PCAを使用した相関のホワイトニングこんにちは、
線形相関のある単純な Y 対 X があります。Y 対 X の相関を無相関化 (ホワイトニング) したいです。主成分分析を使用して、新しい相関のない主成分 Y と X を取得する方法は知っています。JMP で新しい成分を元の X と Y スケールに変換するにはどうすればよいでしょうか。
ご協力に感謝します。
ありがとう
アダム
高度な統計モデリング消費者および市場調査データのブレンドとクリーンアップ品質およびプロセスエンジニアリングRe：PCAを使用して相関を白くするこんにちは@AT 、
あなたが何を求めているのか理解できたら、主要なコンポーネントからXとYに戻る方法を知りたいのですが、それは正しいですか？
たとえば、X1、X2、X3の3つのコンポーネントシステムがあり、PCAを実行する場合、Prin1、Prin2、およびPrin3があります。 これらのPCは、固有値である係数を持つX1、X2、およびX3の線形結合になります。 レポートの上部にあるPCの横にあるホットボタンから固有値と固有ベクトルを取得できます。
固有ベクトル行列は、Prin1、Prin2、およびPrin3（表の行）に関してX1が何であるか、またはX1、X2、X3（X1、X2、X3に関してPrin1が何であるか）の線形結合を取得するための係数を示します。表の列）。 以下のスクリーンショットの例を参照してください。
固有値テーブルは、あなたが探しているものを与えるはずです。
お役に立てれば！、
DS
Re：PCAを使用して相関を白くするこんにちはDS、
迅速な対応ありがとうございます。 PCAの後、P1とP2はXとY（2つの変数）で与えられます。 私は元のXとYを知っていますが、相関のないYとXを取得するのが好きです。 たとえば、相関性の高い体重と身長から、相関効果を取り除いた後、相関のない非スケーリングの体重と身長を取得するのが好きです。
再度、感謝します。
よろしく、
アダム
Re：PCAを使用して相関を白くするこんにちは@AT 、
ここでのあなたの目標について少し混乱しています。これがあなたがやろうとしていると思う2つのことです。どちらか近いですか？
体重に対応する身長の変化を考慮した後、何その他高さのばらつきはありますか？
これを行うには、身長と体重を使用してPCAを実行し、予測値を保存し（PCAプラットフォーム>赤い三角形>列の保存>予測）、データテーブルの追加の列を使用して実際の値から予測値を減算します。これはあなたに残余これは、体重とは関係のない身長の変化です。これらの変数の単位は元の変数と同じですが、値はゼロを中心にしています。
またはあなたが意味するかもしれません：
新しい変数が互いに無相関であり、他の分析で使用されるように、身長と体重の両方を表す単一の変数セットを生成します。
この場合、変数を元の空間に変換して戻すのではなく、潜在変数として使用します。これを行うには、主成分値を保存します（PCAプラットフォーム>赤い三角形>列の保存>主成分）。 これらの潜在変数には単位がありません。他の分析でそれらを調べるときは、それらの負荷を考慮して、身長と体重の両方にどのように影響するかを確認する必要があります。
