Análisis PCA / Factor con datos ordinalesTengo un conjunto de datos de ciencias sociales que contiene muchas variables categóricas ordinales con> 2 niveles que están vinculados a puntuaciones como 1 2 3 ..
Me preguntaron si hay correlaciones entre estas variables ordinales, por lo que me pregunto: ¿cómo llevar a cabo la correlación y el análisis PCA / Factor con este tipo de datos? ¡Gracias por la ayuda!
Re: PCA / Análisis factorial con datos ordinalesLas correlaciones son para variables continuas. Las asociaciones son para variables categóricas.
Le sugiero que pruebe el Análisis de correspondencia múltiple. Ver los capítulos en el Ayuda> Biblioteca de documentación de JMP> Métodos multivariados guía.
Re: PCA / Análisis factorial con datos ordinalesMarc, gracias por ingresar este análisis de correspondencia múltiple funciona bien para datos categóricos.
También tengo datos que son numéricos discretos, como 1 2 4 5. ¿Es posible llevar a cabo un análisis de PCA / factor confiable sobre dichos datos, es decir, el análisis factorial dará una agrupación correcta de los efectos discretos correlacionados? ¿No es mejor usar el enfoque de correlación de Spearman?
Re: PCA / Análisis factorial con datos ordinalesNo, PCA o análisis factorial no son apropiados para analizar sus datos ordinales. Los valores no son numéricos. Son solo etiquetas. Podrían ser de "A" a "E". No usarías PCA o análisis factorial con "A" a "E", ¿verdad?
Re: PCA / Análisis factorial con datos ordinalesOk si los números de hower odinal también pueden ser recuentos o puntuaciones
Re: PCA / Análisis factorial con datos ordinalesPuede tener recuentos de niveles discretos. ¿Son las variables categóricas? ¿Estás contando estos niveles? Todavía es un análisis de datos categórico.
Re: PCA / Análisis factorial con datos ordinalesPiense que hay un malentendido relacionado con el título de mi discusión en referencia a los datos ordinales; Esto se puede manejar con correspondencia múltiple.
Sin embargo, además de las variables ordinales, mi conjunto de datos también contiene muchos factores que son numéricos discretos, como recuentos (#defectos) y puntajes (calificaciones 1 a 5), por lo que mi pregunta es si es posible el análisis factorial para estas variables numéricas discretas para encontrar el estructura de correlación subyacente? Estoy confundido acerca de la correlación entre estas variables discretas: cuando hago una correlación multivariada, las correlaciones se ven terribles. Por otro lado, cuando busco en el mapa de color, ¿aparecen muchos puntos rojos y rosas que indican correlación? ¿Cómo analizar correctamente estos factores discretos?
Re: PCA / Análisis factorial con datos ordinalesEstoy de acuerdo en que hay un malentendido.
Por favor mira esto artículo .
Re: PCA / Análisis factorial con datos ordinalesGracias por el artículo sobre MCA, ¿qué hay de Latent Class Analyis? ¿Es este un enfoque equivalente para clasificar las variables ordinales?
Re: PCA / Análisis factorial con datos ordinalesLCA agrupa filas en función de la frecuencia. Análisis semántico latente agrupa los niveles (variables).
Re: PCA / Análisis factorial con datos ordinales¡MCA funciona bien, es una gran herramienta para encontrar asociaciones! Solo que no sé cómo interpretar la "dimensión", ¿qué significa una puntuación baja o alta en la dimensión 1 o 2?
Re: PCA / Análisis factorial con datos ordinalesLa dimensión en MCA es la misma que en PCA. Los datos continuos para la PCA aquí son las distancias de chi cuadrado de MCA y escaladas antes de la PCA.
