Hopp til innhold

Steinurplott

Fra Wikipedia, den frie encyklopedi
Et eksempel på steinurplott laget med programmet R. «Kaiser»-kriteriet er vist i rødt.

Innen multivariat statistikk er et steinurplott (engelsk scree plot) et plott med egenverdiene til faktorer eller prinsipalkomponenter til en analyse.[1] Steinurplott blir brukt for å bestemme antall faktorer i utforskende faktoranalyse (FA) eller hovedkomponentene i prinsipalkomponentanalyse (PCA). Fremgangsmåten for å finne statistisk signifikante faktorer eller komponenter ved hjelp av steinurplott er også kjent som en steinurtest (engelsk scree test).

Et steinurplott viser alltid egenverdiene i en nedadgående kurve, og rangerer på denne måten egenverdiene fra størst til minst. Steinurtesten går da ut på å identifisere hvor «albueknekken» oppstår, eller med andre ord hvor egenverdiene ser ut til å flate ut. Faktorer eller komponenter til venstre for dette knekkpunktet blir da ansett som signifikante og beholdes.[2]

Etymologi[rediger | rediger kilde]

Navnet steinurplott kommer fra likehten med formen til albueknekken i bunnen av en steinur. Britisk-amerikaneren Raymond B. Cattell introduserte begrepet i 1966.

Kritikk[rediger | rediger kilde]

Steinurtesten har blitt kritisert av enkelte for å være subjektiv, altså at resultatet kan variere ut ifra tolkningen fra person til person. Plottet kan ha flere «albuer» som gjør det vanskelig å bestemme antallet faktorer eller komponenter som skal beholdes, hvilket gjør testen upålitelig. Metoden angir heller ingen standardskalering av x-og y-aksene, hvilket betyr at forskjellige statistiske programmer kan gi ulike plott fra de samme dataene som dermed gir grunnlag for forskjellige konklusjoner.[3]

Testen har også blitt kritisert for å produsere for få faktorer eller komponenter for faktorbevaring (retention).[1]

En mer objektiv variant av steinurtesten som har blitt foreslått er Cattell–Nelson–Gorsuch-steinurtesten (CNG scree test).

Referanser[rediger | rediger kilde]

  1. ^ a b George Thomas Lewith; Wayne B. Jonas; Harald Walach (23. november 2010). Clinical Research in Complementary Therapies: Principles, Problems and Solutions. Elsevier Health Sciences. ISBN 0-7020-4916-6. 
  2. ^ Alex Dmitrienko; Christy Chuang-Stein; Ralph B. D'Agostino. Pharmaceutical Statistics Using SAS: A Practical Guide. SAS Institute. ISBN 978-1-59994-357-2. 
  3. ^ Geoffrey R. Norman; David L. Streiner (15. september 2007). Biostatistics: The Bare Essentials. PMPH-USA. ISBN 978-1-55009-400-8. 
Autoritetsdata