如何检查数据中的分类与分类相关性你好，
我有这样的数据，我想关联之间失败列到其他分类列。
jmp 中的统计测试是什么以及我们如何应用它？
有什么建议么？
基础数据分析和建模质量和工艺工程回复：如何检查数据中的分类与分类相关性JMP 输出有时可能相当冗长。 但您不一定需要全部。 我将使用相同的示例进行解释。
MCA 双图显示每个变量的所有水平，以了解变量之间关联的性质。 卡方值是距离度量。 所以卡方没有好坏之分。 比较没有门槛。 这只是信息。 这个想法是，您可以首先确定某个关联是否具有统计显着性，然后使用 MCA 调查其性质。 MCA 是解释性的。
假设两个变量强相关。 以什么方式？ MCA 情节告诉你。 您的原始分类变量被重新转换为与质心所有数据。 将质心视为数据表中的平均行。 每个新的距离度量定义一个新的维度或轴。 这些尺寸是正交正如您对笛卡尔坐标的期望。 每个维度代表来自所有原始分类变量的独特信息。 这些尺寸按降序排列惯性。 将惯性视为一维中距质心的总距离。 （惯性的符号是小写希腊语拉姆达.) 因此，第一个维度最大程度地分隔了级别。 第二个维度分隔的级别小于第一个维度但大于其余维度，依此类推。 因此，前两个维度向您显示有关关联的最多信息。
从一个变量开始，例如性别。 请注意，男性和女性图中的水平沿第二个维度在相反方向上远离原点，但它们沿第一个维度接近（即接近 0）。 现在看另一个变量：国家。 这美国人和日本人水平沿第一个维度远离原点，但在第二个维度上接近 0。 另一方面，欧洲的level 在第一个维度上接近 0，但在第二个维度上相当负。 您可以评估同一变量的水平距原点的方向和距离。
现在一次考虑两个变量，例如国家和尺寸。 这两个变量之间的一般关联可以视为日本人和小的,美国人和大的，最后欧洲的和中等的。您只能评估不同变量水平远离原点的方向。
回复：如何检查数据中的分类与分类相关性嗨，马克，@markbailey
感谢您的链接。 是的，我的统计数据有限，但我有雄心去学习它；）我尝试了其中一个示例，它给出了非常复杂的结果，我可以理解并消化。
当我看向https://www.jmp.com/support/help/en/15.2/#page/jmp/multiple-correspondence-analysis.shtml#
我不明白卡方数如何根据该数字是好是坏。
这里确定的门槛是多少？
如何选择 y 轴和 x 轴尺寸。 下拉列表中有多个维度，哪一个最好？
y 轴和 x 轴的 lambda 数是多少？
回复：如何检查数据中的分类与分类相关性我想添加一些评论@tx尼尔森的指导。 首先，我不知道你的统计背景，所以我认为你的统计背景很少。 你会从中得到很多应急平台的解释和示例。
我还建议您使用多重对应分析平台。 它专为跨多个级别和变量的分类数据而设计。 它的主要优点是有一个双图来帮助解释。 卡方统计可用于确定关联的统计显着性。 优势比可用于评估关联的强度。 但这些统计数据都没有告诉你该协会的性质。 MCA 将为您做到这一点。
回复：如何检查数据中的分类与分类相关性使用 Fit Y by X 平台。 将失败作为 X 因子，将其他感兴趣的列作为响应变量。 它将为您提供 R 方和卡方显着性检验
