Korrespondanceanalyse som statistisk redskab på de gymnasiale uddannelser
Forfatter
Gammelgård, Leif
Semester
4. semester
Udgivelsesår
2014
Afleveret
2014-12-04
Antal sider
84
Resumé
Denne rapport undersøger korrespondanceanalyse som et statistisk redskab i gymnasiale uddannelser og har til formål at give en tilgængelig introduktion, der kan danne grundlag for undervisning. Udgangspunktet er udfordringen ved at skabe overblik over flerdimensionelle, især kvalitative, datasæt, hvor klassiske grafer er utilstrækkelige. Rapporten forklarer, hvordan korrespondanceanalyse reducerer data til et to-dimensionelt plot baseret på 𝑋2-afstande, og diskuterer den medfølgende informationsreduktion og behovet for faglig fortolkning. Den matematiske kerne gennemgår projektioner, egenværdier og egenvektorer for symmetriske matricer samt singular value decomposition (SVD) for generelle matricer, som danner den teoretiske ramme for at beregne og forstå korrespondanceplots. Trin-for-trin eksempler viser, hvordan man konstruerer plots i én, to og flere dimensioner, og en algoritme skitseres med implementerbare matrixoperatorer i statistikprogrammet R. Tre praktiske anvendelser illustrerer metoden: stemmefordeling ved folketingsvalg, analyse af forfatterskaber og en individuel spørgeskemaundersøgelse. Afslutningsvis foreslås en gymnasial, gerne tværfaglig, undervisningsramme, hvor matematik leverer det statistiske/matematiske fundament, mens andre fag bidrager med domæneviden til analyse og fortolkning. Rapporten fremhæver behovet for, at elever opnår indblik i statistiske modeller og færdigheder til selv at gennemføre og fortolke analyser med korrespondanceanalyse.
This report examines correspondence analysis as a statistical tool for upper secondary education, aiming to provide an accessible introduction suitable for teaching. It addresses the challenge of summarizing multidimensional, especially qualitative, datasets where conventional graphs fall short. The report explains how correspondence analysis reduces data to a two-dimensional plot using chi-square distances, and discusses the resulting loss of information and the need for domain-specific interpretation. Its mathematical core covers projections, eigenvalues and eigenvectors of symmetric matrices, and singular value decomposition (SVD) for general matrices, forming the theoretical basis for computing and understanding correspondence plots. Step-by-step examples demonstrate plot construction in one, two, and higher dimensions, and an algorithm is outlined with matrix operators implementable in the statistical program R. Three practical applications illustrate the method: vote distributions in national elections, analysis of authors’ works, and an individual survey. The conclusion proposes a secondary-level, preferably interdisciplinary, teaching framework where mathematics provides the statistical foundation and other subjects supply domain knowledge for analysis and interpretation. The report emphasizes the need for students to gain insight into statistical models and the skills to carry out and interpret their own correspondence analyses.
[Dette resumé er genereret med hjælp fra AI direkte fra projektet fuldtekst]