Interprétation de base des tracés PCASalut à tous, je me demandais si quelqu'un pouvait expliquer le deuxième graphique qui apparaît après une analyse PCA générale sur JMP. Trois graphiques apparaissent généralement : le graphique des valeurs propres, un deuxième nuage de points et le graphique de chargement. Quelle est la relation entre le deuxième graphique et le graphique de chargement ? Je remarque que le graphique de chargement contient généralement beaucoup plus de détails que ce deuxième nuage de points. Merci!
Modélisation statistique avancéeExploration et visualisation des donnéesRe : Interprétation de base des graphiques PCAMerci Georg qui a également été très utile! Cela m'a aidé à dériver la vue biplot du tracé PCA et du graphique de chargement.
Re : Interprétation de base des graphiques PCAMerci Dan c'était très utile!
Re : Interprétation de base des graphiques PCA@ cristal007 il y a beaucoup d'excellentes informations dans le programme à ce sujet, par exemple, jetez un œil à
- quelques exemples dans l'index des statistiques (Aide --> index des statistiques), ou dans d'autres exemples de tables
- dans le rapport appuyez sur "?" et Pointez sur la partie du rapport sur laquelle vous avez des questions
- dans le Manuel (Méthodes multivariées, chapitre 4 ACP)
- ...
Re : Interprétation de base des graphiques PCAL'ACP peut être expliquée de plusieurs façons, mais voici une explication.
Le deuxième graphique est le nuage de points de PC1 et PC2. Il s'agit d'un tracé des observations sur les nouveaux axes de coordonnées PC. Vous pourriez le considérer comme une vue bidimensionnelle de votre espace multidimensionnel d'origine. Il peut vous renseigner sur les relations entre les observations.
Le troisième graphique est le tracé des valeurs propres pour les deux premiers PC. Cela peut vous renseigner sur les relations entre les variables.
Les deux ensemble : supposons que vous voyiez un point périphérique dans la partie supérieure droite du deuxième graphique. Regardez le troisième graphique et voyez quelles variables pointent dans cette direction. Ce point périphérique est probablement élevé dans ces variables. De même, toutes les variables dans la direction opposée auraient des scores faibles pour les variables d'origine.
