STATIS

オブジェクト間のリンクやコンフィグレーション間の同意を調査して可視化するために、オブジェクト/量的変数の多コンフィギュレーションを分析するには STATISを使用する。

STATIS.PNG

STATIS法は、官能測定(sensometry) で最もよく使用される多コンフィギュレーション(構成)分析手法である。コンフィギュレーションは、さまざまな判定者、被験者または審査員であり得る。STATIS は、とくにprojective mapping / Napping, conventional profiling, free choice profiling.の場合に使用できる。STATISの大きな関心は、非典型的なコンフィギュレーションが、 主要なコンフィギュレーションよりも小さな重みを持つことである。したがって、 分析は一般的な視点を反映しており、非典型的なコンフィギュレーションを反映するのではない。

STATISの原理

STATISは、各コンフィギュレーションのスカラー行列で動作する手法であり、したがって、異なる列数を持つコンフィギュレーションで作業することを可能にする。その目的は、さまざまなコンフィギュレーションを 反映するコンセンサス・コンフィギュレーションを形成することであり、それ以上ではない。そして、このコンセンサスは、さまざまな軸に射影できる。最初の2 つまたは 3 つの軸に関連する情報が、コンセンサスの合計変動の十分なパーセンテージを表現しているなら、オブジェクトは、2- 3次元のチャートで表現でき、したがって解釈がとても簡単になる。

XLSTATでのSTATIS オプション

データの構造

2とおりのケースがある:

1.  p 個の変数の数が、 m個のコンフィギュレーションで同じである。

2. 変数の数 p がコンフィギュレーションごとに異なる。

データ入力のために、XLSTATは、  m 個の連続したコンフィギュレーションに一致するコンフィギュレーションを選択して、構造のケースを与えるように、ユーザーに求める。

スケーリングと全体スケーリング

コンフィギュレーション内のデータが同じ尺度でない場合、各コンフィギュレーションの変数を縮尺(縮小)することが望ましい。たとえば、これは 0 から20の間でレーティングしている場合ではないが、いくつかの記録が0から10の間で、他の記録が0から20の間である場合に望ましい。

古典的には、各コンフィギュレーションの全体的な縮小が推奨されている。これは すべてのコンフィギュレーションを分散の観点で合計が等しいとみなすことを可能にする。たとえば、審査員によって属性が0から20の間で記録されるコンフィギュレーションの場合、これは5から15の間でのみ記録する審査員とフルスケールの記録を使用する審査員との間の尺度係数を消去する。

XLSTATでのSTATISの結果

固有値: 固有値と対応するチャート(スクリー・プロット)が表示される。

コンセンサス座標: 因子空間でのコンセンサス座標が対応するチャートが(選ばれた因子の数に応じて)表示される。

RV 行列: すべてのコンフィギュレーション間のRV 係数の行列が表示される。係数 RV は、2つのコンフィギュレーションの間の類似度の0 から 1の間の係数である。1に近いほど類似度がより強い。この行列は、コンフィギュレーションの重みうぃ計算するために STATIS で使用される。

尺度係数: 尺度係数が関係する棒グラフとともに表示される。コンフィギュレーションでの尺度係数が大きいほど、使用されるコンフィギュレーションの尺度が小さくなる。この表は、審査員がどれぐらい異なるレーティング尺度を使用しているかを理解するために官能分析で使用される。

重み: STATIS で計算される重みが関係する棒グラフとともに表示される。重みが大きいほど、そのコンフィギュレーションがコンセンサスにより大きく寄与する。STATISは 全体的観点から最も近いコンフィギュレーションにより大きな重みを与えることから、他よりもかなり低い重みは、そのコンフィギュレーションが非典型的であることを意味する。

コンセンサス・コンフィギュレーション: コンセンサス・コンフィギュレーションが表示される。これは、初期コンフィギュレーションのスカラー積行列(おそらく変数ごとまたは全体的に縮小される)の重みつき平均である。

均質度: コンフィギュレーションの均質度が表示される。これは、1/m (m はコンフィギュレーションの数)から 1の間の値で、コンフィギュレーションの均質度が高いほど高い値をとる。

RV コンフィグ/コンセンサス: コンフィギュレーションとコンセンサスの間のRV 係数が関係する棒グラフとともに表示される。STATISの重みのように、これらの係数は、非典型のコンフィギュレーションを検出することを可能にする。これらの係数の利点は、0 から1の間の値であり、したがって重みよりも解釈しやすいことである。

全体誤差: STATIS 基準の全体誤差が表示される。これはすべての残差の合計である(コンフィギュレーションまたはオブジェクトごとに提示できる)。

コンフィギュレーションごとの残差: この表と対応するチャートは、コンフィギュレーションごとの残差の分布を可視化できるようにする。したがって、どのコンフィギュレーションのSTATISの効率が悪いか、言い換えると、どのコンフィギュレーションがコンセンサスから最も突出しているかを識別できるようにする。

オブジェクトごとの残差: この表と対応するチャートは、オブジェクトごとの残差の分布を可視化できるようにする。したがって、どのオブジェクトのSTATISの効率が悪いか、言い換えると、どのオブジェクトがコンセンサスから最も突出しているかを識別できるようにする。

相関: 因子と初期変数の間の相関、および相関円が表示される。このチャートは、さまざまな変数と因子の間のリンクを示す。

オブジェクト座標(コンフィギュレーションごとの提示): この表の系列は、各コンフィギュレーションで、オプショナル・スケーリングおよび全体スケーリングの後、因子に射影したオブジェクトの座標に対応する。コンフィギュレーションごとに提示がなされる。

オブジェクト座標(オブジェクトごとの提示): この表の系列は、各コンフィギュレーションで、オプショナル・スケーリングおよび全体スケーリングの後、因子に射影したオブジェクトの座標に対応する。オブジェクトごとに提示がなされる。

 

ternary diagramneural network diagram

Excelで動作する統計解析ソフトウェア。

14日間無償トライアルあり。