Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Análisis de proximidades :
desarrollo , progresos y aplicaciones
por
A. M. MARTIN CASADO y M. P. GALIND© VILLARDON
Departamento de Estadística y Matemática Aplicadas
Universidad de Satamanca
RESUMEN
1. INTRODUCCION
Este artículo es una revisión del desarrollo, avances y bibliografía del MDS,
uno de los campos del Análisis Multivariante menos estudiado en nuestro país,
aunque no faiten rneritorias aportaciones (Cuadras y Ruiz-Rivas, 1980; Cua-
dras, 1981).
A este respecto, Messick (1956) señaló que los datos no euclídeos dan lugar
a una constante aditiva grande y ésta, a su vez, a un gran número de dimensiones.
localización de los puntos de tai espacio, limitándose a aplicar tal modelo a una
situación empírica en la que las dimensiones eran conocidas a priori.
EI siguiente método de MDS a tres vías fue propuesto por McGee (1968).
Este procedimiento, capaz de analizar simultáneamente varias matrices de da-
tos, aportó la posibilidad de elegir una transformación monótona distinta para
cada matriz o única para todas ellas y posibilitó la determinacián de una sola re-
presentación multidimensional o de una para cada individuo.
EI paso más importante e influyente en el desarrollo del MDS a tres vías fue
descrito en el articulo Analysis of individua/ dífferences in multidimensional scal-
ing via an N-way genera/ization of Eckart-Young descomposition de Carroll y
Chang (1970}, en el que proponen un modelo, considerado como uno de los
más importantes dentro del MDS a tres vías (Arabie et al., 1987}, que recibe la
denominación de «modelo euclídeo ponderado» o INDSCAL (de INdividual Dif-
ferences SCALing).
donde b;^s es la desemejanza juzgada por el sujeto s entre el par de estímulos (i,
/^ . Además, si WS es la matriz diagonal de los pesos del sujeto s y XS =(x;ks),
siendo x,ks la coordenada para el sujeto s del estímulo i en la dimensión k, los
elementos de XS se suponen relacionados con los elementos de X mediante la
expresión XS = XWS (Davison, 1983).
Realmente, este modelo tenía un precedente propuesto por otros dos inves-
tigadores ( Bíoxom, 1968; Horan, 1969). Sin embargo, la explicación de que el
artículo de Carroll y Chang lograse un impacto más notable fue ei desarrolio
concomitante de un algoritmo de cálculo para implementar el modelo, evaluado
extensamente en su trabajo, y que ha mostrado eficiencia en numerosas aplica-
ciones.
Muchos de los desarrollos anteriores fueron consolidados en un enfoque uni-
ficado por Takane, Young y De Leeuw (1977); estos autores suministraron el
primer algoritmo capaz de realizar tanto el análisis métrico como el no métrico
según el modelo euclídeo ponderado o el simple. EI procedimiento, denominado
ALSCAL (de alternating least squares scaling) perfeccioná el ajuste del modelo
a los datos mediante una variante del método de los mínimos cuadrados, que es
convergente, muy rápida y relativamente libre del problema de los mínimos lo-
cales.
3. DESARROLLOS RECIENTES
También Zinnes y MacKay (1983) han trabajado en esta línea. Además, en este
punto conviene también citar el trabajo de Brady (1985), en el que aparece por
vez primera un tratamiento sistemático de las propiedades estadísticas de los
estimadores de los diversos métodos no métricos de MDS.
3) Estudio de la robustez («fiabilidad») del MDS frente a datos «excepcio-
nales» (autliers) (Null y Sarle, 1982; Spence, 1982; Heiser, 1987; Spence y Le-
wandowsky, 1989). En este sentido, hay que señalar que el artículo de Sibson
{1978) constituye el primer estudio sobre la robustez de los métodos métricos
de M DS.
4) Desarrollo del MDS no euclídeo. A este respecto, es pertinente citar los
trabajos de Winsberg y Carroll (1989a, b). Estos investigadores proponen para
una única matriz de medidas de proximidad un modelo espacial euclídeo con di-
mensiones comunes a todos los estímulos y específicas para cada uno de ellos,
aconsejando su utilización cuando los datos sean conceptuales (opuestos a per-
ceptuales). También hay que destacar en este punto los trabajos de Heiser
{1989), donde se aplica el modelo de métríca «ciudad» a una extensión del mo-
delo INDSCAL; Heiser (1991), donde se ofrece una solución mediante una ge-
neralización del modelo SMACOF al problema surgido cuando las pseudodistan-
cias en el MDS son negativas; y Arabie (1991), en el que se revisa la situación
actual de las técnicas de MDS y se comparan las diversas soluciones que pro-
porcionan según se utilicen diversas métricas.
5) Tratamiento de datos de proximidad según el enfoque de Tversky (De
Sarbo, Howard y Jedidi, 1991; De Sarbo, Jedidi y Steckel, 1991; Jedidi y De
Sarbo, 1991; De Sarbo, Johnson, Manrai y Edwards, 1992). La novedad funda-
mental en este enfoque estriba en su flexibilidad para medir datos de semejanza
sobre un conjunto amplio de estímulos y juicios.
Finalmente, debemos señalar que la actualidad del MDS es patente por las
numerosas publicaciones aparecidas en los últimos años, que describen el uso
de esta modalidad de Análisis Multivariante en diversos campos, tales como
Psicología (Birnbaum et al., 1989; Iwakuma y Makita, 1989; Janal et al., 1991;
Nosofsky, 1991), Física (Cameron, 1987; Leurgans y Ross, 1992), Política (East-
erling, 1987), Marketing (Hoffman y Perreault, 1987), Farmacología (Kumor et
al., 1990), Acústica (Ueda y Akagi, 1990) o Medicina (Morrison, 1990; Mason et
al., 1991 ; Shinozaki et al., 1992).
AGRADECIMIENTOS
BIBLIOGRAFIA
A general
CARROLL, J. D.; PRUZANSKY, S., y I'CRUSKAL, J. B. (1980): « CANDELlC:
approach to muttidimensional analysis of many-way arrays with linear cons-
traints on parameters», Psychometrika, 45, 3-24.
COHEN, H. S., y JONES ,L. E. (1974): «The effects of random error and subsam-
pling of dimensions on recovery of configurations by non-metric multidimen-
sional scaling», Psychometrika, 39, 69-90.
CooMBS, C. H. (1950): «Psychological scaling without a unit of ineasurement»,
Psychol. Rev., 57, 148-158.
(1964) : A Theary of Data, Wiley.
;^N,^^l.l^l5 I^t^. 1'k^^X1^^11U;^[^F^;^ I^Fti^^Ftk^^>l,l.i). f'k(^t^KF^titrs 1^^i^l 1^:^^^^^1^ ^ til^ti 1(1^I
. (1992): «Tsca-
DE SARBO, W. S.; JOHNSON, M. D.; MANRAI, L. A., y EDWARDS, E. A
le: A new MDS procedure based on Tversky's contrast model», Psychometri-
ka, 57, 43-69.
EASTERLING, D_ V. (1987): «Political Science: Using the Generalized Euclidean
Model to Study Ideological Shifts in the U.S. Senate», Multidimensiana/ Sca-
ling: History, Theory and App/ications, F. W. Young y R. Hamer (eds.), Law-
rence Erlbaum Associates, Publishers.
-(1968): <tA general nonmetric technique for finding the smallest coordinate
space for a configuration of points», Psychometrika, 33, 469-506.
i'CUMOR, %C. M.; GLARK, W. C.; JANAL, M. N., j/ HAERT2EN, C. A . (1990): «Multidi-
mensionai scaling of subjective judgments of drug similarities among ketocy-
clazocine, morphine, cyclazocine, naloxone and placebo», Pharmacal. Bio-
chem. Behav., 35, 397-404.
(19$Ob): «The j oint analysis of direct ratings, pairwise preferences, and d'+ssi-
milarities», Psychometrika, 45, 149-165.
Introduction to Mu/tidi-
SCHlFFMAN, S. S.; REYNOLDS, M. L., y YOUNG, F. W. (1981 ) :
mensional Scaling. Theory, Methods and Applications, Academic Press.
SPENCE, !., y Oc^^v^E, J. C. (1973): «A table of expected stress values for random
rankings in nonmetric multidímensional scaling», Multivariate Behavioral Re-
search, 8, 511-517.
^^N:-^l.l`;Iti I)f f'kOX11^11U^^1.)t-.S^ t)f-.ti^^kF^t)f_l_^). F'kO(^kt_.ti^ ^ ti ^ ^^f'f lf ^^^(^I(>tif^^
TAKANE, Y., y SERGENT ,J. (1983): «Multidimensional scaling models for reaction
times and same-different judgments», Psychometrika, 48, 393-424.
a., y BENTLER ,
WEEKS, D. C^ P. M. (1982): «Restricted multidimensional scaling mo-
dels for asymmetric proximities», Psychometrika, 47, 201-208.
f:ti'1 ^^[)IS'f'1('.-1 E^tiP^>!tit)!.A
SUMMARY