データ内のカテゴリ間の相関を確認する方法こんにちは、
このようなデータがあるので、次の相関関係を調べたいと考えています。失敗列を他のカテゴリ列に変換します。
jmp の stat テストとは何ですか?それをどのように適用できますか?
助言がありますか？
基本的なデータ分析とモデリング品質およびプロセスエンジニアリングRe: データ内のカテゴリ間の相関関係を確認する方法JMP の出力は、かなり冗長になる場合があります。 しかし、必ずしもすべてが必要なわけではありません。 同じ例を使って説明します。
MCA 二重プロットでは、変数間の関連性の性質を理解するために、各変数のすべてのレベルが表示されます。 カイ二乗値は距離の尺度です。 したがって、カイ二乗には良いも悪いもありません。 比較するためのしきい値はありません。 それは単なる情報です。 その考え方は、まず関連性が統計的に有意であるかどうかを判断し、次に MCA を使用してその性質を調査するというものです。 MCAは解釈的なものです。
2 つの変数が強く関連しているとします。 どのような方法で? MCA プロットがそれを示しています。 元のカテゴリ変数は、からの距離の連続的な尺度に再キャストされます。重心すべてのデータの。 重心はデータテーブル内の平均行であると考えてください。 新しい距離の測定値はそれぞれ、新しい次元または軸を定義します。 これらの寸法は、直交デカルト座標に期待されるとおりです。 各次元は、元のすべてのカテゴリ変数からの一意の情報を表します。 これらのディメンションは降順に並べられます慣性。 慣性は、1 次元における重心からの合計距離と考えてください。 (慣性の記号はギリシャ語の小文字ですラムダ.) したがって、最初の次元はレベルを最大限に分離します。 2 番目の次元は、最初の次元よりも小さいが残りの次元よりも大きいレベルを分離します。 したがって、最初の 2 つのディメンションには、関連付けに関するほとんどの情報が表示されます。
1 つの変数から始めます。セックス。 注目してください。男そして女性プロット内のレベルは、2 次元に沿って反対方向に原点からかなり離れていますが、1 次元に沿って近い (つまり、0 に近い) ものです。 次に、別の変数を見てみましょう。国。 のアメリカ人そして日本語レベルは、最初の次元では原点からかなり離れていますが、2 番目の次元では 0 に近くなります。 一方、ヨーロッパ人レベルは最初の次元では 0 に近いですが、2 次元ではかなり負になります。 同じ変数のレベルについて、原点からの方向と距離の両方を評価できます。
次に、次のような一度に 2 つの変数を考えます。国そしてサイズ。 これら 2 つの変数間の一般的な関連性は次のようになります。日本語と小さい、アメリカ人と大きい、 そして最後にヨーロッパ人と中くらい。異なる変数のレベルについては、原点から離れる方向のみを評価できます。
Re: データ内のカテゴリ間の相関関係を確認する方法こんにちは、マーク、@markbailey
リンクありがとうございます。 はい、私の統計には限界がありますが、それを学びたいという野心はあります;) 例の 1 つを試してみたところ、理解できる非常に複雑な結果が得られました。
見てみたらhttps://www.jmp.com/support/help/en/15.2/#page/jmp/multiple-correspondence-analysis.shtml#
数値に基づいてカイ二乗数がどのように良いのか悪いのかがわかりません。
ここで判断する閾値は何でしょうか？
Y 軸と X 軸の寸法を選択する方法。 ドロップダウンに複数のディメンションがある中でどれが最適ですか?
y軸とx軸のラムダ数とは何ですか?
Re: データ内のカテゴリ間の相関関係を確認する方法にいくつかコメントを追加したいと思います@txnelsonさんのご指導。 まず、あなたの統計の背景がわかりませんので、最小限のものだと思います。 あなたはそこから多くのものを得るでしょうContingency プラットフォームの説明と例。
を使用することもお勧めします。多重対応分析プラットフォーム。 これは、多くのレベルと変数にわたるカテゴリデータ用に特別に設計されています。 その主な長所は、解釈を助ける二重プロットです。 カイ二乗統計を使用して、関連性の統計的有意性を判断できます。 オッズ比は、関連性の強さを評価するために使用できます。 しかし、これらの統計はいずれも、協会の性質については教えてくれません。 MCA がそれを行います。
Re: データ内のカテゴリ間の相関関係を確認する方法Fit Y by X プラットフォームを使用します。 失敗を X 因子として配置し、その他の対象の列を応答変数として配置します。 有意性の R 二乗テストとカイ二乗テストが提供されます。
