【 苗C~，饵" .7. Il ，~ - 世界大学城

Warning # 14654> The total number of parameters being estimated Cthe number of stimulus> coordinates plus the number of weights , if any) is large relative to the> number of data values in your data matrix. The results may not be reliable> since there may not be enough data to precisely estimate the values of the> parameters. Y ou should reduce the number of parameters Ce. g. request> fewer dimensions) or increase the number of observations.> Number of parameters is 18. Number of data values is 36Stress and squared correlation CRSQ) in distancesRSQ values are the proportion of variance of the scaled data Cdisparities)in the partition Crow , matrix, or entire data) whichis accounted for by their corresponding distances.Stress values are Kruskal' s stress formula 1.For matrixStress = .01576 RSQ = .99873上 面 方 杠 中 我 们 只 给 出 了 最 关 键 的 部 分 , 首 先 会 有 一 个 警 告 , 说 明 在 当 前 模 型 中 一 共 需 要 拟合 18 个 参 数 , 但 只 有 36 个 数 据 , 可 能 数 据 量 不 足 。 如 果 使 用 一 个 矩 阵 来 进 行 非 度 量 模 型 , 就 经常 会 遇 到 该 警 告 。 最 后 模 型 的 拟 合 指 标 为 Stress= 0.015 76 , RSQ = O. 998 73 , 显 然 效 果 要 比 古典 模 型 好 得 多 。 但 大 家 注 意 结 果 中 对 这 些 指 标 的 说 明 , 这 里 的 决 定 系 数 实 际 上 指 的 是 变 换 后 数据 CDisparities) 的 解 释 度 , 而 变 换 中 显 然 是 要 损 失 一 部 分 信 息 的 , 因 此 究 竟 对 原 数 据 的 解 释 效 果是 否 更 佳 还 很 难 说 。图 16.9 Ca) 为 模 型 的 拟 合 结 果 , 可 见 和 古 典 模 型 的 结 果 相 比 , 现 在 的 结 果 很 明 显 的 缩 小 了 师1.51.0