|
На сегодняшний день есть лишь несколько методов компьютерной обработки импликативных решеток. К ним относится модификация метода факторного анализа Келли. При использовании этого метода исследователь сталкивается с извечной проблемой сравнения данных типа «пропуск — галочка»: и галочкам, и пропу- 1 Метод главных компонент — один из наиболее распространенных методов факторного анализа. Не требует никаких априорных предположений о структуре данных. Позволяет получить однозначное решение. Выделяемые факторы (главные компоненты) ортогональны (не коррелируют друг с другом) и упорядочены по величине, так что первая главная компонента объясняет максимальное количество дисперсии данных и т. д.— Прим. ред. 124 скам приписывается одинаковое значение, что вновь приводит к вопросу о неравномерности распределения элементов по полюсам конструктов. Для преодоления этих трудностей была разработана программа подсчета биноминальной вероятности совпадения и несовпадения галочек в парах строк и столбцов биполярной импликативной решетки (66). Однако, как стало ясно сейчас, и это далеко не лучший способ обработки. В настоящее время разрабатывается совершенно новый подход к анализу данных импликативных решеток, базирующийся на модели субъективной вероятности. С помощью этой модели строится матрица сходства конструктов, подвергающаяся затем кластерному анализу по одному из существующих алгоритмов. Для тех, кто интересуется статистикой и хотел бы расширить свои познания в области компьютерной обработки решеток, мы включили в эту главу общее обсуждение этой проблемы, в значительной степени заимствованное из работы Уилсон (222), где она подчерк кивает, что существуют две большие группы методов анализа ранговых и оценочных решеток. Метрический факторный анализ1 Главное преимущество методов этого типа заключается в их доступности: в Великобритании и США они включены в коммерческие статистические пакеты программ (например, СПСН, или Статистический пакет программ для социальных наук, 154). СПСН включает в себя пять различных методов факторного анализа. Анализ методом главных компонент (МГК). Он не накладывает ограничений на анализируемые данные (чего нельзя сказать про другие четыре метода). По существу, это анализ общей дисперсии данных, позволяющий обрабатывать столбцы и строки раздельно. Получаемые главные компоненты можно вращать при помощи алгоритмов, основанных на одном из трех критериев (варимакс, эквимакс и облимакс)2. В итоге обработки строится факторное пространство. — 90 —
|