降维问题一位同事正在努力解决以下问题，我想在这里分享一下。他有一些多变量数据，其中包含多个因素和针对每个实验场景的多个测量响应。这些响应对项目的重要性各不相同 - 有些响应比其他响应更重要。他希望找到一种使用较少数量的响应来可视化数据的方法，同时考虑某种权重（最好是可调整的），他会将这些权重分配给父级响应。这里需要什么样的方法，JMP 可以提供帮助吗？
数据探索与可视化回复：降维问题我觉得这是一个有趣的问题。降维通常关注的是预测因子 - 并且可以使用 PCA、预测因子筛选或聚类（所有这些都可以在 JMP 中轻松完成）。但在这些情况下，响应变量要么是给定的，要么是不相关的。您似乎在询问减少潜在响应变量的数量。我认为这不能直接从数据中回答 - 如果某些响应变量比其他响应变量更重要，则意味着存在一些总体响应变量（可能未测量），您拥有的多个响应变量与之相关。我认为您需要指定这些变量对整体响应的贡献。
举个例子，我对大学成绩单数据进行了大量分析。许多潜在的响应变量包括：毕业后 X 年的收入、毕业时的总债务、毕业后 X 年的总还款额、毕业后 X 年的总违约率等（所有这些都可以按各种毕业生人口统计数据细分）。最常见的关注点是大学教育如何影响终生收入或财务状况。这个最终的响应变量不易测量，而上述任何响应变量都是可以测量的。需要的是将测量的响应变量与最终未测量的关注对象联系起来。一种可行的方法可能是建立一个理论，说明收入和债务如何随着时间的推移相互作用以产生财务状况。该理论将提供响应变量的权重，并可能提供预测财务状况的模型形式。
我不认为这是一个可以根据数据回答的任务，除非有理论为多个响应变量提供结构，这与选择/加权预测变量的任务不同（可以通过分析数据来“回答”）。如果这是一个物理过程（其中响应变量是强度、弹性、可靠性等的各种测量值），那么指定与响应变量相关的理论应该是一项更容易的任务。
