STATIS

Die STATIS-Methode ist eine Multi-Konfigurationsdaten-Analysemethode, die am häufigsten  in der Sensometrie verwendet wird. Die Konfiguration kann verschiedene Bewerter, Probanden oder Prüfer sein. STATIS kann insbesondere bei projektivem Mapping / Napping, konventionellem Profiling oder frei wählbarerm Profiling verwendet werden. Das Hauptaugenmerk von STATIS ist, dass atypische Konfigurationen ein geringeres Gewicht haben als zentrale Konfigurationen. Daher spiegelt die Analyse den allgemeinen Standpunkt und nicht diese atypischen Konfigurationen am besten wider.

Prinzipien von STATIS

STATIS ist eine Methode, die an der Skalarmatrix jeder Konfiguration arbeitet. Dadurch kann mit Konfigurationen mit unterschiedlichen Spaltennummern gearbeitet werden. Ihr Ziel ist es, eine Konsenskonfiguration zu bilden, die die verschiedenen Konfigurationen bestmöglich widerspiegelt. Dieser Konsens kann dann auf verschiedene Achsen projiziert werden. Wenn die mit 2 oder 3 ersten Achsen verknüpften Informationen einen ausreichenden Prozentsatz der Gesamtvariabilität des Konsenses darstellen, können die Objekte in einem 2-3-dimensionalen Diagramm dargestellt werden, wodurch die Interpretation erheblich vereinfacht wird.

STATIS Optionen in XLSTAT

Struktur der Daten

Es gibt zwei Fälle:

1. Die Anzahl der p-Variablen ist für die m-Konfigurationen identisch.

2. Die Anzahl p der Variablen variiert von einer Konfiguration zur anderen.

Für die Dateneingabe fordert XLSTAT Sie auf, eine Konfiguration auszuwählen, die den m zusammenhängenden Konfigurationen entspricht, und den Fall der Struktur anzugeben.

Skalierung und globale Skalierung

Wenn sich die Daten in einer Konfiguration nicht auf derselben Skala befinden, empfiehlt es sich, die Variablen jeder Konfiguration zu skalieren (zu reduzieren). Dies ist zum Beispiel bei Bewertungen zwischen 0 und 20 nicht der Fall, es wird jedoch empfohlen, wenn einige Noten zwischen 0 und 10 und andere zwischen 0 und 20 liegen. Klassisch wird die Gesamtreduzierung jeder Konfiguration empfohlen. Es erlaubt, alle Konfigurationen hinsichtlich der Varianz auf eine Stufe zu stellen. Im Fall von Konfigurationen, bei denen die Attribute von Bewertern zwischen 0 und 20 notiert werden, werden Skalierungsfaktoren zwischen dem Prüfer, der nur zwischen 5 und 15 notiert, und dem Prüfer, der die volle Notenskala verwendet, entfernt.

STATIS Ergebnisse in XLSTAT

Eigenwerte: Die Eigenwerte und das zugehörige Diagramm (Scree-Diagramm) werden angezeigt.

Konsenskoordinaten: Konsenskoordinaten im Faktorenraum werden mit den entsprechenden Diagrammen angezeigt (abhängig von der Anzahl der ausgewählten Faktoren).

RV Matrix: The matrix of RV coefficients between all configurations is displayed. The coefficient RV is a coefficient of similarity between two configurations included between 0 and 1. The closer it is to 1, the stronger the similarity. This matrix is used by STATIS to calculate the weights of the configurations.

Skalierungsfaktoren: Die Skalierungsfaktoren werden mit dem zugehörigen Balkendiagramm angezeigt. Je größer ein Skalierungsfaktor in einer Konfiguration ist, desto kleiner ist der Maßstab der verwendeten Konfiguration. Diese Tabelle wird in der sensorischen Analyse verwendet, um zu verstehen, wie Bewerter die Bewertungsskalen unterschiedlich einsetzen.

Gewichte: Die von STATIS berechneten Gewichte werden mit dem zugehörigen Balkendiagramm angezeigt. Je größer das Gewicht, desto mehr trug die Konfiguration zum Konsens bei. Wenn man weiß, dass STATIS den engsten Konfigurationen aus globaler Sicht mehr Gewicht gibt, bedeutet ein viel geringeres Gewicht, dass die Konfiguration untypisch ist.

Konsens Konfiguration: Die Konsensuskonfiguration wird angezeigt. Sie entspricht dem gewichteten Durchschnitt der Skalarproduktmatrizen der Ausgangskonfigurationen (möglicherweise variabel und / oder global reduziert).

Homogenität: Die Homogenität der Konfigurationen wird angezeigt. Es ist ein Wert zwischen 1 / m (m ist die Anzahl der Konfigurationen) und 1, der mit der Homogenität der Konfigurationen zunimmt.

RV Konfiguration/Konsens: Die RV-Koeffizienten zwischen den Konfigurationen und dem Konsens werden mit dem zugehörigen Balkendiagramm angezeigt. Wie die Gewichte von STATIS ermöglichen diese Koeffizienten die Erkennung atypischer Konfigurationen. Der Vorteil dieser Koeffizienten liegt darin, dass sie zwischen 0 und 1 liegen, sodass sie leichter zu interpretieren sind als die Gewichtungen.

Globaler Fehler: Der globale Fehler des STATIS-Kriteriums wird angezeigt. Er entspricht der Summe aller Residuen (welcher durch Konfiguration oder Objekt dargestellt werden können).

Residuals nach Konfiguration:  Diese Tabelle und das zugehörige Balkendiagramm ermöglichen die Visualisierung der Verteilung der Residuen anhand der Konfiguration. So kann festgestellt werden, für welche Konfigurationen STATIS weniger effizient war, dh welche Konfigurationen sich am stärksten vom Konsens abheben.

Residuen nach Objekt: Diese Tabelle und das zugehörige Balkendiagramm ermöglichen die Visualisierung der Verteilung der Residuen nach Objekten. So kann festgestellt werden, für welche Objekte STATIS weniger effizient war bzw. mit anderen Worten, welche Objekte sich am stärksten vom Konsens abheben.

Korrelation: Die Korrelationen zwischen den Faktoren und den Anfangsvariablen sowie der Korrelationskreis werden angezeigt. Dieses Diagramm zeigt die Verbindungen zwischen den verschiedenen Variablen und den Faktoren.

Objektkoordinaten (Darstellung nach Konfiguration): Diese Tabellenreihe entspricht den Koordinaten der Objekte für jede Konfiguration. Nach der optionalen Skalierung und der globalen Skalierung erfolgt dann die Projektion der Faktoren. Die Präsentation erfolgt durch Konfiguration.

Objektkoordinaten (Präsentation nach Objekt):

Diese Tabellenreihe entspricht den Koordinaten der Objekte für jede Konfiguration. Nach der optionalen Skalierung und der globalen Skalierung erfolgt dann die Projektion der Faktoren. Die Präsentation erfolgt nach Objekt.