Escalamiento Multidimensional
Escalamiento Multidimensional
Escalamiento Multidimensional
En los últimos años se puede obtener datos de todo y sin mayor dificultad a su acceso.
Hoy en día muchas de las investigaciones analizan grandes conjuntos de datos, utilizando
para ello las técnicas multivariantes. Por ese motivo, hay que importante mencionar que
las técnicas multivariantes cobran cada vez mayor importancia en las investigaciones.
Una de las técnicas multivariantes es el Escalamiento Multidimensional
(Multidimensional Scaling, MDS), una técnica multivariante de interdependencia que
trata de representar en un espacio geométrico de pocas dimensiones las proximidades
existentes entre un conjunto de objetos o de estímulos.
El MDS es una técnica de representación espacial que trata de visualizar sobre un mapa
un conjunto de estímulos (objeto de estudio) cuya posición relativa se desea analizar. El
propósito del MDS es transformar los juicios de similitud o preferencia llevados a cabo
por una serie de individuos sobre un conjunto de objetos o estímulos en distancias
susceptibles de ser representadas en un espacio multidimensional. El MDS está basado
en la comparación de objetos o de estímulos, de forma que si un individuo juzga a los
objetos A y B como los más similares entonces las técnicas de MDS colocarán a los
objetos A y B en el gráfico de forma que la distancia entre ellos sea más pequeña que la
distancia entre cualquier otro par de objetos. (Guerrero & Ramírez, 2011)
El Escalamiento multidimensional puede trabajar con diferentes tipos de datos de entrada
tablas de contingencia, matrices de proximidad, datos de perfil, correlaciones, etc.
El MDS puede ayudar a determinar:
qué dimensiones utilizan los encuestados a la hora de evaluar a los objetos.
cuántas dimensiones utilizan.
la importancia relativa de cada dimensión.
cómo se relacionan perceptualmente los objetos.
El MDS es una técnica que puede servir como alternativa o complemento a otras técnicas
multivariante como el análisis factorial o análisis clúster ya que tienen objetivos similares.
Modelo general de escalamiento multidimensional
En general, el MDS toma como entrada una matriz de proximidades, Mnxm, donde n es
el número de estímulos. Cada elemento aij de A representa la proximidad entre el estímulo
i y el estímulo j.
𝑎11 ⋯ 𝑎1𝑛
𝐴=( ⋮ ⋱ ⋮ )
𝑎𝑛1 ⋯ 𝑎𝑛𝑛
A partir de la matriz de proximidades el escalamiento multidimensional da como salida
otra matriz Xnxm donde n sigue siendo el número de estímulos y m es el número de
dimensiones. Cada xij representa la coordenada del estímulo i en la dimensión j.
𝑥11 ⋯ 𝑥1𝑚
𝑋=( ⋮ ⋱ ⋮ )
𝑥𝑛1 ⋯ 𝑥𝑛𝑚
De la matriz se puede calcular la distancia existente entre dos estímulos i y j, aplicando
la fórmula general de la distancia de Minkowski:
𝑝 𝑝
𝑑𝑖𝑗 = [∑𝑚
𝑡=1(𝑥𝑖𝑡 − 𝑥𝑗𝑡 ) ] , con p ≥ 1
Con lo cual se obtiene la matriz Dnxn de distancias:
4. Transformar la matriz Bnxn en una matriz Xnxm tal que B=X·X’, donde X
es la matriz que nos da las coordenadas de cada uno de los n estímulos en
cada una de las m dimensiones.
Como medida para la bondad del modelo generalmente se utiliza el Stress que Kruskal
Mientras mayor sea la diferencia entre las disparidades y las distancias (entre f(δij) y
dij), mayor será el Stress y por tanto peor será el modelo. Entonces, el Stress no es
propiamente una medida de la bondad del ajuste, sino una medida de la no bondad o del
ajuste. Su valor mínimo es 0, mientras que su límite superior para n estímulos es
2
√1 − 𝑛.