Correlación de proximidad
Esta documentación guía a los usuarios a través de la especificación de los datos de entrada, la selección del modelo, las funciones de transformación, los ajustes de dimensionalidad y la inclusión de atributos y propiedades en los mapas de proximidad.
La cartografía de proximidad es una técnica de visualización que se utiliza para reducir la dimensionalidad de los datos multivariantes y mostrar las relaciones entre objetos (casos, artículos u otras entidades) en una configuración espacial. Desarrollado originalmente con el nombre de escalado multidimensional (MDS) en psicología, el método utiliza las proximidades (similitudes, disimilitudes o distancias) para situar los objetos de modo que su disposición espacial refleje la estructura de los datos. Los objetos similares aparecen cerca unos de otros; los no similares se colocan más separados. La cartografía de proximidad facilita la interpretación y el reconocimiento de patrones transformando datos relacionales complejos en gráficos intuitivos bidimensionales o tridimensionales.
En IBM® SPSS® Statistics el mapeo de proximidad se implementa a través del procedimiento PROXMAP. A diferencia de PROXSCAL, que se limita a analizar matrices de proximidad, PROXMAP acepta múltiples formas de entrada y proporciona una mayor flexibilidad. Admite múltiples fuentes de proximidad, incorpora variables adicionales (atributos y propiedades) y ofrece una amplia gama de opciones de transformación y restricción. Estas características hacen de PROXMAP una potente herramienta para explorar la estructura multivariante e integrar diversos tipos de datos en una representación espacial unificada.
Cuando se dispone de información de proximidad procedente de múltiples fuentes, especificadas directamente o derivadas de datos multivariantes, PROXMAP puede ajustar varios modelos de diferencias individuales además del modelo de identidad por defecto. Los modelos disponibles incluyen el modelo de identidad ponderada (dilatación), el modelo euclidiano ponderado (diagonal) y el modelo euclidiano generalizado con restricciones de rango opcionales.
En comparación con las técnicas tradicionales de reducción de dimensiones, como el análisis de componentes principales (ACP) y el MDS clásico, PROXMAP ofrece una representación más directa y flexible de las proximidades. El MDS clásico puede utilizarse para inicializar la configuración. Cuando se aplica a datos multivariantes, el MDS clásico equivale al análisis de coordenadas principales, una variante del ACP.
| Tipo de entrada | Descripción |
|---|---|
| Proximidades brutas y proximidades derivadas | Las proximidades derivadas se calculan a partir de variables numéricas, ordinales o nominales. Ambos tipos de proximidades se transforman opcionalmente mediante funciones monotónicas (por ejemplo, ordinales o basadas en splines), antes de aproximarlas mediante distancias. |
| Atributos | Variables que limitan la configuración y aparecen como direcciones en el espacio articular (mapeo supervisado). |
| Propiedades | Variables suplementarias utilizadas para la interpretación; aparecen en el espacio pero no influyen en la configuración (mapeo no supervisado). |
- Como base para la derivación de proximidad
- Como atributos que conforman la configuración
- Como propiedades que apoyan la interpretación
Además de la transformación lineal, PROXMAP proporciona varias opciones de transformación (incluidas las transformaciones ordinal, spline monotónica, spline no monotónica y nominal) tanto para los atributos como para las propiedades. Para las proximidades, las transformaciones deben ser monótonas e incluir también transformaciones de potencia. Los resultados incluyen diagnósticos gráficos como diagramas de tensiones, árboles de expansión mínima y gráficos de vecindad para facilitar la interpretación y la evaluación.
Ejemplo
El mapeo de proximidad puede aplicarse ampliamente en diversas disciplinas, como la psicología y las ciencias del comportamiento (percepción, memoria, preferencias), el marketing (mapeo de marcas, segmentación), la sociología (mapeo ideológico, redes sociales), la educación y la psicometría (diagnóstico de pruebas, perfilado de habilidades), la lingüística (similitud semántica, mapeo dialectal), Geografía (distancias percibidas, análisis espacial ecológico), Genómica y Bioinformática (patrones de expresión, estructura de poblaciones, exploración de la heterogeneidad de la expresión unicelular), Quimioinformática (similitud molecular), Informática (visualización de incrustaciones), Antropología y Arqueología (similitud de artefactos, datos craneales).
- Datos
- Los datos que se van a analizar incluyen variables que, o bien representan una matriz (o matrices) de proximidad, o bien representan datos multivariantes que se convierten en matriz (o matrices) de proximidad.
En el caso de los datos multivariantes, las variables pueden ser una mezcla de variables de escala, ordinales y de nivel de medición nominal. El número mínimo de variables necesarias es 3
Para los datos de proximidad, proporcione el mismo número de variables que de casos.
Tanto para los datos de proximidad como para los datos multivariantes, el número mínimo de casos necesarios es 3.
El resultado incluye configuraciones espaciales, varios gráficos de diagnóstico y estadísticas de ajuste. Los biplots muestran objetos junto a variables, atributos y propiedades en un espacio común.
Para iniciar el análisis PROXMAP, haga clic en .
Este procedimiento pega la sintaxis del comando PROXMAP.