[论文解读] Logistic Biplots for Ordinal Data with an Application to Job Satisfaction of Doctorate Degree Holders in Spain

José Luis Vicente Villardón, Julio César Hernández Sánchez|arXiv (Cornell University)|May 1, 2014

Sensory Analysis and Statistical Methods参考文献 7被引用 4

一句话总结

本文提出了序数逻辑双标图（Ordinal Logistic Biplot, OLB），一种通过将逻辑双标图扩展至使用比例优势模型处理有序分类响应的新型方法，用于可视化有序多变量数据。该方法结合项目反应理论（IRT）与双标图几何，实现在降维空间中同时可视化个体与变量，应用于西班牙博士毕业生的工作满意度研究，揭示了不同行业与地区间清晰的结构模式。

ABSTRACT

Biplot Methods allow for the simultaneous representation of individuals and variables of a data matrix. For Binary or Nominal data, Logistic biplots have been recently developed to extend the classical linear representations for continuous data. When data are ordinal, linear, binary or nominal logistic biplots are not adequate and techniques as Categorical Principal Component Analysis (CATPCA) or Item Response Theory (IRT) for ordinal items should be used instead. In this paper we extend the Biplot to ordinal data. The resulting method is termed Ordinal Logistic Biplot (OLB). Row scores are computed to have ordinal logistic responses along the dimensions and column parameters produce logistic response surfaces that, projected onto the space spanned by the row scores, define a linear biplot. A proportional odds model is used, obtaining a multidimensional model known as graded response model in the Item Response Theory literature. We study the geometry of such a representation and construct computational algorithms for the estimation of parameters and the calculation of prediction directions. Ordinal Logistic Biplots extend both CATPCA and IRT in the sense that gives a graphical representation for IRT similar to the biplot for CATPCA. The main theoretical results are applied to the study of job satisfaction of doctorate (PhD) holders in Spain. Holders of doctorate degrees or other research qualifications are crucial to the creation, commercialization and dissemination of knowledge and to innovation. The proposed methods are used to extract useful information from the Spanish data from the international 'Survey on the careers of doctorate holders (CDH)', jointly carried out Eurostat, the Organisation for Economic Co-operation and Development (OECD) and UNESCO's Institute for Statistics (UIS).

研究动机与目标

• 解决多变量分析中有序数据缺乏图形化方法的问题。
• 将逻辑双标图方法从二值与名义数据扩展至处理有序分类变量。
• 将项目反应理论（IRT）与双标图可视化相结合，用于有序响应。
• 为解释有序数据中的潜在特质，提供几何与计算框架。
• 将该方法应用于西班牙博士工作满意度的真实世界数据，揭示不同行业与地区间的结构性模式。

提出的方法

• 提出序数逻辑双标图（OLB）作为逻辑双标图在有序数据上的扩展，采用比例优势模型。
• 通过项目反应理论（IRT）中的分级反应模型对有序响应进行建模，确保有序类别间累积概率的合理性。
• 使用交替最小二乘法结合迭代主要化算法，估计行得分（个体）与列参数（变量）。
• 将逻辑响应面投影到由行得分张成的降维空间中，形成线性双标图。
• 利用比例优势模型的临界点定义双标图中各类别的位置，以实现响应模式的解释。
• 应用凸包与密度轮廓识别双标图空间中按就业行业与居住地区划分的群体。

实验结果

研究问题

• RQ1 如何将逻辑双标图方法扩展至处理有序而非二值或名义数据？
• RQ2 当响应为有序分类变量时，双标图表示的几何结构是什么？
• RQ3 与CATPCA和IRT等现有技术相比，所提出的OLB方法在可解释性与可视化方面表现如何？
• RQ4 通过OLB可视化，西班牙博士毕业生的工作满意度中可揭示哪些结构性模式？
• RQ5 就业行业与居住地区如何影响OLB模型识别出的潜在满意度维度？

主要发现

• OLB模型成功可视化了有序数据的多维结构，响应类别在双标轴上呈现清晰分离。
• 如‘智力挑战’与‘工作保障’等变量在双标图中表现出准分离，表明响应存在强烈聚类。
• ‘晋升机会’与‘自主程度’变量显示出相似的方向趋势，但类别位置不同，凸显感知上的细微差异。
• 高等教育行业博士在智力挑战、自主程度与晋升机会方面报告显著更高的评分，高于其他行业。
• 商业行业在薪酬与福利感知方面更具优势，这在双标图的空间聚集中有所体现。
• 区域间存在差异，马德里、卡斯蒂利亚-莱昂、卡斯蒂利亚-拉曼查与拉里奥哈在智力挑战与晋升感知方面表现出与其他地区不同的认知模式。