PCA를 사용한 상관 관계 미백안녕,
선형 상관 관계가있는 간단한 Y 대 X가 있습니다. 나는 Y와 X의 상관 관계를 제거 (미백)하는 것을 좋아합니다. 저는 Principal Component Analysis를 사용하여 새로운 상관되지 않은 주성분 Y와 X를 얻는 방법을 알고 있습니다. JMP에서 새 구성 요소를 원래 X 및 Y 스케일로 어떻게 변환합니까?
도와 주셔서 감사합니다.
감사
아담
해석학Re : PCA를 사용한 상관 관계 미백안녕 @에서 ,
내가 당신이 추구하는 것을 이해한다면 기본 구성 요소에서 X와 Y로 돌아가는 방법을 알고 싶습니다. 맞습니까?
예를 들어, X1, X2, X3의 세 가지 구성 요소 시스템이 있고 PCA를 수행하는 경우 Prin1, Prin2 및 Prin3이 있습니다. 이러한 PC는 X1, X2 및 X3과 고유 값 인 계수의 선형 조합입니다. 보고서 상단의 PC 옆에있는 핫 버튼에서 고유 값과 고유 벡터를 가져올 수 있습니다.
고유 벡터 행렬은 Prin1, Prin2 및 Prin3 (테이블의 행) 측면에서 X1의 선형 조합을 얻기위한 계수를 보여 주거나 X1, X2, X3 측면에서 Prin1이 무엇인지 찾을 수 있습니다. 표의 열). 아래 스크린 샷의 예를 참조하십시오.
Eigenvalue 테이블은 원하는 것을 제공해야합니다.
도움이 되었기를 바랍니다!,
DS
Re : PCA를 사용한 상관 관계 미백안녕 DS,
빠른 응답에 감사드립니다. PCA 후에 P1과 P2는 X와 Y (두 변수)로 주어집니다. 나는 내 원래 X와 Y를 알고 있지만 상관 관계가없는 Y 대 X를 얻는 것을 좋아합니다. 예를 들어, 고도로 상관 된 체중 대 키에서 상관 관계 효과를 제거한 후 비척도 체중 대 키의 상관 관계를 해제하는 것을 좋아합니다.
다시 한번 감사드립니다.
문안 인사,
아담
Re : PCA를 사용한 상관 관계 미백안녕하세요 @에서 ,
나는 여기서 당신의 목표에 대해 약간 혼란스러워합니다.다음은 당신이하려는 두 가지 일입니다.어느 쪽이든 가깝습니까?
체중에 해당하는 높이의 변화를 고려한 후 다른 높이의 변화가 있습니까?
이를 위해 키와 무게로 PCA를 수행하고 예측 값을 저장 한 다음 (PCA 플랫폼> 빨간색 삼각형> 열 저장> 예측 값) 데이터 테이블의 추가 열을 사용하여 실제 값에서 예측 값을 뺍니다.이것은 당신에게 줄 것입니다 잔여 체중과 상관없는 신장의 변화입니다.이 변수의 단위는 원래 변수와 동일하지만 값은 0을 중심으로합니다.
또는 다음을 의미 할 수 있습니다.
높이와 무게를 모두 나타내는 단일 변수 세트를 생성하여 새 변수가 서로 관련이없고 다른 분석에 사용되도록합니다.
이 경우 변수를 원래 공간으로 다시 변환하지 않고 잠재 변수로 사용합니다.이렇게하려면 주 구성 요소 값을 저장합니다 (PCA 플랫폼> 빨간색 삼각형> 열 저장> 주 구성 요소). 이러한 잠재 변수에는 단위가 없으며 다른 분석에서이를 조사 할 때 하중을 고려하여 키와 체중 모두에 어떤 영향을 미치는지 확인해야합니다.
