이 가이드는 주성분 분석(PCA) 수행 방법에 대한 지침을 제공합니다. 이 분석 방법은 데이터 세트의 차원을 축소(즉, 변수 개수를 줄임)하는 데 자주 사용됩니다. 이는 원래 변수들의 선형 조합으로 이루어진 새로운 변수 집합을 생성함으로써 이루어지며, 이 새로운 변수 집합은 통계적으로 서로 독립적이면서 원래 변수에 포함된 대부분의 정보(즉, 변동 및 상관관계)를 포착합니다.
주성분
- 열려 있는 JMP ® 데이터 테이블에서 분석 > 다변량 방법 > 주성분 분석을 선택합니다.
- [열 선택] 에서 연속 변수를 선택하고 [Y], [열]을 클릭합니다(연속 변수는 파란색 삼각형으로 표시됩니다).
- 확인을 클릭하세요.
기본적으로 JMP는 고유값과 세 개의 요약 그래프를 표시합니다.
- 고유값 파레토 플롯 : 백분율 및
각 주성분이 설명하는 변동의 누적 총 백분율.
- 점수 산점도 (가운데): 첫 번째와 두 번째 주성분의 산점도입니다. 하단의 옵션을 사용하여 표시할 두 가지 주성분을 선택할 수 있습니다.
- 요인 부하량 도표 : 원변수와 선택된 두 개의 주성분 간의 상관관계. (참고: 요인 부하량은 회전되지 않았습니다.)
팁:
- 기본적으로 PCA는 상관관계에 대해 수행됩니다.
- 상단의 빨간색 삼각형을 클릭하여 계산 방법을 변경하거나, 추가 결과를 보거나, 주성분을 데이터 테이블에 저장하거나, 고유값과 관련된 자세한 정보를 볼 수 있습니다.
- 주성분 분석은 Scatterplot 3D 플랫폼 또는 Multivariate 플랫폼을 통해서도 이용할 수 있습니다.
Socioeconomic.jmp (Help > Sample Data Folder)Socioeconomic.jmp (도움말 > 샘플 데이터 폴더)
해석:
• 첫 번째와 두 번째 주성분은 데이터의 전체 변동의 93.4%(57.5 + 35.9 = 93.4)를 설명합니다(파레토 플롯 참조). 이 수치는 스코어 플롯과 로딩 플롯의 그래프 축에 표시됩니다.
• 모든 원변수는 첫 번째 주성분과 양의 상관관계를 보입니다(로딩 플롯 참조). 총인구와 총고용은 두 번째 주성분과 양의 상관관계를 보이는 반면, 나머지 변수들은 두 번째 주성분과 음의 상관관계를 보입니다.
자세한 내용을 알아보려면 JMP 도움말 의 다변량 분석 방법 > 주성분 분석을 참조하십시오.
