レベル: 中級
ローラ・カストロ・シロ、SAS、JMP シニアアソシエイト研究統計学者開発者
データ量が急増し、企業の意思決定がよりデータ主導型になるにつれ、多変量データ分析は不可欠なスキルとなっています。このセッションでは、連続データ、カテゴリカルデータ、複数ソースデータなど、様々なアプローチを用いて、JMP独自の視覚的かつインタラクティブな多変量データ分析手法を紹介します。まず、多変量分析の本質、つまり多数の変数に含まれる情報は、多くの場合、より少ない変数で効率的に表現できるという考え方について基礎的な議論を行います。次に、JMPで多変量データを分析するための一般的なツールの概要を説明します。官能分析と消費者調査のデータを用いて、主成分分析（PCA）、多重コレスポンデンス分析（MCA）、そしてJMP 14の新技術である多重因子分析（MFA）といった、従来の教師なし多変量分析手法を解説し、その効果を実証します。セッション全体を通して、各分析手法が適切な場合の明確なガイドラインを示し、最も重要かつ有用なソフトウェアオプションに焦点を当てます。
JMPには、多変量解析の様々な手法が用意されています。それらに共通するのは、適用するデータ行列の基本構造を特定することを目指していることです。一部の手法では、この基本構造を利用してデータの次元を削減し、理解を容易にしています。行列の基本構造を見つけるためのツールとして、特異値分解（SVD）があります。SVDは、行列の行と列の次元を表すベクトルを生成します。また、各次元の重要度を表す特異値も生成します。このセッションで説明する多変量解析手法は、変換された行列にSVDを適用し、行、列、またはその両方に重みを適用することを基本としています。PCA、MCA、MFAの各手法について、それぞれの類似点を強調しながら説明します。共通のフレームワークを用いてこれらの手法を説明できるようにすることで、これらの手法の活用と理解を深めることを目指しています。デモや例題を交えながら、このセッションでは、参加者が多変量連続データ、カテゴリカルデータ、および複数ソースデータを理解できるよう準備します。
