降維度問題一位同事正在努力解決以下問題，我想我可以在這裡分享。他有一些多變量數據，其中包含每個實驗場景的多個因素和多個測量反應。這些回應對專案的重要性各不相同——有些比其他人更重要。他想要一種使用較少數量的回應來視覺化資料的方法，同時考慮到他將分配給父回應的某種權重（最好是可調整的）。這裡需要什麼樣的方法，JMP 可以幫忙嗎？
數據探索和視覺化回覆：降維問題我覺得這是一個有趣的問題。人們通常對降維感興趣的是預測變量，並且可以在其中使用 PCA、預測變量篩選或聚類（所有這些都可以在 JMP 中輕鬆完成）。但在這些情況下，反應變數要不是給定的，就是不相關的。您似乎在詢問減少潛在響應變數的數量。我認為這不能直接從數據中得到答案 - 如果某些響應變量比其他變量更重要，這意味著存在一些與您擁有的多個響應變量相關的總體響應變量（可能未測量）。我認為您需要指定這些變數如何影響整體響應。
例如，我對大學記分卡資料進行了一些分析。許多潛在的反應變數包括：畢業後X年的收入、畢業後的總債務、畢業後X年的總還款額、畢業後X年的違約總額等（所有這些都可以按不同的畢業生人口統計數據進行細分）。最常見的問題是大學教育如何影響終身收入或財務狀況。雖然上述任何反應變數都可以測量，但最終的反應變數並不容易測量。所需要的是將測量的反應變數與最終未測量的興趣的事物聯繫起來。一種前進的方法可能是建立一個關於收入和債務如何隨著時間的推移相互作用以產生財務福利的理論。該理論將提供反應變數的權重，並可能提供預測財務狀況的模型形式。
我不認為這是一個可以在沒有理論為多個反應變數提供結構的情況下從資料中回答的任務，這與選擇/加權預測變數的任務（可以透過分析資料「回答」）不同。如果這是一個物理過程（其中反應變數是強度、彈性、可靠性等的各種測量），那麼指定連接反應變數的理論應該是一項更容易的任務。
