Jianfeng Ding , JMP Senior Research Statistician Developer, SAS
In der multivariaten Analyse ist die Dimensionsreduktion auf wenige Faktoren der wichtigste Schritt zur Erfassung der Variabilität einer großen Anzahl von Variablen. JMP bietet die Hauptkomponenten-Plattform (PC) zur Dimensionsreduktion kontinuierlicher Variablen. Bei kategorialen Variablen ist die PC-Plattform jedoch nicht modellierbar. JMP 12 ergänzt die Multiple Correspondence Analysis (MCA)-Plattform, die mehrere kategoriale Variablen als Eingabevariablen verwendet und versucht, Assoziationen zwischen den Ausprägungen dieser Variablen zu identifizieren. MCA, eine in Europa und Japan verbreitete Datenanalysetechnik, ergänzt nun unser bereits leistungsstarkes multivariates Werkzeugset. In dieser Präsentation verwenden wir den Datensatz „Le Roux's Taste“ in Kombination mit Umfragedaten unserer JMP-Mitarbeiter, um die Datenaufbereitung, statistische Analyse, grafische Darstellung und Interpretation mithilfe der MCA-Plattform zu untersuchen. Wir werden außerdem verschiedene Themen der MCA diskutieren, wie z. B. Kategorienwolke, Individuenwolke, Distanzen, Dimensionalität, Beiträge und ergänzende Elemente zur Unterstützung der Analyse.
