博文
不能用SPSS分析共现矩阵
|||
共现分析中矩阵的种类：无论是同被引聚类分析，还是词共现聚类分析，都要把相应的矩阵输入到聚类分析软件中，比如SPSS，我们给软件输进去的是什么？多数的研究输入的都是共现矩阵，就是行和列都是相同的元素，比如高被引论文或者高频主题词：
|
SMALL H, 1973 |
WHITE HD, 1981 |
SMALL H, 1974 |
KESSLER MM, 1963 |
MCCAIN KW, 1990 |
WHITE HD, 1998 |
CALLON M, 1986 |
CALLON M, 1983 |
CALLON M, 1991 |
PRICE DJD, 1965 |
CULNAN MJ, 1986 | |
|
SMALL H, 1973 |
134 |
36 |
50 |
46 |
18 |
17 |
12 |
16 |
6 |
18 |
10 |
|
WHITE HD, 1981 |
36 |
84 |
20 |
8 |
45 |
29 |
4 |
4 |
4 |
6 |
17 |
|
SMALL H, 1974 |
50 |
20 |
80 |
21 |
11 |
14 |
8 |
8 |
4 |
20 |
4 |
|
KESSLER MM, 1963 |
46 |
8 |
21 |
71 |
5 |
7 |
1 |
2 |
2 |
11 |
1 |
|
MCCAIN KW, 1990 |
18 |
45 |
11 |
5 |
62 |
28 |
1 |
1 |
3 |
7 |
9 |
|
WHITE HD, 1998 |
17 |
29 |
14 |
7 |
28 |
59 |
4 |
1 |
2 |
10 |
5 |
|
CALLON M, 1986 |
12 |
4 |
8 |
1 |
1 |
4 |
57 |
17 |
20 |
5 |
0 |
|
CALLON M, 1983 |
16 |
4 |
8 |
2 |
1 |
1 |
17 |
50 |
18 |
6 |
0 |
|
CALLON M, 1991 |
6 |
4 |
4 |
2 |
3 |
2 |
20 |
18 |
43 |
2 |
1 |
|
PRICE DJD, 1965 |
18 |
6 |
20 |
11 |
7 |
10 |
5 |
6 |
2 |
43 |
1 |
|
CULNAN MJ, 1986 |
10 |
17 |
4 |
1 |
9 |
5 |
0 |
0 |
1 |
1 |
40 |
比如上图中，第一列是11篇高被引论文，对应的第一行也是这11篇高被引论文，格子中的数字是它们同被引的次数，比如第一篇论文和第二篇论文同被引了36次，而对角线上的数字（134,84等）是该论文总的被引次数。
我看到很多的论文中都使用这种矩阵进行分析。猜想可能是这样的矩阵容易获得。在SCI或者其他文献数据库中，同时输入两个引文或者两个主题词，就可以得到它们在含有这两个引文或者高频词的文献数目，也就是它们的共现次数。因此，可以说直接生成共现矩阵是一条比较便利的途径。那么，从数据库中文献空间的角度深入的想一下，共现矩阵是如何得来的呢？其实，在共现矩阵之前，还有一个更加基础的矩阵，就是数据矩阵。
比如上面的同被引矩阵，实际上是来自于下面的矩阵。第一列还是11篇高被引论文，而第一行的其他各列则是引用这些文献的来源文献，其中的“1”代表着该来源文献的引文中出现了对应的被引文献，而“0”则表示没有出现。
|
被引文献 |
来源文献1 |
来源文献2 |
来源文献3 |
来源文献4 |
来源文献5 |
来源文献6 |
来源文献7 |
来源文献8 |
来源文献9 |
|
SMALL H, 1973, J AM SOC INFORM SCI, V24, P265 |
0 |
0 |
1 |
0 |
0 |
0 |
0 |
0 |
0 |
|
WHITE HD, 1981, J AM SOC INFORM SCI, V32, P163 |
0 |
0 |
1 |
0 |
0 |
0 |
0 |
1 |
0 |
|
SMALL H, 1974, SCI STUD, V4, P17 |
0 |
0 |
1 |
0 |
1 |
0 |
0 |
0 |
0 |
|
KESSLER MM, 1963, AM DOC, V14, P10 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
|
MCCAIN KW, 1990, J AM SOC INFORM SCI, V41, P433 |
0 |
0 |
1 |
0 |
0 |
0 |
0 |
1 |
0 |
|
WHITE HD, 1998, J AM SOC INFORM SCI, V49, P327 |
0 |
0 |
1 |
0 |
0 |
0 |
0 |
0 |
0 |
|
CALLON M, 1986, MAPPING DYNAMICS SCI |
1 |
0 |
0 |
0 |
0 |
1 |
0 |
0 |
0 |
|
CALLON M, 1983, SOC SCI INFORM, V22, P191 |
0 |
0 |
0 |
0 |
0 |
0 |
1 |
0 |
0 |
|
CALLON M, 1991, SCIENTOMETRICS, V22, P155 |
1 |
1 |
0 |
0 |
0 |
1 |
1 |
0 |
1 |
|
PRICE DJD, 1965, SCIENCE, V149, P510 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
|
CULNAN MJ, 1986, MANAGE SCI, V32, P156 |
0 |
0 |
1 |
1 |
0 |
0 |
0 |
0 |
0 |
实际上，在SPSS中，准许输入的应该是这种矩阵，聚类选项中数据类型选择是“binary”，相似系数我们选择的是“Ochiai”系数。下面是通过高被引论文-引文矩阵（数据矩阵）生成的聚类图：
如果把共现矩阵输入当做数据矩阵输入到SPSS中的话，实际上SPSS把二者的共现数据当做分类样本的一个属性值了，这样做似乎也有一定的道理，因为一篇文献（A）与其他文献（B,C等）的共现次数也可以被当作该文献（A）的属性，但是严格说来这样做是不合适的。下面是通过共现矩阵生成的聚类图：
仔细观察二者的差异，虽然在局部有相同的聚类结果，但是越到后来，分类的差异就越大，这就是很多研究中经常遇到的问题：虽然聚类了，但是实际上结果判读起来很别扭。所以，你在研究中一旦出现这种情况，你就不要强行去解释错误的结果了，应该检查数据和聚类方法是不是有错误了。
那么，如果手头只有共现矩阵该怎么办？其实可以输入共现矩阵的聚类分析软件还是很多的，比如SAS，还有很多免费的小软件，都具有生物信息学的特色，需要费心学习，一旦上了手，你会发现各具特色，其实也很好用的。
1.CLUTO - Software for Clustering High-Dimensional Datasets
2．Cluster Analysis and Visualization from Eisen Lab
https://blog.sciencenet.cn/blog-82196-328819.html
上一篇：为什么要引用（续2）
下一篇：路上联翩
