Jianfeng Ding ( jianfeng.ding0 ), desarrollador estadístico de investigación senior de JMP, SAS
En el análisis multivariado, la reducción de dimensiones a una pequeña cantidad de factores es el paso más importante para capturar la variabilidad entre una gran cantidad de variables. En JMP, tenemos la plataforma de Componentes Principales (PC) para realizar reducción de dimensiones para variables continuas; sin embargo, cuando tenemos variables categóricas, no podemos modelar usando la plataforma de PC. En JMP 12, agregamos la plataforma de Análisis de Correspondencia Múltiple (MCA), que toma múltiples variables categóricas como variables de entrada y busca identificar asociaciones entre niveles de esas variables. MCA, una técnica de análisis de datos popular en Europa y Japón, ahora se suma a nuestra ya sólida caja de herramientas multivariadas. En esta presentación utilizaremos el conjunto de datos Taste de LeRoux et al combinado con datos de encuestas recopilados de nuestros empleados de la división JMP para explorar la preparación de datos, el análisis estadístico, la representación gráfica y la interpretación utilizando la plataforma MCA. También discutiremos varios temas en MCA, como nube de categorías, nube de individuos, distancias, dimensionalidad, contribuciones y elementos complementarios para ayudar a respaldar el análisis.
