484949_fr-FR

liliconcom

JMP > Analyse factorielle > Problème de structure d'entrée

Bonjour la communauté JMP,

Je dispose d'un grand ensemble de données (354 cas [lignes] x 4800 variables [colonnes]) dérivé d'une analyse métabolomique. En examinant les données par PCA, j'ai remarqué une séparation claire des données en deux populations (voir ci-dessous). Maintenant, je dois évaluer la contribution possible des propriétés des cas (par exemple, le sexe, l'âge, le traitement) à cette séparation.

J'ai supposé que l'analyse factorielle serait la bonne plateforme à utiliser, mais je n'ai pas réussi à comprendre comment formater correctement les entrées pour cette analyse.

Je ne peux pas partager les données réelles en raison de leur nature confidentielle. Par conséquent, faites-moi savoir si cela pourrait aider si je créais et partageais une table fictive.

Meilleur,

TS

Modélisation statistique avancéeFenêtresRe : JMP > Analyse factorielle > Problème de structure d'entrée

Aucun problème @Thierry_S ,

Je n'ai pas d'expérience avec autant de facteurs.

C'est peut-être une bonne idée d'avoir un exemple de tableau, pour obtenir d'autres idées de la communauté.

 

Comme vous avez déjà identifié les clusters (c'est-à-dire le « y »), qu'en est-il du filtrage des réponses pour identifier (et filtrer) les facteurs importants ? Je crois qu'il faut tester différentes façons et comparer.

Re : JMP > Analyse factorielle > Problème de structure d'entrée

Salut @Georg ,

 

Merci de me rappeler les exemples et le guide de script. J'ai étudié ces exemples, mais j'ai encore du mal à appliquer cette méthode à mon grand ensemble de données. Est-il même judicieux de regarder 4800 variables dans l'analyse factorielle ? Je commence à croire que ma question initiale était malavisée.

Meilleur,

TS

Re : JMP > Analyse factorielle > Problème de structure d'entrée

Salut @Thierry_S , avez-vous vérifié les deux exemples dans l'index de script ?

Cela peut peut-être vous guider. Bonne chance.

 

Names Default To Here( 1 );
dt = Open( "$SAMPLE_DATA/Cities.jmp" );
obj = dt << Principal Components(
 Y( :OZONE, :CO, :SO2, :NO, :PM10 ),
 "on Correlations"
);
obj << Factor Analysis( "ML", "SMC", 2, "Varimax" );