Mappage de proximité
Cette documentation guide les utilisateurs dans la spécification des données d'entrée, la sélection du modèle, les fonctions de transformation, les paramètres de dimensionnalité et l'inclusion d'attributs et de propriétés dans la cartographie de proximité.
La cartographie de proximité est une technique de visualisation utilisée pour réduire la dimensionnalité des données multivariées et pour afficher les relations entre les objets (cas, articles ou autres entités) dans une configuration spatiale. Développée à l'origine sous le nom d'échelle multidimensionnelle (MDS) en psychologie, la méthode utilise les proximités (similitudes, dissimilitudes ou distances) pour positionner les objets de manière à ce que leur disposition spatiale reflète la structure des données. Les objets similaires apparaissent proches les uns des autres; les objets dissemblables sont placés plus loin les uns des autres. La cartographie de proximité facilite l'interprétation et la reconnaissance des modèles en transformant des données relationnelles complexes en graphiques intuitifs en deux ou trois dimensions.
En IBM® SPSS® Statistics la cartographie de proximité est mise en œuvre par le biais de la procédure PROXMAP. Contrairement à PROXSCAL, qui se limite à l'analyse des matrices de proximité, PROXMAP accepte de multiples formes d'entrée et offre une plus grande flexibilité. Il prend en charge plusieurs sources de proximité, intègre des variables supplémentaires (attributs et propriétés) et offre un large éventail d'options de transformation et de restriction. Ces caractéristiques font de PROXMAP un outil puissant pour l'exploration des structures multivariées et l'intégration de divers types de données dans une représentation spatiale unifiée.
Lorsque des informations sur la proximité sont disponibles à partir de sources multiples, soit directement spécifiées, soit dérivées de données multivariées, PROXMAP peut ajuster plusieurs modèles de différences individuelles en plus du modèle d'identité par défaut. Les modèles disponibles sont le modèle de l'identité pondérée (dilatation), le modèle euclidien pondéré (diagonale) et le modèle euclidien généralisé avec des restrictions de rang optionnelles.
Par rapport aux techniques traditionnelles de réduction des dimensions telles que l'analyse des composantes principales (ACP) et le MDS classique, PROXMAP fournit une représentation plus directe et plus souple des proximités. Le MDS classique peut être utilisé pour initialiser la configuration. Lorsqu'il est appliqué à des données multivariées, le MDS classique est équivalent à l'analyse des coordonnées principales, une variante de l'ACP.
| Type d'entrée | Descriptif |
|---|---|
| Proximités brutes et proximités dérivées | Les proximités dérivées sont calculées à partir de variables numériques, ordinales ou nominales. Les deux types de proximités sont éventuellement transformés à l'aide de fonctions monotones (par exemple, ordinales ou basées sur des splines), avant d'être approximés par des distances. |
| Attributs | Variables qui contraignent la configuration et apparaissent comme des directions dans l'espace articulaire (cartographie supervisée). |
| Propriétés | Variables supplémentaires utilisées pour l'interprétation; elles sont affichées dans l'espace mais n'influencent pas la configuration (cartographie non supervisée). |
- Comme base de la dérivation de proximité
- En tant qu'attributs qui façonnent la configuration
- En tant que propriétés qui soutiennent l'interprétation
Outre la transformation linéaire, PROXMAP propose diverses options de transformation (y compris les transformations ordinales, splines monotones, splines non monotones et nominales) pour les attributs et les propriétés. Pour les proximités, les transformations doivent être monotones et inclure des transformations de puissance. Les résultats comprennent des diagnostics graphiques tels que des diagrammes de contraintes, des arbres de recouvrement minimum et des graphiques de voisinage pour aider à l'interprétation et à l'évaluation.
Exemple
La cartographie de proximité peut être appliquée à de nombreuses disciplines, notamment la psychologie et les sciences du comportement (perception, mémoire, préférences), le marketing (cartographie des marques, segmentation), la sociologie (cartographie des idéologies, réseaux sociaux), l'éducation et la psychométrie (diagnostics de tests, profilage des compétences), la linguistique (similarité sémantique, cartographie des dialectes), Géographie (distances perçues, analyse spatiale écologique), génomique et bioinformatique (modèles d'expression, structure de la population, exploration de l'hétérogénéité de l'expression d'une cellule unique), chimio-informatique (similarité moléculaire), informatique (visualisation de l'intégration), anthropologie et archéologie (similarité des artefacts, données crâniennes).
- Données
- Les données à analyser comprennent des variables qui représentent soit une matrice de proximité (ou des matrices), soit des données multivariées converties en matrice(s) de proximité.
Pour les données multivariées, les variables peuvent être un mélange de variables d'échelle, ordinales et nominales. Le nombre minimum de variables nécessaires est de 3
Pour les données de proximité, fournir le même nombre de variables que le nombre de cas.
Pour les données de proximité et les données multivariées, le nombre minimum de cas nécessaires est de 3.
La sortie comprend des configurations spatiales, divers diagrammes de diagnostic et des statistiques d'ajustement. Les biplots affichent des objets avec des variables, des attributs et des propriétés dans un espace commun.
Pour lancer l'analyse PROXMAP, cliquez sur
Cette procédure permet de coller la syntaxe de la commande PROXMAP.