等級：中級Laura Castro-Schilo，JMP資深助理研究員、統計開發者、SAS隨著數據量的激增以及企業決策越來越依賴數據，多元數據分析已成為必備技能。在本次會議中，我們將展示JMP及其獨特的視覺化互動式多元資料分析方法，該方法基於多種依賴連續資料、分類資料和多來源資料的方法。我們將首先探討多元分析的本質：大量變數所包含的資訊通常可以用較少數量的變數有效地表示。然後，我們將概述JMP中用於分析多元資料的常用工具。我們將使用感官分析和消費者研究中的數據來闡述和演示經典的非監督多元分析方法，例如主成分分析 (PCA)、多重對應分析 (MCA) 以及JMP 14中的一項新技術——多因子分析 (MFA)。在整個過程中，我們將提供清晰的指導，說明每種分析技術的適用情況，並重點介紹最重要和最實用的軟體選項。
JMP 提供多種多元分析技術。它們的共同點在於，它們都旨在識別所應用資料矩陣的基本結構。一些技術依賴這種基本結構來降低現有數據的維數，從而促進理解。奇異值分解 (SVD) 是一種能夠幫助我們找到矩陣基本結構的工具。 SVD 產生的向量表示矩陣行和列的維度，它也會產生奇異值，表示每個維度的重要性。本課程中介紹的多元分析技術是基於對變換後的矩陣使用 SVD，並對行、列或兩者施加權重。我們將透過強調它們的相似性來描述每種技術（PCA、MCA 和 MFA）。我們的目標是透過使用通用框架來描述這些技術，從而提高對這些技術的使用和理解。本課程結合示範和範例，幫助聽眾探索多元連續資料、分類資料和多源資料。
