Un modelo estructural de Multidimensional Scaling para datos asimétricos

• Autores: Rodrigo Macías, Christian Rivera, José Fernando Vera Vera
• Localización: XXX Congreso Nacional de Estadística e Investigación Operativa y de las IV Jornadas de Estadística Pública: actas, 2007, ISBN 978-84-690-7249-3
• Idioma: español
• Texto completo no disponible (Saber más ...)
• Resumen

  • Desde un punto de vista te´orico, resulta habitual la asunci´on de simetr´ýa de la matriz de proximidad en la formulaci´on de los modelos de una moda en Multidimensional Scaling (MDS). No obstante, en muchas situaciones reales los datos son naturalmente asim´etricos, en cuyo caso el problema suele subsanarse mediante la estimaci´on de una matriz de disparidades sim´etrica a partir de ellos.

    A´un as´ý, la consideraci´on de la falta de simetr´ýa en MDS es un problema de gran inter´es que generalmente ha sido abordado, entre otras maneras, mediante la descomposici´on de los modelos en una combinaci´on de una componente sim´etrica y otra asim´etrica. En este trabajo se propone un enfoque estructural, considerando que las proximidades observadas son indicadores de una variable latente de naturaleza sim´etrica, que es estimada simult´aneamente junto a la configuraci´on en un modelo de m´ýnimos cuadrados, mediante un procedimiento estoc´astico de optimizaci´on iterativa.