Design croisé et PCASalut,
Est-il acceptable d'appliquer PCA comme méthode de réduction variable aux données collectées à partir d'un plan croisé où chaque participant a été soumis à deux niveaux du même facteur? Chaque observation comprend 1060 variables.
Je vous remercie
Re: Design croisé et PCALorsque vous avez écrit '... réduction de variable ...', cherchez-vous à identifier un ensemble plus petit de variables d'influence dans un contexte de modélisation afin d'expliquer ou de prédire le comportement d'un système? Si tel est le cas, une technique d'identification variable est recommandée. De manière générale, la PCA est utilisée comme technique de réduction de la dimensionnalité ... et non comme technique d’identification variable. Il existe plusieurs méthodes de modélisation dans JMP et même davantage dans JMP Pro, ainsi que des plates-formes associées / compatibles telles que Model Comparision, Make Validation Column et Formula Depot (uniquement JMP Pro uniquement) pouvant être utilisées pour l'identification de variable. La méthode qui fonctionne le mieux est une question de contexte, de données et de problème pratique.
Re: Design croisé et PCAMerci pour votre réponse. Je ne me serais peut-être pas bien exprimé. Je souhaite obtenir les scores de mes données de conception croisées et les utiliser comme variables d'entrée pour autre chose. Est-ce que cette approche serait valable?
Re: Design croisé et PCAJe ne suis toujours pas sûr à 100% de la structure de votre projet expérimental. Y a-t-il N sujets et chaque sujet a-t-il reçu un traitement A et un traitement B? Et où les variables '1060' entrent-elles en jeu? Ces variables '1060' sont-elles des attributs de chaque sujet? Peut-être pouvez-vous partager la table de données JMP?
Re: Design croisé et PCAOui, j'ai N vaches (sujets) et chaque vache a reçu un traitement A et un traitement B. Un échantillon de lait a été prélevé sur chaque vache (sujet) et un spectre FTIR (infrarouge à transformation de Fourier) a été enregistré pour cet échantillon de lait. Le spectre FTIR contient 1060 variables spectrales, ou nombres d’ondes, comme on dit. Je me demande si les observations couplées seraient un problème pour le calcul des scores PCA. Ce calcul nécessite-t-il l'indépendance des observations? Si oui, est-ce que je viole cette hypothèse dans ce cas?
Re: Design croisé et PCATraitez-vous les valeurs FTIR comme des prédicteurs ou des réponses?
Re: Design croisé et PCARéponses
Re: Design croisé et PCAOK ... Je pense que je comprends ce que vous essayez de faire ... puisque les valeurs FTIR sont des réponses et il semble que vous utilisiez la sortie PCA à une autre fin. Je suppose que je ne vois aucun problème avec act d'utiliser ces valeurs pour créer des valeurs propres, etc. Vous voudrez peut-être voir s’il existe des différences appréciables entre les résultats de l’ACP par traitement. Il peut être intéressant d’utiliser une technique de modélisation telle que les moindres carrés partiels pour voir ce que vous pouvez y apprendre, même si vous ne semblez pas être dans l’espace de modélisation avec cet ensemble de données particulier. Votre problème ne semble pas trop différent du tableau de données Baltic.jmp ... bien que ce soit un tableau beaucoup plus petit.
Re: Design croisé et PCA @P_Bartell Merci pour votre réponse et votre temps, je l'apprécie vraiment.
