Методология

из "Анализ финансовых данных "

Опросы в Пекине и Шанхае проводились весной 1997 г. специально обученными для этой цели интервьюерами. Отбор участников производился методом выборки, стратифицированной по возрастному, половому и имущественному признакам, по 30 респондентов в каждую группу. Участникам было предложено небольшое вознаграждение. Исследователи приложили значительные усилия для обеспечения надежности результатов. Первоначально респонденты отбирались случайным образом согласно методу стратификации. Однако затем они должны были пройти тестирование в специально арендованных в центре Пекина и Шанхая помещениях под наблюдением интервьюеров. Процедура гарантировала отсутствие фальсификации результатов со стороны как респондентов, так и интервьюеров, которые могли попросить заполнить анкету кого-нибудь еще либо сделать это самостоятельно. [c.202]
Кроме того, все опрошенные были сгруппированы по демографическим признакам, а именно по полу, уровню образования, роду занятий, месту работы и уровню доходов. В настоящей статье отражены далеко не все результаты опроса. Более подробное описание использованных нами переменных приводится в разд. 10.6. [c.202]
Анализ главных компонент и факторный анализ являются стандартными методами получения линейных проекций данных на подпространство гораздо меньшей размерности, в котором форма дисперсии исходных данных сохраняется в максимальной степени. В действительности широко используемый критерий собственного значения есть не что иное, как мера дисперсии, объяснимая в рамках предложенной модели. Подобно линейному моделированию, факторный анализ налагает строгие ограничения на используемые данные и наряду с другими обсуждаемыми методами имеет несколько серьезных ограничений в отношении визуализации структуры нелинейных данных. [c.203]
Техники многомерного масштабирования представляют собой методы создания пространств, в которых подобия рассматриваются как расстояния, задаваемые определенным показателем. Существует множество способов использования многомерного масштабирования как для метрических (где расстояния между данными должны иметь точные значения), так и для неметрических данных (где важно, чтобы расстояния между данными были одного порядка). Большинство методов многомерного масштабирования требуют сложных и значительных по объему вычислений и не позволяют создать функцию, которая бы могла быть использована для отображения новых элементов данных. Вместо этого проекции всех данных рассчитываются в процессе одновременной оптимизации. [c.203]
По сравнению со стандартными методами сегментации данных метод самоорганизующихся карт, получивший широкое применение в инженерном деле, финансах, экономике и маркетинге, позволяет существенно упростить процесс визуализации, предъявляя к нему минимум требований и ограничений. Подобно другим методам, он позволяет обрабатывать большие объемы данных в целях выявления в них закономерностей и устойчивых структур. [c.203]

Вернуться к основной статье