Il signor Jianfeng , JMP Senior Research Statistician Developer, SAS
Nell'analisi multivariata, la riduzione delle dimensioni in un piccolo numero di fattori è il passaggio più importante per catturare la variabilità tra un gran numero di variabili. In JMP, abbiamo la piattaforma Principal Components (PC) per effettuare la riduzione delle dimensioni per le variabili continue; tuttavia, quando abbiamo variabili categoriali, non possiamo modellare utilizzando la piattaforma PC. In JMP 12, abbiamo aggiunto la piattaforma Multiple Correspondence Analysis (MCA), che prende più variabili categoriali come variabili di input e cerca di identificare associazioni tra i livelli di tali variabili. MCA, una tecnica di analisi dei dati popolare in Europa e Giappone, è ora un'aggiunta alla nostra già solida cassetta degli attrezzi multivariata. In questa presentazione useremo il set di dati Le Roux's Taste combinato con i dati del sondaggio raccolti dai nostri dipendenti della divisione JMP per esplorare la preparazione dei dati, l'analisi statistica, la rappresentazione grafica e l'interpretazione utilizzando la piattaforma MCA. Discuteremo anche vari argomenti in MCA, come cloud di categorie, cloud di individui, distanze, dimensionalità, contributi ed elementi supplementari per supportare l'analisi.
