Técnicas de redução de dimensão para amostras muito pequenas


8

Eu tenho 21 variáveis ​​socioeconômicas e de nível macro de atitude (como porcentagem de mães de 24 a 54 anos que não estão empregadas, porcentagem de crianças de 3 a 5 anos em creches e assim por diante). Também tenho dados sobre as proporções de avós que prestaram cuidados infantis intensivos. A maioria das variáveis ​​socioeconômicas que selecionei estão altamente correlacionadas com a prestação de cuidados infantis (por exemplo, há uma correlação negativa entre a proporção de mães empregadas em regime de meio período e a prestação de cuidados infantis com avós).

Idealmente, gostaria de criar uma tipologia de diferentes tipos de países. Minha esperança seria usar algum tipo de técnica de redução de dimensão cujos componentes ou fatores fizessem algum sentido intuitivo (por exemplo, atitudes em relação à família e gênero, estrutura do mercado de trabalho, políticas familiares). Ou, alternativamente, avalie qual dos 21 indicadores em nível macro melhor explica a variabilidade na prestação de assistência infantil em todos os países.

Meu principal problema é que tenho apenas 12 países europeus. Acho que a análise de PCA e fator não é uma técnica apropriada em tão poucos casos. Estou correcto? Disseram-me para tentar usar a análise comparativa qualitativa ou a análise de correspondência múltipla, embora, para meu entendimento, as últimas técnicas sejam mais apropriadas para indicadores binários (ou categóricos) em nível macro (enquanto os meus são porcentagens ou variáveis ​​contínuas).


2
Como você deseja uma tipologia, isso soa como um problema de análise de cluster em vez de redução de dimensão. Com seus dados limitados, você pode usar isso e algumas parcelas básicas para contar a história - mas você está quase em métodos de pesquisa qualitativa, e não em quant aqui.
Peter Ellis

Obrigado. Pensei também na análise de cluster, embora o problema de ter tantas variáveis ​​e tão poucos casos permaneça. Acho que vou seguir os enredos básicos e convencer meu chefe de que não há nada mais emocionante a ser feito (como sempre suspeitei secretamente).
Giorgio

1
Eu acho que @ PeterEllis está certo sobre que tipo de coisa você quer fazer. No entanto, você pode executar PCA e FA em pequenos conjuntos de dados. Ambos os métodos dependem de correlações e uma correlação é válida, mesmo com 12 observações. No entanto, as correlações podem não ser estimadas muito bem.
Peter Flom

Respostas:


5

Como o comentário / resposta de Peter Ellis sugere, você está falando sobre redução de dimensionalidade e não redução de dados. Você alterou o número de pontos de dados apenas o tamanho do espaço das covariáveis. Agora, Peter Flom está certo de que os métodos PCA e FA podem ser tentados com tamanhos de amostra pequenos, mas não são apenas as correlações que provavelmente são mal estimadas, mas também que você pode ser enganado a cair em dimensões muito baixas porque os recursos podem parecer mais altamente correlacionados do que teriam sido com uma amostra maior. Eu não recomendaria.


1
Obrigado. Desculpe, eu realmente quis dizer redução de dimensão! Além disso, concordo que é melhor evitar PCA e FA com apenas 12 casos.
Giorgio

1
n=3cor( rnorm(3), rnorm(3) )R

@ Macro e com n = 2, a correlação de +1 ou -1 é garantida.
Michael R. Chernick 26/07/12

5

Eu iria para a análise de co-inércia, que é uma variante tácita da análise canônica . Isso daria a você uma combinação linear das 21 variáveis ​​que possui a maior co-inércia com uma combinação linear de dados de puericultura (ou com puericultura, se for uma única variável quantitativa). O truque de trabalhar com co-inércia em vez de correlação é que você ainda pode executar os cálculos quando houver mais variáveis ​​que observações.

Infelizmente, a CIA não é muito difundida. Foi desenvolvido para a ecologia, onde geralmente há mais variáveis ​​do que locais de observação. Você pode encontrar algumas informações técnicas em Dray, Chessel e Thioulouse, Ecology 84 (11), 3078-89, 2003 .

Dito isto, os outros comentários / respostas estão certos de que 12 é um número relativamente pequeno e você terá que conviver com isso ...


Ao utilizar nosso site, você reconhece que leu e compreendeu nossa Política de Cookies e nossa Política de Privacidade.
Licensed under cc by-sa 3.0 with attribution required.