PCA et variables significativement corrélées aux PCEn ACP, existe-t-il un moyen de visualiser ou de déterminer quelles variables sont significativement corrélées aux principaux axes de la composante? Par exemple, dans l'exemple donné par JMP ( https://www.jmp.com/support/help/13-1/Principal_Components_Report.shtml#213961 ) existe-t-il un tableau ou quelque chose qui donne la valeur de la corrélation d'Ether avec l'axe PC1 ou PC2 (valeur r)?
Remarque: j'utilise JMPGenomics - Merci!
Re: PCA et variables significativement corrélées aux PCMerci! c'est probablement le meilleur jmp possible à ce jour!Re: PCA et variables significativement corrélées aux PCOn dirait que Laura Higgins donne des informations sur la façon de déduire les variables qui composent les PC regardent sa webdiffusion PCA sur https://www.jmp.com/en_us/events/ondemand/mastering-jmp/multivariariate-data-exploration.html J'espère que ça aide certains.
Re: PCA et variables significativement corrélées aux PCJ'essaie en fait de comprendre cela aussi (si je comprends bien votre question). Kemal Oflus diffuse sur le Web le lien suivant:
https://www.jmp.com/en_us/events/ondemand/mastering-jmp/analyse multi-variée.html Dans sa webémission, il montre que vous pouvez cliquer avec le bouton droit de la souris sur le PC (une fois que celui-ci est dans votre table de données) et sélectionner "forumula" pour afficher le% de chaque variable constituant le composant principal. Dans JMP 13, cela ne fonctionne pas ... Il semble qu'il devrait y avoir un moyen. À en juger par les réponses à la plupart de ces types de fils, Oflus a dû utiliser la magie noire pour obtenir ces pourcentages (sinon il était dans l'erreur) ...
Webcast Oflus
