Centro de Investigaciones Sociologicas Revista Española de La Opinión Pública

La medida multidimensional de la opinión
Author(s): José Bugeda

Source: Revista española de la opinión pública, No. 34 (Oct. - Dec., 1973), pp. 37-66
Published by: Centro de Investigaciones Sociologicas
Stable URL: https://www.jstor.org/stable/40199187
Accessed: 03-10-2022 23:11 UTC
JSTOR is a not-for-profit service that helps scholars, researchers, and students discover, use, and build upon a wide
range of content in a trusted digital archive. We use information technology and tools to increase productivity and
facilitate new forms of scholarship. For more information about JSTOR, please contact support@jstor.org.
Your use of the JSTOR archive indicates your acceptance of the Terms & Conditions of Use, available at
https://about.jstor.org/terms
Centro de Investigaciones Sociologicas is collaborating with JSTOR to digitize, preserve and

extend access to Revista española de la opinión pública
This content downloaded from 190.82.153.149 on Mon, 03 Oct 2022 23:11:47 UTC
All use subject to https://about.jstor.org/terms
La medida multidimensional de la opinión (*)
José Bugeda
Hasta ahora hemos estado considerando medidas de una sola dimensión

o variable. Esto equivale a que los continuos considerandos siempre lo eran
sobre una línea recta. Cualquier atributo capaz de ser considerado como una
variable continua podía ser representado como una recta y sobre ellos se
ordenaban los valores escalares de estímulos y sujetos. Todos los problemas
de orden, distancia y origen se han referido a ese carácter lineal de la medida.
Sin embargo, resulta ineludible el problema de la medida en dimensiones
de orden superior. Por una parte es frecuente la obligatoriedad de considerar
a la vez dos atributos. Por otra, hay que considerar la existencia de atributos
complejos que no pueden explicarse sólo por una dimensión. (El atributo
físico color puede descomponerse en brillo, intensidad, localización en el
espectro, etc. El atributo estatus socioeconómico podría ser considerado como
resultante de los ingresos pecuniarios, prestigio, localización del habitat, etc.).
Ello obliga a plantear las técnicas de sealing en espacio de dos, tres y, en
general, n dimensiones. Está claro que no es posible una representación física
única para espacios superiores a tres dimensiones, pero la generalización ma-
temática para espacios de orden n no ofrece dificultad importante. Por otra
parte, las visualizaciones de los out-put de los computadores abren perspec-
tivas nuevas a la representación n dimensional que no se pueden olvidar.
Cuando el número de dimensiones es superior a la unidad, la condición
de orden parece la más afectada. Es claro que en más de una dimensión la
condición básica de transitividad carece de sentido. Estímulos y sujetos pueden
ser ordenados sobre cada una de las dimensiones sin mayor dificultad, pero
si se consideran n dimensiones se representarán simplemente como puntos en
un espacio n-dimensional. El concepto básico para intentar sobre ellos trata-
miento cuantitativo, no será el de orden, sino el de distancia.
El problema general con que han de enfrentarse los métodos de sealing

en un espacio multidimensional, puede enunciarse de la siguiente forma :
Dado un conjunto de estímulos, que varían en un número no conocido
de dimensiones, determinar:
(*) Este texto forma parte de la obra La Medida en las Ciencias Sociales. Inédito.
37
JOSÉ BUGEDA
a) El número mínimo de dimensiones del conjunto.

b) Las proyecciones (valores escalares) de cada uno de los estímulos so-
bre cada una de las dimensiones implicadas.
En la medida multidimensional, la idea de un continuo a lo largo de un
sola dimensión viene sustituida por la idea de un espacio de n-dimensione
De momento no se plantea siquiera la cuestión de la continuidad de ese espa
cio. Antes bien, podemos hacer asunciones muy diversas sobre la naturale
de su estructura. Se comprende, sin embargo, que la relegación de la condici
de orden quita importancia a la exigencia de continuidad. Será, sin embarg
un espacio que cumple las condiciones de continuidad, el euclidiano, el qu
generalmente será usado, lo que no excluye ni mucho menos la utilización
otros especialmente adecuados a campos especiales de la investigación.
Un atributo complejo estará, pues, representado por un espacio, con tant
dimensiones (en número no conocido) como tenga el atributo. En realidad
no se trata de obtener valores escalares (proyecciones) en todos ellos, sino
solamente en un número seleccionado de los mismos. Unos estímulos que
intenten medir un complejo de actitud política, por ejemplo, no serán medidos
en algunas dimensiones (número de palabras o de vocales, longitud de las
proposiciones, etc., en general en ninguna de las dimensiones que presum
blemente no contienen cantidades del atributo). El conjunto de dimension
seleccionadas definen el "atributo complejo". Cada estímulo ocupa un pun
en el espacio determinado por la cantidad de atributo complejo que contien
Postularemos que la proximidad de dos punto-estímulo es función de
similaridad. La distancia nula (coincidencia) entre ellos corresponde a una
similaridad total. Conforme al grado de similaridad decrece, la distan
aumenta. Pero esta distancia es función siempre de las proyecciones del punt
estímulo sobre los ejes que representan las distintas dimensiones. La form
de esa función ha de verse para cada clase de espacio en particular.
Así se nos presentan dos importantes cuestiones como premisas de apro
ximación al problema de la medida multidimensional.
A) Un estudio de la naturaleza y característica de los distintos espacios
utilizables, con los criterios que relacionen la dimensionalidad de los
mismos con las proyecciones de los puntos sobre sus ejes.
B) Una teoría que relacione las distancias entre los puntos con las rela-
ciones observables entre los estímulos. O sea, relacionar las observa-
ciones con la similaridad de los estímulos.
38
LA MEDIDA MULTIDIMENSIONAL DE LA OPINIÓN
Las clases de espacios

De todos los numerosos espacios posibles, sólo hemos de considera
el espacio de Euclides y el de Attneave o "espacio de bloques urbanos
los únicos en los que contamos con experiencias de uso, lo que, por c
no cierra el paso a una posible utilización de otras estructuras básica
El espacio euclidiano. Presenta un número de ventajas bien definida
su manejo. Nos es familiar de modo intuitivo ; no presenta problemas
continuidad; su representación gráfica es fácil y tiene a su disposici
enorme acervo de construcciones teóricas y conceptuales.
La distancia entre dos puntos (estímulos) en el espacio euclidiano
la expresión:
dtj = [^ir(ajm-aJm)V/2 (1)
au
a¿* -•
| j d{j = y/y2 + x2
En la que i, j representa los estímulos.

di i es la distancia entre / y /'.
m es el eje del espacio (dimensión) correspondiente (m = 1 . 2 . 3
ajm = es la proyección del estímulo i sobre e
La fórmula está directamente deducida del T

lo que aquí interesa señalar es que en el espacio
sea cualquiera el número de dimensiones del esp
siones) del mismo sean cambiados. Para ello
de que i y / permanezcan fijos.
Para nuestros fines esta es la propiedad fun
diano.
En el espacio de Attneave la distancia está

no es invariante.
dij = Szr \alm - ajm\ (2)
39
JOSÉ BUGBDA
Es decir, la distancia es la suma de las diferencias absolutas de las pro-

yecciones en los r ejes del espacio. Imaginemos una estructura espacial aná
loga a los bloques de una ciudad formados por el entrecruzamiento de las
calles:
Esta es
dimens
el segm
ciudad
que ma
Pero si
40
La distancia queda reducida a tres unidades. Esto obliga al esp

Attneave a fijar un único sistema de ejes en cada espacio. Sin emba
espacio de Attneave puede usarse a veces sin esa precaución. Suponga
un sujeto valore un conjunto de pares de estímulos respecto a su sim
y que los estímulos difieran respecto a dimensiones claras e imposi
eliminar ; sus puntuaciones pueden ser lógicamente pensadas como la
suma de las diferencias de las puntuaciones en cada dimensión.
Determinación de la dimensionalidad.
Supongamos que hemos escogido un modelo de espacio en el que escalar

n (n - l)
las distancias entre n estímulos. Tenemos como disponibles
2
correspondientes a las distancias determinadas independientemente. De mo-

mento excluyamos la presencia de error: es decir, las distancias son las ver-
daderas. El primer problema será determinar si las distancias entre los estí-
mulos corresponden a distancias entre puntos de un espacio euclidiano. El se-
gundo problema es determinar la dimensionalidad del espacio y las proyec-
ciones de los puntos sobre los ejes.
La ecuación (1) resuelve la cuestión de calcular la distancia a partir de las

proyecciones, pero no el problema inverso. Hacen falta establecer nuevas
relaciones para resolverlo.
Teoremas de Young y Householder

Si i, j y k son tres estímulos, y dijy dik y djk las distancias entre sus
puntos, asumiendo que dik = dik ; díy = djt y djk = dkJt definámosla ma-
triz Bu
Se trata de una matriz simétrica de orden (n - 1) X (n - 1).

El elemento bjk es el producto escalar de los vectores desde el punto /
a los puntos / y k.
41
JOSÉ BUGEDA
Según la ley del coseno, para tres puntos:
2 2 2
djk = ¿i; +
que reordenando
A 2 2 2
dij dik cosQjik =
lo que confirma que

bjk = dij dik eos Qjiic
es efectivamente el productor escalar de los vectores - > e - >.
Cualquiera de los n puntos puede ser tomado como punto /. Si conside-

ramos la matriz Bit formada por los productos escalares de los vectores desde
el origen al punto /, habrá pues n distintas matrices B\.
Podemos establecer los teoremas de Young y Householder:
1. Si una matriz B¡ es positiva semidefinida, las distancias entre los es-

tímulos pueden ser considerados como distancias entre puntos en un espacio
euclidiano real.
En otros términos, los puntos pueden considerarse en un espacio eucli-

diano real si las raíces latentes de Bt son positivas o cero. Las raíces latentes
negativas supondrían un espacio imaginario.
2. El rango de cualquier matriz B{, positiva y semidefinida es igual a la
dimensionalidad del sistema de puntos.
Es decir, el número de raíces latentes positivas es igual al número de di-
mensiones necesarias para contener las distancias entre los puntos.
3. Cualquier matriz Bif positiva y semidefinida, puede ser factorizada en
la forma
Bt = FF'
y entonces
5/ el rango de la matriz B{ es igual a r, siendo r ^ (n - 1), la matriz F es
una matriz rectangular (n - 1) x r, cuyos elementos son las proyecciones de
los puntos sobre r ejes ortogonales con origen en el punto i, en un T-dimen-
sional espacio euclidiano real.
Los diferentes procedimientos para factorizar Bt nos darán distintas ma-
trices F, todas ellas relacionadas por una rotación de los ejes.
Las diferentes matrices Bt construidas con los n orígenes posibles difieren
una de otra por una traslación y una rotación ortogonal de los ejes.
42
Los tres teoremas proporcionan una vía de solución a los problem

determinación de la dimensionalidad y de las proyecciones de los
sobre los ejes: el primero fija el criterio para saber si la posición de
tímulos supone un espacio euclidiano real ; el segundo determina el
mínimo de dimensiones de este espacio; el tercero da las proyeccion
los estímulos sobre un sistema arbitrario de ejes.
Determinación de las proyecciones en el espacio de Att
Recordemos que en el espacio de Attneave las distancias están def
dik = Sz | ajm - akm |
Las ecuaciones sirven para calcular las distancias entre los estímulos
las proyecciones, pero tampoco aquí es cierto lo contrario.
Como en casi todos los modelos que implican el manejo de valores
lutos de las diferencias, no hay desgraciadamente un procedimiento t
vincente y claro como el que hemos utilizado en el espacio euclidian
ello, en la práctica es aconsejable no usar el modelo de Attneave m
cuando la dimensionalidad nos es conocida con un alto grado de segu
y los ejes están prefijados.
El problema de las distancias
Hasta ahora hemos supuesto que las distancias entre los estímulos n
conocidas. Pero no se ha abordado el procedimiento de calcular esas
cias cuando no nos son dadas. Simplemente hemos aplicado el mo
espacio a cualquier conjunto de números (uno por cada par), sin entra
significado. Se trata ahora de hacer que cada número que caracteriza
sea un modelo de distancia.
Hemos establecido que la distancia es una estimación cuantitativa del

grado de similaridad. La aplicación de los modelos espaciales a las distancias
nos informará de si esas distancias pueden ser consideradas como distancias
entre estímulos en un espacio multidimensional correspondiente a un atributo
complejo y además nos proporcionará las proyecciones de los estímulos sobre
los ejes.
Los procedimientos para determinar las distancias son paralelos a los usa-
dos en la medida unidimensional. Sin embargo se requieren juicios mucho
43
JOSÉ BUGEDA
más complejos por parte de los sujetos, por lo que el paralelismo se re

al campo teórico. Veamos:
1. Donse se requería juicio sobre la cantidad de atributo poseído
cada estímulo, ahora se requiere juicio sobre el grado de similaridad e
cada par de estímulos. En el método de intervalos aparentemente igua
sujeto hacía, por ejemplo, montones de estímulos que estimaba estaban
misma distancia unos de otros. Ahora tendría que hacer montones de
de estímulos que estimaba igualmente separados en un continuo de similarid
2. Antes los valores escalares representaban la cantidad de atributo

seída por cada estímulo. Ahora representan la distancia subjetiva entr
estímulos del par.
En la medida unidimensional, cuando los valores escalares daban lug

a una escala de razón o a una escala interval esto se refería a los valores de
los estímulos. Aquí tal propiedad está referida a las distancias. Usaremos la
expresión "distancia" cuando esté referida a una escala de razón (con origen
natural) y la expresión "distancia comparativa" cuando esté referida a una
escala interval (con origen arbitrario).
Fuera de lo indicado la extensión de los métodos estudiados es evidente.
Método de intervalos aparentemente iguales. - Usado por Abelson en la

investigación multidimensional de actitudes ("A technique and model for multi-
dimensional attitude scaling" American Psychologist 1954, V. 9, 319). La
similaridad de dos proposiciones de actitud se reflejaba por la cantidad juz-
gada de acuerdo entre ambos. Los sujetos calificaban cada par de estímulos
en una escala con anclaje en el origen natural. Las puntuaciones medias,
conseguidas tras las repeticiones, se estimarán como distancias.
La ley del Juicio Categórico y el Método Experimental de Intervalos su-
cesivos. Usado por Attneave con el nombre de Método de las Dicotomías Gra-
duadas ("Dimensions of similarity" American Journal of Psychology. 1950.
V. 63 págs., 516-556). Los estímulos eran figuras geométricas que variaban en
dimensiones tales como brillo, tamaño, color y forma. La tarea del sujeto
era clasificar los pares en una escala de siete puntos que van desde "idénti-
cos" a "extremadamente diferentes". En un experimento hechos por Messick
se tomaron proposiciones de actitudes de algunas escalas de Thurstone diferen-
tes. La tarea del sujeto era considerar una persona que estuviese absolutamen-
te de acuerdo con la proposición A y puntuar el grado en que dicha persona
estaría de acuerdo con cada uno de los demás estímulos. Cada estímulo era
tomado a su turno como A. Así cada par de estímulos era juzgado dos veces
sobre el continuo de similaridad.
44
El método de las tetradas. - Es una extensión del método de Comp

nes Pareadas. Al sujeto se le presentan pares de pares de estímulos
de indicar en qué par los estímulos son más similares. El procedimie
lítico es similar al ya estudiado.
Aparte de extensiones de los métodos unidimensionales hay algun
cedimientos específicos de la medida multidimensional. Por ejemplo:
El método de las combinaciones triádicas. - Usado por Richardson
su trabajo inicial. "Multidimensional Psychophisics", que sin duda e
mera manifestación científica en cuanto a medida multidimensiona
Psychological Bulletin. V. 35, págs. 659-660). Más recientemente, Tor
Merrick y Klingberg le han dado su forma definitiva.
El método está basado en una generalización de la condición C de
del Juicio Comparativo. Su característica principal es la sencillez de l
exigidos al sujeto.
Los estímulos son presentados a los sujetos en triadas. Los sujetos
decidir qué dos estímulos de la triada son más semejantes y qué dos
diferentes. Por ejemplo, dados los items A, B y C, se producirán res
como las siguientes:
A y B son los más semejantes.

B y C son los más diferentes.
Estos juicios conducen a tres relaciones :

A parece más semejante a B que a C.
B parece más semejante a A que a C.
C parece más semejante a A que a B.
Para cada triada deducimos tres relaciones de dos juicios. Se pres

al sujeto todas las triadas posibles. Así tenemos la proporción de ve
cada estímulo es juzgado "más igual" que otro término de cada p
proporción es convertida en "diferencias en distancia" de la misma fo
las proporciones en la ley del Juicio Comparativo eran convertidas en dif
cias de valores escalares. De las diferencias observadas se obtiene la escala
de distancias comparativas.
En las más modernas aplicaciones (Método completo), en vez de deducir
tres relaciones de dos juicios, los juicios de las relaciones se obtienen directa-
mente. Para ello es preciso presentar tres veces cada triada, obteniendo un
juicio en cada presentación.
Consideremos la triada A, B, C. La primera vez que es presentada al su-
jeto, éste ha de juzgar si A es más igual a B que a C ; la segunda vez, si B es
45
JOSÉ BUGEDA
más igual a A que a C y la tercera si C es más igual a A que a B. Parece

el procedimiento que impone al sujeto una tarea más sencilla.
Método del rango de orden multidimensional. - El sujeto debe ordenar según
el grado de similaridad con un estímulo i, a los n - 1 estímulos restantes.
Debe repetirse la ordenación tomando como estímulo / a todos los estímulos
por turno. Cada sujeto proporciona entonces n rangos de orden para cada
estímulo. De estos rangos podemos obtener la proporción de veces que cada
estímulo es juzgado "más igual" que otro término de cada par. El mismo
procedimiento se usa para obtener la escala de distancias comparativas.
La constante aditiva
Tanto en el modelo de espacio euclidiano como en el Attneave se utiliza-

ban como dadas las distancias absolutas entre los estímulos. Varios de los
modelos de distancias, sobre todo las que requiren un tipo de juicio simple,
nos dan distancias referidas a un origen arbitrario. Son distancias compara-
tivas relacionadas con las absolutas, que exigen los modelos espaciales, por
una ecuación de la forma
djk =hjk + C
en la que
dJk = distancia absoluta entre / y k.

hjk = distancia comparativa dada por el modelo.
C = constante aditiva (desconocida).
Las distancias comparativas no pueden ser usadas directamente en los

modelos espaciales, ya que la dimensionalidad, las proyecciones sobre los ejes
y la misma configuración serían función del punto cero arbitrariamente fijado.
Se hace necesario buscar procedimientos para pasar a distancias absolutas; es
decir, para calcular la constante aditiva, C.
El punto de partida básico es que el valor apropiado de la constante adi-
tiva es igual al valor que permite a los estímulos situarse en un espacio eucli-
diano real con el mínimo posible de dimensiones.
Consideremos cinco puntos que den entre sí las siguientes distancias com-
parativas :
hl2 = 0,2 ¿23 = 0,2 /l34 = 02 fl45 = -0,8

Al3 = 1,2 /í24 = 3,2 /l35 =
hiA = 0,2 ¿25 = -0,8

Ais =-1,8
46
Representando en un espacio de dos dimensiones los puntos, serí
5,
/ \5
*¿-
X X
Ss
Para valores más pequeños de la constante aditiva los puntos no estarían

en un espacio euclidiano real ya, por ejemplo, d4s + d2s < dzAt lo que es im-
posible en un espacio real euclidiano. Para valores mayores de la constante
aditiva la dimensionalidad sería superior a dos.
En teoría, la determinación del valor de la constante aditiva de forma que
dé un espacio euclidiano real de la menor dimensionalidad posible, es un
problema fácil de resolver, pero de gran trabajo. Lo que necesitamos en una
matriz B° positiva y semidefinida del menor rango posible. La matriz B° está
formada por los productos escalares de todos los vectores desde el centroide
(punto de gravedad;
n n
matriz ha de tener el mayor

diéndose que no puede tener
calcularla comporta los pasos
a) Primero, construir la mat

= hJk + C).
b) Calcular el determinante
enC.
47
JOSÉ BUGEDA
c) Hacer el determinante igual a cero. Una de sus raíces será la constant

aditiva deseada.
En la práctica sólo tendremos estimaciones con error de las distancias com-

parativas. No se puede tener rigurosamente el criterio de que B° sea positiva
y semidefinida. En ese caso, siempre es posible conseguir una constante adi-
tiva suficientemente grande para que B° no contenga raíces latentes negativas,
con lo que los puntos estarán en un espacio euclidiano real. También es po-
sible obtener tal constante aditiva que la dimensionalidad no sobrepase a
n - 2, siendo n el número de puntos. Puede ocurrir que a causa de los errores
no sea posible obtener una B° positiva y semidefinida de rango mínimo n - 2.
Además, la constante aditiva obtenida, que cumpla las condiciones expuestas,
puede no ser la "mejor" posible.
Como criterio práctico debemos obtener una matriz B° con el menor nú-
mero posible de raíces latentes positivas grandes y asumir que las restantes
raíces son todas muy pequeñas y cercanas a cero (error de dimensionalidad
del sistema).
Veamos ahora los procedimientos analíticos para calcular la constante
aditiva.
Cálculo de la constante aditiva. Caso unidimensional. - Procedimiento debi-
do a Torgerson ("Multidimensional-Scaling : I Theory and Method". Psicho-
metrika. 1952. V. 17, págs. 401-410).
En el caso de una dimensión, las verdaderas distancias observadas entre
tres puntos cumplen la condición
d'ij + d'jk = d'ik

y como
d>iJ = h'{j + C
Ka + C + h9¡k + C = h'ik + C
o sea
C = h'ik - h'ij - h'ik

Cualquier triada de estímulos puede usarse para obtener la con
tiva C. Cuando los datos contienen error, definamos éste como
C = C - hiic + h{j + hi¡c
y estimamos C de forma que haga mínima la suma de cuadrado

errores, o sea, como la media de las estimaciones para cada
48
C= „(„_!) (n-2) 2 ^*-A"-A'*)
para todos los valores de i, j, k
1 = 1.2.3.
7=1.2.3.
Jk » 1 .2-3.
Esta solución requiere

única dimensión considerada. Generalmente este orden se deduce de la ma-
triz H de distancias comparativas.
Cuando estas distancias están referidas a un origen tal que la media de
todas las distancias comparativas entre los estímulos sea cero, la suma de
cualquier columna k de H dividida por n - 1 da la distancia media desde el
punto k a todos los otros puntos menos la distancia media entre todos los
puntos.
Valores grandes de h)k indican que k está en un extremo de la escala y

valores pequeños que se halla cerca del centro.
Si se nos da la matriz H con los estímulos correctamente ordenados, un
procedimiento abreviado para obtener C, sería:
1. Obtener las sumas diagonales Sg de los elementos que están sobre la
diagonal principal.
S, = S»-' hj (J + g)
2. Multiplicar cada Sff por (2g -n), sumar los productos y dividir por
c =
n(n - l) (n - 2) '-1
49
4.
JOSÉ BUGEDA
Obtenida la estimación de la constante, la matriz H de distancias compa

tivas puede convertirse en una matriz D de distancias absolutas. Podemos
tonces convertir estas distancias en valores escalares por medio de un anál
multidimensional, y obtener entonces el primer componente principal (o
primer centroide). Las saturaciones del factor corresponderían a los valo
escalares de los estímulos. La cantidad de variación que quede en la matr
residual después de extraer el primer factor indicaría hasta qué punto e
correcta la hipótesis de unidimensionalidad.
También podemos usar otro procedimiento que parte del hecho de que b
la hipótesis de unidemensional, los elementos de la matriz D son estimacio
de las diferencias absolutas de los valores escalares de cada dos estímulos. Es
decir, que :
djk = \Sk - Sj\
Entonces, una solución por mínimos cuadrados de los valores escalares de

los estímulos sería simplemente las medias de las columnas de la matriz D°
en la que los elementos tienen los signos que les correspondan.
/
Sk =
n
(dJk, tiene el signo que le correspond
djk = dJk para k> j

Q
djk = - djk para j>k
d°Jk = 0
Solución general, procedimiento de Messik y Abelson
La solución anterior sólo admite la aplicación de los métodos multidi-

mensionales a los problemas de escalar en una sola dimensión. Abordemos
ahora la solución para el caso general.
La asunción básica es que la estimación de C deseada es la que dé un
número relativamente pequeño de raíces latentes "grandes", siendo las res-
tantes pequeñas y distribuidas en torno al cero. Las raíces "grandes" corres-
ponderían a las verdaderas dimensiones, y las restantes al error de dimen-
sionalidad.
50
El procedimiento se basa en el teorema que establece que la suma

elementos de la diagonal de una matriz simétrica es igual a la suma
raíces latentes.
Como B° es una matriz simétrica :
2 bjj m=i
7=1
= 2 pw
siendo (3m la raíz m-ésima de la

o
Como los elementos bn son fu

hjk y de la constante aditiva (d
conocen, podemos establecer q
de B° es igual a la suma de los
ecuación en C. Asumimos con el
suman cero. Pero también las
determinarlas sin conocer prev
cesitemos un método para salir
por Messick y Abelson (1956, "T
mensional scaling" Psichometrik
Los datos son la matriz de dist
de la diagonal, son'hJk, y las de
con un punto reemplazando al su
/z8 = - Sw /i2 v h.. = - Sn 2n h

¡ n 1 Jk ■ n2 i-\ * = 1 Jk
Un elemento genérico de la matriz B° está ex
tancia absoluta djk, según la ecuación
o 1 / 1 n 2 1 n 2 1 n n 2 2 \
bjk =
2 \ n n n2 I
que permite construir
distancias entre los pu
Si en vez de djk, sust
b°ik =
2
1 / 1
+
2 n
en la que 5* = 1 para
51
JOSÉ BUGEDA
Esta última ecuación puede escribirse en notación matrícial.
B° = U + CW +
2
Siendo los elementos de las matrices JJ, W y V
UJk =
2
WJk = (kj. + h.k-h..-hJk)
- 1 1
VJk =
n n
De la e
b°n =h*.
2 1 n
La suma de
Sn b°jj =
> = i 2 2
en función de las di
Consideremos las r
latente normalizado c
Entonces:
Xfm B° Xm = Pm
Sea r el rango "verdadero" de la matriz B°. El número de raíces latentes

es r. La suma de las raíces latentes será :
V $m = 2r Vm B° Xm)
y de la (7):
S- pm = 2' [xm' (£/' + CW +
y sumando en cada término por separado :
Sr pm = 2r (^m t/jcm) + CEr (x>m Wxm) +

m=i m=i m=i 2 m=x
52
LA MEDIDA MULTIDIMENSIONAL DB LA OPINIÓN
1
cuyo último término se simplifica en
2
Recordemos que :
1. La matriz V tiene elementos V n = 1
n n
sus n - 1 prim
2. Cualquier
tos sumen ce
y para ese vec
x? Vx=\
3. Como B° es una matriz centroide, una raíz por lo menos es igu

cero, y por ello todos los vectores correspondientes a las raíces residual
tienen elementos que suman cero. De ello se deduce que los vectores laten
de B° pueden considerarse vectores latentes de V, y podemos establecer:
2r(^m Vxm) = r
m=ri
Con esta simplificación, la ecuación (8) puede escribirse:
£" Pm :Y (X>m Uxm) + C 2' (X>m WXm) +

m=i :.-t=i m=i 2
que da la suma át las raíc

ciados, de la constante (de
Resumamos los pasos aho
1. Buscar un valor estim
que por defecto, ya que l
mación.
2. Formar la matriz B°, usando la estimación de C, en las ecuaciones

(6) o (7).
3. Obtener los primeros r vectores latentes de B° parando la obtención
cuando éstos empiecen a ser suficientemente pequeños.
4. Normalizar los vectores latentes de forma que la suma de los cuadra-
dos de sus elementos sea igual a la unidad.
5. Sustituir estos vectores en la ecuación (9). Esta entonces contendrá
sólo dos potencias de C, como incógnita.
53
JOSÉ BUGEDA
6. Introducir los datos disponibles en la fórmula que da la suma de los

elementos de la diagonal de B°. Esta ecuación contendrá sólo dos potencias
de C, como incógnita.
7. Como por definición, los primeros términos de ésta y de la (9) son
iguales, los segundos términos también lo serán, y podemos resolver la ecua
ción cuadrática en C. Las raíces que nos dé el mayor valor de
es el valor buscado.
Mapas tridimensionales de actitud

Basándose en el cálculo de las distancias absolutas entre los estímulos en
un espacio multidimensional, Abelson ha propuesto una técnica para estable-
cer mapas escalares de actitud de especial utilidad en el caso de dos dimensio-
nes (ver Robert P. Abelson, "A technique and Model for Multi-Dimensional
Attitude Scaling", Public Opinión Quarterly, 1954-55, Winter, págs. 405-418).
El cálculo de las distancias absolutas entre los estímulos a partir de las
estimaciones subjetivas de similaridad supone el cálculo de la matriz de dis-
tancias comparativas (referidas a un origen arbitrario) hjk y el de la constante
aditiva c.
djk = hjk + c
Hallada la matriz D de distancias absolutas se puede construir la matriz

B° de productos escalares de los vectores que definen los estímulos con origen
en el centroide de los mismos, por medio de la conocida fórmula
o 11 n 2 n 2 1 n n 2 2
bjk =
2 n ' k n2 * k
Computada la matriz B° pued

procedimientos habituales, obt
primeros componentes princip
el método Burt-Thurstone. Las saturaciones de los estímulos en estos factores
pueden tomarse como estimaciones de sus proyecciones en los ejes ortogona-
les que se cruzan en el centroide y que representan las dimensiones aisladas
por el análisis factorial.
Ciertamente la limitación a dos dimensiones (dos factores) no puede esta-
blecerse de modo absoluto. Siempre será necesario el examen de la matriz
54
residual, después de extraídos los dos factores para determinar si l

sionalidad debe ser en realidad superior a 2. Naturalmente, en el ca
así fuera, la técnica que vamos a exponer a continuación no sería ap
y el mapa en dos dimensiones se debería convertir en una represen
n-dimensional, que no siempre será fácil de hacer.
Pero Abelson ha completado esta técnica usual de hacer mapas bi
sionales, que se puede encontrar en Torgerson, con un análisis de va
de todos los puntos del plano, asginándoles valencias, que parece de
utilidad. Sigamos el procedimiento sobre un ejemplo del mismo auto
A úná muestra de un centenar de estudiantes de Yale y del á
Nueva York, que se sabía de antemano dividida en un grupo de
socialista y dos grupos de filiación conservadora, le fue aplicado
junto de doce estímulos.
1. La política dura hacia Rusia es conveniente, aunque pueda c
a la guerra.
2. No debemos luchar contra Rusia a menos que ésta cometa a
nes directas con sus fuerzas armadas.
3. La guerra es el único medio de librar al mundo del comunismo.
4. Es mejor hacer concesiones territoriales a los comunistas, si con ello
se evita la guerra.
5. Hay muchas formas de luchar contra el comunismo sin tener que
recurrir a la guerra.
6. La guerra es útil y necesaria.
7. Las relaciones pacíficas con Rusia pueden establecerse discutiendo
en la mesa de negociaciones.
8. El comunismo es fuerza más beneficiosa para el mundo de lo que
nos han hecho creer.
9. Norteamérica debe aumentar sus armamentos en gran medida.

1 0. La guerra es trágica y terrible.
11. Norteamérica debe reducir sus armamentos de modo sustancial.
12. El comunismo es una ideología falsa y peligrosa.
En este conjunto de items hay tres dimensiones andadoras. La dimensión
Pro-Anti Guerra (items 6 y 10). La dimensión Pro-Anti Comunismo (items
8 y 12) y la dimensión Pro-Anti Armamentos (items 9 y 11). Sucede que
estas tres dimensiones son interdependientes y están correlacionadas en-
tre sí, aunque, como se verá, den grado distinto para cada subgrupo.
Los items fueron sometidos a los sujetos para establecer la similaridad
entre ellos, con las siguientes instrucciones concretas.
55
JOSÉ BUCEDA
"Para cada par de proposiciones, digamos A y B, imagine a dos perso-

nas discutiendo, una que diga A y otra que diga B. Juzgue usted: ¿En qué
grado estas dos personas están de acuerdo? Use una escala de ocho puntos
La puntuación 1 indica un acuerdo máximo y la puntuación 8 indica
máximo desacuerdo, y las puntuaciones 2, 3, 4, 5, 6 y 7 indican grados in
termedios de acuerdo entre esos dos extremos."
Se usa, pues, el método de las comparaciones pareadas y cada sujeto
emitió
2
juicios como estimación de las distancias comparativas. Calculada la cons-
tante aditiva y formada la matriz de distancias absolutas, se calculó a partir
de ésta la matriz B° de productos escalares referidos al centroide, por medio
de la fórmula indicada. Factorizada ésta se retuvieron los dos primeros fac-
tores comunes que se usaron como ejes ortogonales de coordenadas para
establecer los mapas originales.
Los mapas de los subgrupos conservadores son muy similares entre sí,
por lo que se prescinde del segundo de ellos.
MAPA BIDIMENSIONAL DEL GRUPO SOCIALISTA
II
-3 -2 -1 X^"^ 2 3
>^ ^* Eje Armamentos-Desa

"2 Eje Afiticomunismo-Comunismo
.-3
56
LA MEDIDA MULTIDIMENSIONAL DB LA OPINIÓN
El mapa ha sido rotado y trasladado con la finalidad de que los íte

(Guerra) y 10 (Paz) estén en el eje de las x y el origen caiga en el
medio de su distancia.
Lo mismo se ha hecho en el mapa conservador con la finalidad de que

la comparación sea más fácil.
MAPA BIDIMENSIONAL DEL GRUPO CONSERVADOR
II
12
\ "1 Eje Armamentos -Desarme

9»
-3 -2 -1 0 \ 1 2 3
\ Eje Guerra-Paz
V2 •!
--1 \
\ #*
"2 \s Eje Arma mentó -Comunismo
Ya en estos mapas simples se han puesto de manifiesto algunas caracte-

rísticas interesantes:
Los ejes guerra-paz y comunismo-anticomunismo han sido correlaciona-

dos en los dos grupos.
En los socialistas forman un ángulo de 42 grados.
En los conservadores el ángulo es de 61 grados.
La correlación (coseno) es, por consiguiente, mayor en el grupo socialista.
57
JOSÉ BUGEDA
La correlación entre los ejes guerra-paz y armamentos-desarme es muy

alta en el grupo conservador. En él los dos ejes son prácticamente paralelos
indicando que la actitud del grupo confunde las dos dimensiones. En el grup
socialista el ángulo es casi de 40°, lo que indica una correlación mucho
menor entre las dos dimensiones.
Las más encontradas diferencias de actitud entre los dos grupos - las
demás diferencias son de orden cuantitativo - radican en el estímulo 2
"No debemos luchar contra Rusia a menos que ésta cometa agresiones di-
rectas con sus fuerzas armadas" y 5 "Hay muchas formas de luchar contra
el comunismo sin recurrir a la guerra". Para los socialistas son declaracio-
nes muy ligadas a la dimensión antiguerra. Pero para los conservadores la
proposición 2 está más bien ligada a la dimensión procomunismo y se sitúa
por tanto en otra región del plano.
La varianza calculada en la dirección guerra-paz y la varianza en su
dimensión ortogonal nos indica cual es la dimensión predominante en la
actitud y su grado de predominio. Las varianzas son :
Proporción
Guerra-paz Independiente de la varianza
guerra-va*
Socialistas
Conservadores ...
La dimensión g
que para los con
a la dimensión
comunismo-anticomunismo.
Los mapas de contorno
Abelson completa el método usual de Torgerson por medio de una va-

loración de todos los puntos del plano incorporando la información que da
el acuerdo o desacuerdo personal de cada sujeto a los items. Para ello somete
a los mismos sujetos, a la vez que éstos hacen los juicios de similaridad de
los pares de items, a una escala Likert de ocho puntos compuesta por las
mismas doce proposiciones (1 punto para el máximo acuerdo, 7 para el
máximo desacuerdo, etc.)
Se define la "valencia" de cualquier punto del plano P (x, y), como
V {])
V (p) =
58
En la que
V (p), valencia de un punto cualquiera,

V(j), valencia del item /,
dpj9 distancia absoluta de p a /.
El denominador 1 + dpj se ha escogido con la finalidad de que las va-

lencias no tiendan a infinito cuando la distancia del punto p al item / se haga
muy pequeña ; es decir, cuando el punto coincida con el lugar ocupado por
un item, caso que ocurriría si el denominador fuese simplemente d2pj. De
esta forma en la valencia de un punto tal cuenta la contribución de cada uno
de los puntos más distantes.
Naturalmente, de esta forma la valencia de un item y la del punto que
ocupa en el plano pueden diferir.
Para establecer la valencia de un item V (/) se emplea la mediana de los
juicios de aceptación al mismo y se expresa como desviación respecto a un
punto neutral. El punto neutral de la escala de ocho puntos es el 4, luego
VQ) = 4- Mj (2)
es la expresión de la valencia de u
(7=1, 2, 3,
Las ecuaciones (1) y (2) per

de los mapas simples. Para
de igual valencia del plan
sentación isométrica.
59
JOSÉ BUGEDA
MAPA DE CONTORNO DE LOS SOCIALISTAS
R<9|ón- 0 Región*
.-3 0
VALENCIAS DE LOS ÍTEMS

V (i)
1. -2,8 7. 3,2 I
2. 2,1 8. -13
3. -3,4 9. -33
4. 2,0 10. 33
5. 3,2 H. 2,7
6. -3,6 12. 1,5
60
MAPA DE CONTORNO DE LOS CONSERVADORES

II
/ >w Región*
f 1 3
3 ) -\ -i - °
Reglón- / \ \ / /
VALENCIAS DE LOS ÍTEMS

K(/)
1. 1,6 7. 0,4
2. 0,2 8. -2,9
3. -0,8 9. 1,2
4. -3,1 10. 3,4
5. 1,8 11. -3,4
6. -2,2 12. 2,9
61
JOSÉ BUGEDA
La interpretación de estos mapas es extraordinariamente sencilla : un

contorno de alta valencia positiva significa una actitud muy favorable hac
los items que contiene. Por el contrario, la valencia negativa, alta en valo
absoluto, indica actitud muy desfavorable.
La "pendiente" de las colinas y depresiones (grado de proximidad d
las líneas isométricas), en un indicador de tensión en la región correspon
diente del mapa. Si la línea cero pasa por una región de altas pendientes,
señal de que dentro del grupo existe un conflicto, aunque no es posible, si
información suplementaria, decir si es entre dos fracciones del grupo o afe
a todos los miembros del mismo.
Cuando se presentan dos "colinas" separadas se puede diagnosticar des-

integración. La atención del grupo está dividida entre objetivos diversificados.
Si hay una gran discrepancia entre la valencia de un item y la valencia
de la región que lo rodea - sobre todo si hay discrepancia en los signos de
ambas valencias - la situación se revela como inestable y hay que deducir
tendencia al cambio en el dominio implicado. Este cambio puede significar
bien cambio en la valencia del item o bien cambio de su posición en el plano,
y también cambios de valencia y posición de los items cercanos. Esta pro-
piedad abre horizontes importantes en el uso del scaling bidimensional como
procedimiento predictor del cambio social.
La línea de valencia cero suele cortar a los ejes de las dimensiones en un
punto entre los polos opuestos. Los dos segmentos resultantes marcan el
grado de aprobación y desaprobación de cada uno de los dos polos opuestos.
(Los conservadores de nuestro ejemplo concreto desaprueban "más" el ar-
mamento que aprueban el desarme.)
Mapas como los presentados se parecen extraordinariamente a los que
Kurt Lewin trazó para el espacio vital La diferencia es que éste es un mapa
de cogniciones y no de características físicas, pero el paralelismo formal de
ambos modelos es innegable.
Interpretación
Los ejemplos concretos presentados £or Abelson podrían dar lugar a la
siguiente interpretación, de acuerdo con las reglas establecidas en el apartado
anterior.
El grupo conservador presenta conflicto en torno a los items que se re-

fieren a la Paz, la Negociación y el Desarme. El grupo socialista no presenta
conflicto, solamente el item Comunismo cae al lado opuesto de la línea de
valencias cero, cerca de una región de tensión alta. Sin embargo, dentro del
grupo hay tres regiones de tensión alta: Guerra, Armamentos y Paz.
62
La región valencia positiva está mucho más integrada para los s

que para los conservadores. Sin embargo en las valencias negativas
de los grupos están bien integrados. Diríamos que los socialistas "s
que quieren", pero ninguno de los dos grupos presenta actitudes d
integrados y claros.
Los items inestables, que anuncian cambios actitudinales, son los
para los conservadores y los 4, 8 y 12 para los socialistas.
Finalmente, en la consideración de las particiones de los ejes de
siones principales, vemos que en el eje Guerra-Paz los conservadore
todas las posiciones excepto las muy cercanas a la guerra. Los socia
aceptan más que la mitad del continuo adyacente al polo paz.
En el eje Armamento-Desarme, los conservadores aceptan todo
la reducción sustancial de armamentos mientras que los socialistas t
titudes mucho más divididas e incluso aceptarían un ligero aumen
armamentos, ya que hay una porción del eje mayor del 50 por
zona + .
En el eje Comunismo-Anticomunismo, los conservadores aceptan toda

mitad correspondiente al polo anti, y también parte de la actitud más m
derada de la mitad pro, Pero los socialistas rechazan los dos extremos del e
aceptando sólo la porción neutral y procomunista (excepto el extremo de
la misma). La proposición 8 es, por supuesto, inestable en este grupo.
Bondad de ajuste del modelo a los datos

Dos vertientes distintas del problema se plantean aquí. Corresponden a
las dos preguntas:
a) ¿Han sido hechos los juicios del observador de la forma adecuad
al modelo de distancia?
b) Si es así: ¿las distancias entre los puntos tienen la forma adecuada
al modelo de espacio?
Veamos por separado.
Ajuste a los datos del modelo de distancia
Los procedimientos para valorar la bondad de ajuste de los modelos de

distancia son muy parecidos a los empleados en los métodos de scaling uni-
dimensionales. En éstos el procedimiento usual consiste en comparar las
proporciones observadas con un conjunto equivalente de proporciones dedu-
cido de las distancias ajustadas.
63
JOSÉ BUGEDA
n (n - 1)
En el método de las triadas se estiman
n (n_1)(n_2) 2 .
tivas a partir de
2
servadas kPí; 1. Estas distancias pueden usarse para obtener de ellas
n (ai - 1) {n - 2)
Podemos entonces calcular la

pondientes y si es pequeña con
ajustado.
Bondad de ajuste del modelo de espacio a las distancias

Si el modelo de distancias nos da directamente distancias absolutas, la
cuestión está en determinar si las distancias existen en un espacio real.
En el modelo euclidiano, la respuesta viene dada determinando si la
matriz B° contiene alguna raíz latente "grande" negativa.
Si sólo tenemos distancias comparativas, este procedimiento no supone
garantía, ya que la constante aditiva ha de ser calculada en función de ellas.
Siempre podremos escoger una constante aditiva que nos garantice que
todos los puntos estén en un espacio euclidiano real.
La cuestión de la dimensionalidad "verdadera" del espacio es importan-
te, independientemente de que los datos estén en forma de distancias abso-
lutas o distancias comparativas. En el modelo de Euclides la cuestión equi-
vale al problema de análisis de factor sobre en qué punto posar la obtención
de factores nuevos. Generalmente obtenemos factores hasta que las casillas
de las matrices residuales sucesivas ya no contienen varianza significativa.
Un procedimiento sería comparar la varianza total de la matriz B° con
la varianza total de la matriz B°" derivada de los primeros r factores según
la ecuación
»» r
Ojie = ^»m «ym A
Por ejemplo, para un
Z* Zl b% = (L*A
El primer término ex
matriz observadora B°
cuadrados de los eleme
64
En el cero empírico podemos computar ambos términos por

y sin (aproximadamente) iguales deducir de ello que el ajuste es bue
el espacio es de dimensionalidad dos.
Evaluación conjunta de la bondad de ajuste
Para una evaluación más sencilla y total basta cumplir estos dos p
1. Cálculo de las distancias derivadas entre los estímulos a parti
saturaciones de los factores. Por ejemplo, en el modelo euclidiano te
1
los
djl = [Hrm (Ajm - Akmy\l2
2. Empleo de esas distancias para evaluar la bondad de ajuste de las

distancias a los datos observados, para determinar si el modelo de distancia
es el adecuado.
índices empíricos de similaridad
Algunos autores han establecido empíricamente índices de similaridad

para resolver el problema de la estimación de las distancias. Aunque todos
ellos están construidos de modo más o menos arbitrario, su valor práctico
es importante.
Así Rowan estima que
Ntj
dij = í
2m (/i -
en lo que
dij = es la dista
n = número de estímulos ;
m = número de sujetos ;
Níj = número total de veces que los estímulos / y j son escogidos como los
más similares cuando se presentan en triadas con los n - 2 estímulos
restantes.
65
5. - OPINIÓN PUBLICA
JOSÉ BUGEDA
Wilson modificó el índice de Rowan obteniendo frecuencias separadas

para juicios "/ es más semejante a / que a k" y "/ es más semejante a
que a k".
2 Níj + Nji + 2m
diJ = l
2 m n
Níj es el número de veces que / es juzgado más similar a j que a k, para

todos los k.
Njí es el número de veces que / es juzgado más similar a i que a k, para

todos los k.
Osgood y Lucí han establecido el índice
d\i = 2 (Xaj-Xai)2
que en el método de las triadas se convierte en
dl=(PJk-Pi¿
en el que
PJk es la proporción de veces que / es juzgado más igual a k.
Pik es la proporción de veces que i es juzgado más igual a k.
66

Centro de Investigaciones Sociologicas Revista Española de La Opinión Pública

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Centro de Investigaciones Sociologicas Revista Española de La Opinión Pública

Cargado por

Copyright:

Formatos disponibles

La medida multidimensional de la opinión

Author(s): José Bugeda

Centro de Investigaciones Sociologicas is collaborating with JSTOR to digitize, preserve and

Hasta ahora hemos estado considerando medidas de una sola dimensión

El problema general con que han de enfrentarse los métodos de sealing

a) El número mínimo de dimensiones del conjunto.

Las clases de espacios

En la que i, j representa los estímulos.

ajm = es la proyección del estímulo i sobre e

La fórmula está directamente deducida del T

En el espacio de Attneave la distancia está

Es decir, la distancia es la suma de las diferencias absolutas de las pro-

La distancia queda reducida a tres unidades. Esto obliga al esp

Supongamos que hemos escogido un modelo de espacio en el que escalar

correspondientes a las distancias determinadas independientemente. De mo-

La ecuación (1) resuelve la cuestión de calcular la distancia a partir de las

Teoremas de Young y Householder

Se trata de una matriz simétrica de orden (n - 1) X (n - 1).

Según la ley del coseno, para tres puntos:

lo que confirma que

Cualquiera de los n puntos puede ser tomado como punto /. Si conside-

1. Si una matriz B¡ es positiva semidefinida, las distancias entre los es-

En otros términos, los puntos pueden considerarse en un espacio eucli-

Los tres teoremas proporcionan una vía de solución a los problem

Determinación de las proyecciones en el espacio de Att

Recordemos que en el espacio de Attneave las distancias están def

dik = Sz | ajm - akm |

El problema de las distancias

Hemos establecido que la distancia es una estimación cuantitativa del

más complejos por parte de los sujetos, por lo que el paralelismo se re

2. Antes los valores escalares representaban la cantidad de atributo

En la medida unidimensional, cuando los valores escalares daban lug

Método de intervalos aparentemente iguales. - Usado por Abelson en la

El método de las tetradas. - Es una extensión del método de Comp

A y B son los más semejantes.

Estos juicios conducen a tres relaciones :

Para cada triada deducimos tres relaciones de dos juicios. Se pres

más igual a A que a C y la tercera si C es más igual a A que a B. Parece

Tanto en el modelo de espacio euclidiano como en el Attneave se utiliza-

dJk = distancia absoluta entre / y k.

Las distancias comparativas no pueden ser usadas directamente en los

hl2 = 0,2 ¿23 = 0,2 /l34 = 02 fl45 = -0,8

hiA = 0,2 ¿25 = -0,8

Representando en un espacio de dos dimensiones los puntos, serí

Para valores más pequeños de la constante aditiva los puntos no estarían

matriz ha de tener el mayor

a) Primero, construir la mat

c) Hacer el determinante igual a cero. Una de sus raíces será la constant

En la práctica sólo tendremos estimaciones con error de las distancias com-

d'ij + d'jk = d'ik

C = h'ik - h'ij - h'ik

C = C - hiic + h{j + hi¡c

y estimamos C de forma que haga mínima la suma de cuadrado

C= „(„_!) (n-2) 2 ^*-A"-A'*)

para todos los valores de i, j, k

Esta solución requiere

Valores grandes de h)k indican que k está en un extremo de la escala y

Obtenida la estimación de la constante, la matriz H de distancias compa

Entonces, una solución por mínimos cuadrados de los valores escalares de

(dJk, tiene el signo que le correspond

djk = dJk para k> j

djk = - djk para j>k

Solución general, procedimiento de Messik y Abelson

C= „(„_!) (n-2) 2 ^-A"-A')