級別：中級
Laura Castro-Schilo，JMP 高級副研究統計學家開發人員，SAS
隨著數據量的激增以及公司在決策制定中越來越受數據驅動，多元數據分析已成為一項基本技能。 在本次會議中，我們將展示 JMP 及其獨特的可視化和交互式多變量數據分析方法，使用各種依賴於連續、分類和多源數據的方法。 我們將從對多元分析本質的基礎討論開始：包含在大量變量中的信息通常可以用較少數量的變量有效地表示的想法。 然後，我們概述了在 JMP 中分析多元數據的通用工具。 我們將使用來自感官分析和消費者研究的數據來激發和演示經典的無監督多元方法，例如主成分分析 (PCA)、多重對應分析 (MCA) 和 JMP 14 中的新技術，多因素分析 (MFA)。 在整個過程中，我們將就每種分析技術何時適用提供明確的指導，並突出顯示最重要和最有用的軟件選項。
JMP 具有多種多樣的多元技術。 它們的一個共同點是它們的目標是識別它們所應用的數據矩陣的基本結構。 一些技術依賴於這種基本結構來降低手頭數據的維度並促進它們的理解。 使我們能夠找到矩陣基本結構的工具是奇異值分解 (SVD)。 SVD 生成向量，表示矩陣的行和列的維度。 它還會產生奇異值，代表每個維度的重要性。 本課程中描述的多元技術基於在變換矩陣上使用 SVD 並將權重應用於行、列或兩者。 我們將通過強調它們的相似性來描述每一種技術（PCA、MCA 和 MFA）。 我們的目標是通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。 結合演示和示例，本課程讓聽眾準備探索多變量連續、分類和多源數據。
