Sbiancamento della correlazione mediante PCACIAO,
Ho un semplice Y vs. X con una certa correlazione lineare. Mi piace de-correlare (sbiancare) Y vs. X. So come usare l'analisi delle componenti principali per ottenere le nuove componenti principali non correlate Y e X. Come si trasforma la nuova componente nella scala originale X e Y in JMP?
Apprezzo il tuo aiuto.
Grazie
Adamo
Modellazione statistica avanzataRicerca sui consumatori e sul mercatoFusione e pulizia dei datiIngegneria della qualità e dei processiRi: sbiancamento della correlazione utilizzando PCACiao @A ,
Se capisco cosa stai cercando, vuoi sapere come tornare dai componenti principali a X e Y, è corretto?
Ad esempio, se hai un sistema a tre componenti: X1, X2, X3 ed esegui un PCA, hai Prin1, Prin2 e Prin3. Questi PC saranno combinazioni lineari di X1, X2 e X3 con coefficienti che sono gli autovalori. È possibile ottenere gli autovalori e gli autovettori dal pulsante rapido accanto al PC nella parte superiore del report.
La matrice Autovettore mostra quali sono i coefficienti per ottenere la combinazione lineare di ciò che X1 è in termini di Prin1, Prin2 e Prin3 (riga nella tabella), oppure puoi trovare cosa è Prin1 in termini di X1, X2, X3 ( colonna nella tabella). Guarda una schermata di esempio di seguito.
La tabella Eigenvalue dovrebbe darti ciò che stai cercando.
Spero che sia di aiuto!,
DS
Ri: sbiancamento della correlazione utilizzando PCACiao DS,
Grazie per la rapida risposta. Dopo PCA, P1 e P2 sono dati in termini di X e Y (due variabili). Conosco la mia X originale e Y ma mi piace ottenere una Y decorrelata rispetto a X. Ad esempio, da un peso altamente correlato rispetto all'altezza, mi piace ottenere un peso non graduato decorrelato rispetto all'altezza dopo la rimozione dell'effetto di correlazione.
Grazie ancora.
Saluti,
Adamo
Ri: sbiancamento della correlazione utilizzando PCACiao @A ,
Sono un po 'confuso riguardo al tuo obiettivo qui.Ecco due cose che penso potresti provare a fare.O è vicino?
Dopo aver tenuto conto della variazione di altezza che corrisponde al peso, cosa altro c'è variazione di altezza?
Per fare ciò è possibile eseguire un PCA con altezza e peso e salvare i valori previsti (Piattaforma PCA> Triangolo rosso> Salva colonne> Previsioni), quindi sottrarre il valore previsto dal valore effettivo utilizzando colonne aggiuntive nella tabella dei dati.Questo ti darà il residuo che è la variazione di altezza che non è correlata al peso.Le unità di queste variabili sono le stesse delle variabili originali, ma i loro valori saranno centrati attorno allo zero.
O potresti voler dire:
Produrre un singolo set di variabili per rappresentare sia l'altezza che il peso, in modo tale che le nuove variabili non siano correlate tra loro e che verrebbero utilizzate in altre analisi.
In questo caso non trasformereste le variabili nello spazio originale, ma piuttosto le usereste come variabili latenti.A tale scopo, salvare i valori dei componenti principali (Piattaforma PCA> Triangolo rosso> Salva colonne> Componenti principali). Queste variabili latenti non hanno unità e, esaminandole in qualsiasi altra analisi, dovresti considerare i loro carichi per vedere come influenzano sia l'altezza che il peso.
