Корреляционный граф
Думаю, что рано или поздно каждый социолог сталкивался с проблемой визуализации корреляционных связей между переменными. Несколько лет назад после одной из бесед с
Сергеем Дмитриевичем Лебедевым, я наконец-то сел за компьютер и запрограммировал визуализатор для ВЦИОМ Data Entry (программа объявлена, кстати, корпоративным стандартом)....Но перед тем, как показать что же получилось давайте условимся....Под корреляционным графом будем понимать множество всех вершин (переменных) и ребер (дуг) между ними, при этом соотношение длин ребер строго соответствует соотношению сил связи между переменными на плоскости (в двухмерном пространстве). Подчеркнем, что сила связи между переменными определяется длиной ребер, а не расстояниями между вершинами (если хотите учитывать этот момент - попробуйте многомерное шкалирование). Несвязанные ребрами вершины могут находиться на любом расстоянии друг относительно друга (желательно, конечно, чтобы их расположение было читабельным)....
Пример графа из 26 переменных реального массива (опрошено 1600 респондентов, корреляция Спирмена, среда ВЦИОМ Data Entry). Что за исследование и что за переменные написать не могу - коммерческая тайна :-)
Это изображение графа является одним из множества возможных. Окраска ребер выполнена в соответствие с уровнем значимости...
Уровень значимости
Условное обозначение
Цвет
≤0.0005
***
0,123
≤0.005
**
0,123
≤0.05
*
0,123
≤0.1
-
0,123
≤1
-
0,123
-
-
0,123
Оставляем сильные связи...
Результат - картинка в векторном формате. Прекрасно редактируется в Corel Draw....
Сергеем Дмитриевичем Лебедевым, я наконец-то сел за компьютер и запрограммировал визуализатор для ВЦИОМ Data Entry (программа объявлена, кстати, корпоративным стандартом)....Но перед тем, как показать что же получилось давайте условимся....Под корреляционным графом будем понимать множество всех вершин (переменных) и ребер (дуг) между ними, при этом соотношение длин ребер строго соответствует соотношению сил связи между переменными на плоскости (в двухмерном пространстве). Подчеркнем, что сила связи между переменными определяется длиной ребер, а не расстояниями между вершинами (если хотите учитывать этот момент - попробуйте многомерное шкалирование). Несвязанные ребрами вершины могут находиться на любом расстоянии друг относительно друга (желательно, конечно, чтобы их расположение было читабельным)....
Пример графа из 26 переменных реального массива (опрошено 1600 респондентов, корреляция Спирмена, среда ВЦИОМ Data Entry). Что за исследование и что за переменные написать не могу - коммерческая тайна :-)
Это изображение графа является одним из множества возможных. Окраска ребер выполнена в соответствие с уровнем значимости...
Уровень значимости
Условное обозначение
Цвет
≤0.0005
***
0,123
≤0.005
**
0,123
≤0.05
*
0,123
≤0.1
-
0,123
≤1
-
0,123
-
-
0,123
Оставляем сильные связи...
Результат - картинка в векторном формате. Прекрасно редактируется в Corel Draw....