir uzayda ortaklaşa haritalar, tercih segmentlerini bir bakışta ortaya çıkarır.
- Aralık düzeyinde ölçüm varsayımları gerektirmeden sıralı verileri işler.
- Esnek boyutluluk, tutumluluk ve uyum kalitesi arasında ödünleşimlere izin verir.
- Geometrik olarak şeffaftır: tercih tahminleri doğrudan mesafelerden elde edilir, bu da sonuçların teknik olmayan kitlelere kolayca iletilmesini sağlar.
- Tek zirveli (tek modlu) bir tercih fonksiyonu varsayar, bu da yanıtlayıcıların karmaşık veya sözlük sırasına göre tercihlerine sahip olduğu durumlarda geçerli olmayabilir.
- Çözüm benzersiz değildir; koordinat sisteminin döndürülmesi, yansıtılması ve ötelenmesi eşdeğer uyumlar verir, bu da yorumlama için harici sabitleme gerektirir.
- Seçilen boyut sayısına duyarlıdır: çok azı yapıyı bozar, çok fazlası aşırı uyum sağlar.
- Büyük miktarda eksik sıra yargısı, her yanıtlayıcı-uyaran mesafesi Stres fonksiyonuna katkıda bulunduğu için tahmini istikrarsızlaştırabilir.
SSS
Açılım Modeli klasik Çok Boyutlu Ölçeklemeden nasıl farklıdır?
Klasik MDS yalnızca uyaranlar arasındaki uyumsuzluk (veya benzerlik) verileriyle başlar ve bir uyaran haritası üretir. Açılım Modeli ek olarak tercih sıralamalarından türetilen bireysel yanıtlayıcı ideal noktalarını içerir ve hem insanları hem de uyaranları içeren ortak bir harita üretir. Bu nedenle, girdi veri türü — ikili uyumsuzluklar yerine tercihler — temelde farklıdır.
Hangi Stres değeri kabul edilebilir bir açılım çözümü gösterir?
Çok boyutlu ölçekleme literatüründeki gelenekleri takip ederek (Borg & Groenen, 2005), 0.05'in altındaki Stres değerleri mükemmel, 0.05–0.10 iyi, 0.10–0.15 orta ve 0.20'nin üzerindeki değerler zayıf kabul edilir. Ancak Stres, veri boyutuna ve boyut sayısına bağlıdır, bu nedenle bu eşikler mutlak kesme noktaları yerine kılavuz olarak kullanılmalı ve araştırmacı, sonuçlanan yapılandırmayı anlamsal yorumlanabilirlik açısından da incelemelidir.
Açılım Modeli tam sıralamalar yerine derecelendirme ölçeklerini işleyebilir mi?
Evet. Tercih yoğunlukları bir derecelendirme ölçeğinde (örneğin, 1-7 Likert maddeleri) kaydedildiğinde, derecelendirmeleri yaklaşık mesafeler olarak ele alarak metrik açılım uygulanabilir. Metrik olmayan açılım yalnızca derecelendirmelerdeki sıralı bilgiyi kullanır. Her iki varyant da Borg ve Groenen (2005) tarafından açıklanmıştır; seçim, analistin derecelendirme ölçeği değerlerinin aralık düzeyinde anlam taşıdığı varsayımını yapmaya istekli olup olmadığına bağlıdır.
Kaynaklar
- Borg, I., & Groenen, P. J. F. (2005). Modern Multidimensional Scaling: Theory and Applications (2nd ed.). Springer. ISBN: 978-0-387-25150-9
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 2). Unfolding Models for Preference Data. ScholarGate. https://scholargate.app/tr/statistics/unfolding-model
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Bradley-Terry ModeliKarar verme↔ karşılaştır
- Korelasyon Analiziİstatistik↔ karşılaştır