Diseño cruzado y PCA.Hola,
¿Es aceptable aplicar PCA como un método de reducción variable a los datos recopilados de un diseño cruzado donde cada participante fue sometido a dos niveles del mismo factor? Cada observación consta de 1060 variables.
Gracias
Re: Diseño Crossover y PCA.Cuando escribió '... reducción de variable ...' ¿está buscando identificar un conjunto más pequeño de variables influyentes dentro de un contexto de modelado para explicar o predecir el comportamiento de un sistema? Si es así, entonces se recomienda una técnica de 'identificación variable'. En términos generales, la PCA se usa como una técnica de reducción de dimensionalidad ... no como una técnica de identificación de variables. Hay varios métodos de modelado en JMP e incluso más en JMP Pro, junto con las plataformas complementarias / de apoyo, como la Comparación de modelos, Hacer una columna de validación y el Depósito de fórmulas (solo para JMP Pro) que se pueden usar para la identificación de variables. El método que funcione mejor es una cuestión de contexto, sus datos y el problema práctico que nos ocupa.
Re: Diseño Crossover y PCA.Gracias por su respuesta. Puede que no me haya expresado bien. Quiero obtener los puntajes de mis datos de diseño cruzado y usar esos puntajes como variables de entrada para otra cosa. ¿Sería ese enfoque válido?
Re: Diseño Crossover y PCA.Todavía no estoy 100% seguro de la estructura de su diseño experimental. ¿Hay N sujetos y cada sujeto recibió el Tratamiento A y el Tratamiento B? ¿Y dónde entran en juego las variables '1060'? ¿Son estas '1060' variables atributos de cada asignatura? Tal vez usted puede compartir la tabla de datos JMP?
Re: Diseño Crossover y PCA.Sí, tengo N vacas (sujetos) y a cada vaca se le administró el tratamiento A y el tratamiento B. Se tomó una muestra de leche de cada vaca (sujeto) y se registró el espectro FTIR (infrarrojo de Fourier) para esa muestra de leche. El espectro FTIR contiene 1060 variables espectrales, o números de onda como decimos. Me pregunto si las observaciones pareadas serían un problema para calcular las puntuaciones de PCA. ¿Este cálculo requiere independencia de observaciones? En caso afirmativo, ¿estoy violando esta suposición en este caso?
Re: Diseño Crossover y PCA.¿Está tratando los valores FTIR como predictores o respuestas?
Re: Diseño Crossover y PCA.Respuestas
Re: Diseño Crossover y PCA.OK ... creo que entiendo lo que intentas hacer ... ya que los valores de FTIR son respuestas y parece que vas a usar la salida de PCA para algún otro propósito, creo que no veo ningún problema con actuar de usar estos valores para crear valores propios, etc. Es posible que desee ver si hay diferencias apreciables entre los resultados de PCA por tratamiento. Puede ser incitante utilizar una técnica de modelado, como mínimos cuadrados parciales, para ver lo que puede aprender allí, aunque no parezca que esté en el espacio de modelado con este conjunto de datos en particular. Su problema no parece muy diferente de la tabla de datos Baltic.jmp ... aunque es una tabla mucho más pequeña.
Re: Diseño Crossover y PCA. @P_Bartell Gracias por su respuesta y su tiempo, realmente lo aprecio.
