809945_ja-JP

liliconcom

多変量解析法を用いたデータの探索

方法をご覧ください:

• 多変量解析法（PCA、クラスタリング、K平均法）を理解して使用する
• 多変量散布図と相関関係を作成して解釈する
• 多数の変数を持つレコードを、共通の特性に基づいて新しい変数の小さなクラスターにグループ化します。
• 複数の変数間で類似の値を共有する行をクラスター化する
• 階層的クラスタリングを使用して、数千行までの小さなテーブルに対応する動的な応答ツリーグラフであるデンドログラムを作成します。
• 数十万行までのテーブルにk-Meansクラスタリングを使用する
• 自己組織化マップを使用してクラスターを形成し、2次元クラスターグリッド上の特定のレイアウトでクラスターを形成します。グリッド内の近接性はクラスターの類似性を示します。
• 連続因子に対して主成分分析（PCA）を実行します。最初の主成分は、標準化された元の変数の線形結合であり、分散が最大になります。その後の各主成分は、分散が最大になり、以前に定義されたすべてのコンポーネントと相関しない変数の線形結合です。
• カテゴリデータの多重対応分析（PCAに似ていますが、カテゴリデータ用）
• 因子分析を使用して潜在因子を特定する

リソース

• JMP® 基本単変量および多変量統計: 研究者および社会科学者のための手法、第 2 版、Ann Lehman、Norm O'Rourke、Larry Hatcher、Edward J. Stepanski 著
• ビジュアル シックス シグマ: データ分析を効率的にする、第 2 版(Ian Cox、 Marie Gaudard、 Mia L. Stephens著)

高度な統計モデリング