Questa guida fornisce istruzioni su come eseguire un'analisi delle componenti principali (PCA). Questo metodo di analisi viene spesso utilizzato per ridurre la dimensionalità di un set di dati (ovvero, ridurre il numero di variabili) creando un nuovo set di variabili che siano combinazioni lineari delle variabili originali, statisticamente indipendenti tra loro e che catturino la maggior parte delle informazioni (ovvero, variazione e correlazione) contenute nelle variabili originali.
Componenti principali
- Da una tabella dati JMP® aperta, selezionare Analizza > Metodi multivariati > Componenti principali .
- Selezionare le variabili continue da Seleziona colonne e fare clic su Y, Colonne (le variabili continue hanno triangoli blu).
- Fare clic su OK.
Per impostazione predefinita, JMP visualizza gli autovalori e tre grafici riepilogativi .
- Diagramma di Pareto degli autovalori : la percentuale e
percentuale totale cumulativa della variazione rappresentata da ciascuna componente principale.
- Grafico dei punteggi (al centro): un grafico a dispersione delle prime due componenti principali. Utilizzare le opzioni in basso per selezionare due componenti da visualizzare.
- Diagramma di caricamento : correlazioni tra le variabili originali e le due componenti principali selezionate. (Nota: i carichi fattoriali non sono ruotati.)
Suggerimenti:
- Per impostazione predefinita, la PCA viene eseguita sulle correlazioni.
- Fare clic sul triangolo rosso in alto per modificare il metodo di calcolo, visualizzare risultati aggiuntivi, salvare i componenti principali nella tabella dati o visualizzare informazioni dettagliate associate agli autovalori.
- È possibile accedere all'analisi delle componenti principali anche tramite la piattaforma Scatterplot 3D o la piattaforma Multivariate .
Socioeconomic.jmp (Help > Sample Data Folder)Socioeconomic.jmp (Aiuto > Cartella dati di esempio)
Interpretazione:
• Le prime due componenti principali rappresentano il 93,4% (57,5 + 35,9 = 93,4) della variazione totale dei dati (vedere il diagramma di Pareto). Questi numeri sono visualizzati sugli assi del grafico del grafico dei punteggi e del grafico dei carichi.
• Tutte le variabili originali sono correlate positivamente con la prima componente principale (vedere il diagramma di caricamento). La popolazione totale e l'occupazione totale sono correlate positivamente con la seconda componente principale, mentre le altre variabili sono correlate negativamente con la seconda componente principale.
Per saperne di più, visita Metodi multivariati > Componenti principali nella Guida di JMP .
