如何檢查資料中的分類與分類相關性你好，
我有這樣的數據，我想關聯之間失敗列到其他分類列。
jmp 中的統計測試是什麼以及我們如何應用它？
有什麼建議麼？
基礎資料分析與建模品質和工藝工程回覆：如何檢查資料中的分類與分類相關性JMP 輸出有時可能相當冗長。 但您不一定需要全部。 我將使用相同的範例進行解釋。
MCA 雙圖顯示每個變數的所有水平，以了解變數之間關聯的性質。 卡方值是距離度量。 所以卡方沒有好壞之分。 比較沒有門檻。 這只是訊息。 這個想法是，您可以先確定某個關聯是否具有統計顯著性，然後使用 MCA 調查其性質。 MCA 是解釋性的。
假設兩個變數強相關。 以什麼方式？ MCA 情節告訴你。 您的原始分類變數被重新轉換為與質心所有數據。 將質心視為資料表中的平均行。 每個新的距離測量定義一個新的維度或軸。 這些尺寸是正交正如您對笛卡爾座標的期望。 每個維度代表來自所有原始分類變數的獨特資訊。 這些尺寸按降序排列慣性。 將慣性視為一維中距質心的總距離。 （慣性的符號是小寫希臘語拉姆達.) 因此，第一個維度最大程度地分隔了層級。 第二個維度分隔的層級小於第一個維度但大於其餘維度，依此類推。 因此，前兩個維度向您顯示有關關聯的最多資訊。
從一個變數開始，例如性別。 請注意，男性和女性圖中的水平沿著第二個維度在相反方向上遠離原點，但它們沿著第一個維度接近（即接近 0）。 現在看另一個變數：國家。 這美國人和日本人水平沿著第一個維度遠離原點，但在第二個維度上接近 0。 另一方面，歐洲的level 在第一個維度上接近 0，但在第二個維度上相當負。 您可以評估同一變數的水平與原點的方向和距離。
現在一次考慮兩個變量，例如國家和尺寸。 這兩個變數之間的一般關聯可以視為日本人和小的,美國人和大的，最後歐洲的和中等的。您只能評估不同變數水平遠離原點的方向。
回覆：如何檢查資料中的分類與分類相關性嗨，馬克，@markbailey
感謝您的連結。 是的，我的統計數據有限，但我有雄心壯志去學習它；）我嘗試了其中一個示例，它給出了非常複雜的結果，我可以理解並消化。
當我看向https://www.jmp.com/support/help/en/15.2/#page/jmp/multiple-correspondence-analysis.shtml#
我不明白卡方數如何根據該數字是好是壞。
這裡確定的門檻是多少？
如何選擇 y 軸和 x 軸尺寸。 下拉清單中有多個維度，哪一個最好？
y 軸和 x 軸的 lambda 數是多少？
回覆：如何檢查資料中的分類與分類相關性我想添加一些評論@tx尼爾森的指導。 首先，我不知道你的統計背景，所以我認為你的統計背景很少。 你會從中得到很多應急平台的解釋和範例。
我還建議您使用多重對應分析平台。 它專為跨多個層級和變數的分類資料而設計。 它的主要優點是有一個雙圖來幫助解釋。 卡方統計可用於確定關聯的統計顯著性。 優勢比可用於評估關聯的強度。 但這些統計數據都沒有告訴你該協會的本質。 MCA 將為您做到這一點。
回覆：如何檢查資料中的分類與分類相關性使用 Fit Y by X 平台。 將失敗作為 X 因子，將其他感興趣的欄位作為反應變數。 它將為您提供 R 方和卡方顯著性檢驗
