Aufhellen der Korrelation mittels PCAHallo,
Ich habe ein einfaches Y vs. X mit einer gewissen linearen Korrelation. Ich möchte Y vs. X dekorrelieren (weißen). Ich weiß, wie man die Hauptkomponentenanalyse verwendet, um die neue unkorrelierte Hauptkomponente Y und X zu erhalten. Wie transformiert man die neue Komponente in JMP in die ursprüngliche X- und Y-Skala?
Ich weiß Ihre Hilfe zu schätzen.
Danke
Adam
Erweiterte statistische ModellierungKonsumenten- und MarktforschungDatenzusammenführung und -bereinigungQualitäts- und ProzesstechnikBetreff: Aufhellen der Korrelation mit PCAHallo DS,
Danke für deine Antwort und sorry für die Verwirrung. Mein Ziel ist Ihr erstes Szenario. Ich möchte den Effekt der Größe vom Gewicht entfernen und die Verteilung des Gewichts ohne den Effekt der Größe sehen. Danke für die Hilfe.
Grüße,
Adam
Betreff: Aufhellen der Korrelation mit PCAHallo @BEI ,
Ich bin ein wenig verwirrt über Ihr Ziel hier.Hier sind zwei Dinge, von denen ich denke, dass Sie versuchen könnten, sie zu tun.Ist beides in der Nähe?
Nach Berücksichtigung der Höhenunterschiede, die dem Gewicht entsprechen, was Sonstiges gibt es Höhenunterschiede?
Dazu können Sie eine PCA mit Größe und Gewicht durchführen und die vorhergesagten Werte speichern (PCA-Plattform > Rotes Dreieck > Spalten speichern > Vorhersagen) und dann die Vorhersage mithilfe zusätzlicher Spalten in Ihrer Datentabelle vom tatsächlichen Wert subtrahieren.Dadurch erhalten Sie die Restwert Das ist die Variation in der Höhe, die nicht mit dem Gewicht korreliert.Die Einheiten dieser Variablen sind die gleichen wie die ursprünglichen Variablen, aber ihre Werte werden um Null herum zentriert.
ODER du meinst vielleicht:
Erstellen Sie einen einzigen Satz von Variablen, um sowohl die Größe als auch das Gewicht darzustellen, sodass die neuen Variablen nicht miteinander korrelieren und in anderen Analysen verwendet werden.
In diesem Fall würden Sie die Variablen nicht zurück in den ursprünglichen Raum transformieren, sondern sie als latente Variablen verwenden.Speichern Sie dazu die Hauptkomponentenwerte (PCA-Plattform > Rotes Dreieck > Spalten speichern > Hauptkomponenten). Diese latenten Variablen haben keine Einheiten, und wenn Sie sie in einer anderen Analyse untersuchen, müssten Sie ihre Ladungen berücksichtigen, um zu sehen, wie sie sich sowohl auf die Größe als auch auf das Gewicht auswirken.
Betreff: Aufhellen der Korrelation mit PCAHallo DS,
Danke für die schnelle Antwort. Nach PCA werden P1 und P2 in Form von X und Y (zwei Variablen) angegeben. Ich kenne mein ursprüngliches X und Y, aber ich möchte Y vs. X dekorrelieren. Zum Beispiel möchte ich von einem stark korrelierten Gewicht vs. Größe ein dekorreliertes unskaliertes Gewicht vs. Größe nach dem Entfernen des Korrelationseffekts erhalten.
Danke noch einmal.
Grüße,
Adam
Betreff: Aufhellen der Korrelation mit PCAHi @BEI ,
Wenn ich verstehe, wonach Sie suchen, möchten Sie wissen, wie Sie von den Hauptkomponenten zurück zu X und Y gelangen, ist das richtig?
Wenn Sie beispielsweise ein System mit drei Komponenten haben: X1, X2, X3, und Sie führen eine PCA durch, haben Sie Prin1, Prin2 und Prin3. Diese PCs sind lineare Kombinationen von X1, X2 und X3 mit Koeffizienten, die die Eigenwerte sind. Sie können die Eigenwerte und Eigenvektoren über die Hot-Schaltfläche neben dem PC oben im Bericht abrufen.
Die Eigenvektormatrix zeigt Ihnen, was die Koeffizienten sind, um die lineare Kombination von X1 in Bezug auf Prin1, Prin2 und Prin3 (Zeile in der Tabelle) zu erhalten, oder Sie können herausfinden, was Prin1 in Bezug auf X1, X2, X3 ist ( Spalte in der Tabelle). Sehen Sie sich unten einen Beispiel-Screenshot an.
Die Eigenwerttabelle sollte Ihnen das geben, wonach Sie suchen.
Hoffe das hilft!,
DS
