Blanchir la corrélation à l'aide de l'ACPSalut,
J'ai un simple Y contre X avec une corrélation linéaire. J'aime décorréler (blanchir) Y contre X. Je sais comment utiliser l'analyse en composantes principales pour obtenir la nouvelle composante principale non corrélée Y et X. Comment transformez-vous le nouveau composant à l'échelle X et Y d'origine dans JMP?
J'apprécie ton aide.
Merci
Adam
AnalytiqueRe: Blanchir la corrélation à l'aide de l'ACPsalut @À ,
Si je comprends ce que vous recherchez, vous voulez savoir comment passer des composants principaux à X et Y, est-ce exact?
Par exemple, si vous avez un système à trois composants: X1, X2, X3 et que vous effectuez une PCA, vous avez Prin1, Prin2 et Prin3. Ces PC seront des combinaisons linéaires de X1, X2 et X3 avec des coefficients qui sont les valeurs propres. Vous pouvez obtenir les valeurs propres et les vecteurs propres à partir du bouton chaud à côté du PC en haut du rapport.
La matrice Eigenvector vous montre quels sont les coefficients pour obtenir la combinaison linéaire de ce que X1 est en termes de Prin1, Prin2 et Prin3 (ligne dans le tableau), ou vous pouvez trouver ce que Prin1 est en termes de X1, X2, X3 ( colonne du tableau). Voir un exemple de capture d'écran ci-dessous.
La table Eigenvalue devrait vous donner ce que vous recherchez.
J'espère que cela t'aides!,
DS
Re: Blanchir la corrélation à l'aide de l'ACPSalut DS,
Merci pour la réponse rapide. Après PCA, les P1 et P2 sont donnés en termes de X et Y (deux variables). Je connais mon X et mon Y d'origine, mais j'aime obtenir une décorrélation entre Y et X. Par exemple, à partir d'un poids fortement corrélé par rapport à la taille, j'aime obtenir un poids non corrélé par rapport à la taille après suppression de l'effet de corrélation.
Merci encore.
Salutations,
Adam
Re: Blanchir la corrélation à l'aide de l'ACPBonjour @À ,
Je suis un peu confus au sujet de votre objectif ici.Voici deux choses que je pense que vous essayez de faire.Est-ce que l'un ou l'autre est proche?
Après avoir pris en compte la variation de taille qui correspond au poids, quel autre variation de hauteur y a-t-il?
Pour ce faire, vous pouvez faire une PCA avec la taille et le poids et enregistrer les valeurs prédites (Plateforme PCA> Triangle rouge> Enregistrer les colonnes> Prédictées), puis soustraire la valeur prédite de la valeur réelle en utilisant des colonnes supplémentaires dans votre tableau de données.Cela vous donnera le résiduel qui est la variation de taille qui n'est pas corrélée avec le poids.Les unités de ces variables sont les mêmes que les variables d'origine, mais leurs valeurs seront centrées autour de zéro.
OU vous pourriez vouloir dire:
Produire un ensemble unique de variables pour représenter à la fois la taille et le poids, de sorte que les nouvelles variables ne soient pas corrélées les unes aux autres, et qui seraient utilisées dans d'autres analyses.
Dans ce cas, vous ne transformeriez pas les variables dans l'espace d'origine, mais les utiliseriez plutôt comme variables latentes.Pour ce faire, enregistrez les valeurs des composants principaux (Plateforme PCA> Triangle rouge> Enregistrer les colonnes> Composants principaux). Ces variables latentes n'ont pas d'unités, et lorsque vous les examinez dans une autre analyse, vous devez tenir compte de leurs charges pour voir comment elles affectent à la fois la taille et le poids.
