이번 11 월 JMP @ GIC에서 JMP의 Martin Demel 및 Ian Cox와 여러 내부 JMP 사용자와 대화를 나누었습니다 (자세한 내용은 여기에서 발견 ). 위시리스트에 추가하는 것이 좋았지 만 그렇게 할 수있는 권한이없는 것 같습니다. 대신 토론으로 게시하십시오. 또한 스크린 샷을 편리하게 삽입하는 방법을 알 수 없으므로 거의 동일한 설명이지만 적절한 스크린 샷으로 PDF를 첨부합니다. 발생하는 불편 함과 게시물 길이에 대한 사과-문제를 설명하고 방법에 대한 충분한 세부 정보를 제공하는 것만 큼 철저합니다.
첫 번째 질문은 JMP에서 CA (Correspondence Analysis)를 수행하는 방법입니다. 두 번째 질문은 JMP 분석에 유용하며 JMP 분석을보다 유용하게하고 잘못 해석하는 것을 피하기 위해 원하는 변경 사항이있는 감시에 관한 것입니다. 그 중 일부는 PCA, PLS, MDS 등의 다른 맵에 대해 동일하게 유지됩니다.
그 이유 중 일부는 적용 가능한 모든 질문에 대한 데이터의 일반적인 레이아웃에서 비롯된 것입니다. 이는 종종 행의 제목 * 제품 (있는 경우 복제) 및 열의 속성 형식으로 제공됩니다 . 속성을 확인한 경우 속성 값은 1이고 그렇지 않으면 0입니다 (스크린 샷 첨부 파일 참조).
있다 내부 웹툴 이런 종류의 데이터를 분석 할 수 있으며 이러한 분석은 다음에 나오는 참조로 간주됩니다. webtool의 CA 부분의 결과는 기본 이론에 따라 적어도 3 개의 다른 R 패키지와 R의 자체 구현에 대해 검사되었으므로 이러한 결과는 일반적으로 CA에 사용되는 것을 나타내는 것으로 가정하는 것이 안전합니다. 웹 도구에 대한 자세한 내용은 도움말 페이지에서 제공됩니다. P & G 외부인을위한 웹툴 : 메이 너스 등 (2013) : 비상 대응표, CA, 근사, 이항 검정, PLA, MDA, MDS에 기반한 Cochran의 Q 검정.
1. JMP를 통한 CA Y를 X로 맞추기 플랫폼
이 플랫폼을 사용하려면 속성 (및 제품을 식별하는 다른 속성)이 포함 된 한 열에 데이터를 쌓아야합니다. 스택 JMP의 친구입니다 (스크린 샷은 첨부 파일 참조).
사용하여 Y를 X로 맞추기 플랫폼을 사용하면 제품 ( "제품")별로 속성 ( "라벨")을 모델링 할 수 있지만 "데이터"열을 분석에서 가중치로 사용하는 것이 중요합니다 (스크린 샷은 첨부 파일 참조).
또는 "Data"== 0 인 모든 행을 삭제할 수 있습니다.이 경우 더 이상 가중치 열이 필요하지 않습니다.
분석은 세부 사항이 포함 된 우발 사태 테이블 및 CA를 제공합니다. 그러나 일부 문제는 아래에 설명되어 있습니다.
2. JMP를 통한 CA 다중 대응 일치 분석 [소비자 조사] 플랫폼
CA를 수행 할 때이 플랫폼을 속일 수 있지만 두 가지 (이 예에서는 제품 및 특성)가 아닌 여러 범주 형 질문과 함께 사용하도록되어 있습니다.
그것을 위해, 그것이 이상하게 느껴질 수 있지만, 당신은 사용해야합니다 Y로 속성, X로 제품 . 그러면 수표 (1)와 비 수표 (0)에 대한 개수가 제공된다는 사실을 제외하고 거의 고전적인 우발 상황 표가 표시됩니다 (스크린 샷은 첨부 파일 참조).
이것은 고전적인 우발 사태 테이블과는 달리 MCA에서 사용되는 소위 Burt-matrix입니다. 그룹당 여러 카테고리가있는 경우에 유용합니다. 예를 들어 속성은 연령 그룹이나 머리 색과 같은 여러 레벨을 취할 수 있지만 두 레벨 (0 및 1) 만있는 경우 필요하지 않으므로 데이터를 복제하기 만합니다. JMP 도움말 페이지에서 현재 간단한 CA를 실행하고 있다는 사실을 알았습니다.하지만 사실은 확장 된 (중복 된) 우발성 테이블을 기반으로합니다. 다른 곳. 차이는 비교적 적지 만 결과는 두 우발 사례 표와 동일하지 않습니다. JMP를 사용하면 모든 속성을 두 번 – 0에 대해 한 번 및 1에 대해 한 번만 얻습니다 (스크린 샷은 첨부 파일 참조).
R에서 동일한 우발성 테이블 (또는 Burt 행렬)을 수동으로 만들면 JMP의 결과를 정확하게 재현 할 수 있습니다.
JMP가 고전적 우발성 테이블을 대신 사용하도록 속이는 방법은 0을 모든 속성 열의 결 측값으로 정의하는 것입니다. 이 경우 결과는 표시된 첫 번째 방법과 동일합니다.
JMP는 두 가지 접근 방식 모두에 대한 우발성 우발성 표를 사용합니다. 위에서 언급 한 웹 애플리케이션은 백분율을 사용합니다 (product * attribute에 대한 총 관찰 수 기준). 이 결과는 그래프에서 눈에 띄지 않지만 정확한 좌표를 보면 나타납니다. 이러한 차이는 알고리즘의 숫자 반올림으로 인한 것일 수 있으며 CA가 절대 계수로 실행될 경우 사라집니다. 그것들은 실질적으로 중요하지는 않지만 (읽기 : 아마도 아니오), 그러나 누군가가 그 세부 수준에서 결과를 비교하는 경우를 위해 여기에 언급됩니다.
삼. JMP에서 CA 관련 문제
플랫폼에 관계없이 JMP에서 현재 CA를 구현할 때 언급해야 할 두 가지 주목할만한 문제가 있습니다.
- JMP는 CA를 절대 수를 기반으로합니다. 모든 제품과 속성이 누락 된 값없이 데이터 세트에서 동일하게 자주 평가 된 경우에도 정상적으로 작동합니다. 그러나 어떤 이유로 제품 A가 100 회 평가되었지만 다른 모든 제품이 50 회만 평가 된 경우, 절대 계수가 제품과 제품 사이의 잠재적 연관성보다는 샘플 크기에 의해 구동되기 때문에 이것은 무의미한 결과로 이어질 것입니다. 속성.
나는 취하다 모든 제품에 대해 동일한 가중치를 사용하기 위해 적절한 가중치를 사용하면 도움이 될 수 있지만 시도하지는 않았습니다. 어쨌든 제품에 대해서만 작동하므로 일부 평가자가 속성 목록이 더 짧거나 특정 속성을 평가하지 않은 경우 (= 결 측값)이를 해결할 수있는 방법은 없습니다. [NB : 누락 된 데이터와 비 검사를 구별하는 것은 불가능하기 때문에 CATA 데이터에서는 발생하지 않지만 적용 가능성 테스트와 같은 다른 연구에서 발생할 수 있습니다.]
이것은 실제로 나에게 심각한 제한으로 보이 므로이 문제에 대한 좋은 해결책이있을 때까지 불균형 데이터에 대해 CA를 수행하기 위해 JMP 플랫폼 중 하나를 사용하지 않는 것이 좋습니다. - 다른 결함은 기본적으로 JMP가 생성하는 그래픽에 있습니다. (소위) 지각 맵 또는 유사 (PCA, CA, MDS, PLS 등)은 두 축에서 동일한 스케일링이 필요합니다. 즉, 한 유닛의 물리적 길이는 x 축과 y 축 모두에서 동일해야합니다. x에 대해 90 %의 변동이 있고 y에 대해 5의 변동 만 있다고 가정합니다. 그러면 디스플레이가이를 시각적으로 나타내야합니다 (변형 설명 번호를 참조하지 않으면 사람 해석에 통합하기 어렵습니다). 즉, 이러한 그래픽은 정사각형이 아닌 가로 형식을 갖습니다 (아래에 공백이있을 수 있음). JMP는 기본적으로 이것을 보증하지 않으며 다른 스케일을 제공합니다. JMP의 해결 방법은 CA 플롯을 마우스 오른쪽 버튼으로 클릭하고 아래와 같이 Size / Scale-> Size to Isometric을 선택하는 것입니다. 따라서이 문제를 해결하는 것은 상대적으로 쉽지만 사용자는 실제로 수행해야한다는 것을 기억해야하며 불필요한 추가 노력이 필요합니다. 이 그래프의 아이소 메트릭 스케일링을 기본값으로 설정하는 것이 좋습니다. 레이아웃의 왜곡이 잘못 해석되기 쉽기 때문에 사용자가 변경할 수없는 기본값이어야한다고 제안하는 길이까지 갈 것입니다. 위에서 언급했듯이 이것은 PCA, MDS, PLS 등의 유사한 그래프에 대해서도 수행해야합니다 (스크린 샷은 첨부 파일 참조).
- 문제는 아니지만 바람직 함 : 언급 된 다른 플롯과 같은 CA 플롯은 x 축 또는 y 축 (또는 둘 다)에 임의로 반영 될 수 있습니다. 이것은 MDS 플랫폼의 JMP 13에서 제공됩니다 (Flip vertical / horizontal). 개별 분석에는 실제로 필요하지는 않지만 여러 연구 또는 분석 결과 또는…를 비교해야하는 경우 결과 그래프가 동일한 방향을 갖도록 반사를 적용 할 수 있도록하는 것이 유용합니다. 따라서 CA 및 PCA에 대해 동일한 기능을 갖는 것이 도움이됩니다.
