PCA/Faktoranalyse mit ordinalen DatenIch habe einen Datensatz aus den Sozialwissenschaften, der viele ordinale kategoriale Variablen mit > 2 Ebenen enthält, die mit Werten wie 1 2 3 verknüpft sind.
Ich wurde gefragt, ob es Korrelationen zwischen diesen ordinalen Variablen gibt, also Frage: Wie kann man Korrelation und PCA/Faktoranalyse mit dieser Art von Daten durchführen? Danke für die Hilfe!
Betreff: PCA/Faktorenanalyse mit ordinalen DatenDie Dimension in MCA ist dieselbe wie in PCA. Die kontinuierlichen Daten für die PCA sind hier die Chi-Quadrat-Abstände von der MCA und vor der PCA skaliert.
Betreff: PCA/Faktorenanalyse mit ordinalen DatenMCA funktioniert gut, tolles Tool zum Finden von Assoziationen! Ich weiß nur nicht, wie ich "Dimension" interpretieren soll, was eine niedrige oder hohe Punktzahl in Dimension 1 oder 2 bedeutet?
Betreff: PCA/Faktorenanalyse mit ordinalen DatenLCA gruppiert Zeilen basierend auf der Häufigkeit. Latente semantische Analyse gruppiert Ebenen (Variablen).
Betreff: PCA/Faktorenanalyse mit ordinalen DatenDanke für den Artikel über MCA, wie wäre es mit Latent Class Analysis; ist dies ein äquivalenter Ansatz zur Klassifizierung ordinaler Variablen?
Betreff: PCA/Faktorenanalyse mit ordinalen DatenIch stimme zu, dass ein Missverständnis vorliegt.
Bitte sehen Sie sich das an Artikel .
Betreff: PCA/Faktorenanalyse mit ordinalen DatenDenke, es gibt ein Missverständnis im Zusammenhang mit dem Titel meiner Diskussion, der sich auf ordinale Daten bezieht; dies kann mit Mehrfachkorrespondenz abgewickelt werden.
Zusätzlich zu ordinalen Variablen enthält mein Datensatz jedoch auch viele Faktoren, die diskret numerisch sind, wie Anzahl (#defects) und Bewertungen (Bewertungen 1 - 5). Daher ist meine Frage, ob eine Faktorenanalyse für diese diskreten numerischen Variablen möglich ist, um die zu finden zugrunde liegende Korrelationsstruktur? Ich bin verwirrt über die Korrelation zwischen diesen diskreten Variablen: Wenn ich ein multivariates Diagramm mache, sehen Korrelationen schrecklich aus. Wie analysiert man diese diskreten Faktoren richtig?
Betreff: PCA/Faktorenanalyse mit ordinalen DatenSie können Anzahlen von diskreten Ebenen haben. Sind die Variablen kategorisch? Zählst du diese Ebenen? Es ist immer noch eine kategorische Datenanalyse.
Betreff: PCA/Faktorenanalyse mit ordinalen DatenOk, wenn Odinalzahlen auch Zählungen oder Punkte sein können
Betreff: PCA/Faktorenanalyse mit ordinalen DatenNein, PCA oder Faktorenanalyse sind nicht geeignet, um Ihre ordinalen Daten zu analysieren. Die Werte sind nicht numerisch. Sie sind nur Etiketten. Sie könnten "A" bis "E" sein. Sie würden keine PCA- oder Faktoranalyse mit "A" bis "E" verwenden, oder?
Betreff: PCA/Faktorenanalyse mit ordinalen DatenMarc, danke für die Eingabe, diese multiple Korrespondenzanalyse funktioniert gut für kategoriale Daten!
Ich habe auch diskrete numerische Daten wie 1 2 4 5 . Ist es möglich, an solchen Daten eine zuverlässige PCA-/Faktorenanalyse durchzuführen, dh wird die Faktorenanalyse eine korrekte Gruppierung der korrelierten diskreten Effekte ergeben? Ist es nicht besser, den Spearman-Korrelationsansatz zu verwenden?
Betreff: PCA/Faktorenanalyse mit ordinalen DatenKorrelationen gelten für stetige Variablen. Assoziationen sind für kategoriale Variablen.
Ich schlage vor, dass Sie es mit der multiplen Korrespondenzanalyse versuchen. Siehe die Kapitel in der Hilfe > JMP-Dokumentationsbibliothek > Multivariate Methoden Handbuch.
