Esta guía proporciona instrucciones para realizar un análisis de componentes principales (ACP). Este método de análisis se utiliza a menudo para reducir la dimensionalidad de un conjunto de datos (es decir, reducir el número de variables) mediante la creación de un nuevo conjunto de variables que son combinaciones lineales de las variables originales, estadísticamente independientes entre sí, y que capturan la mayor cantidad de información (es decir, variación y correlación) contenida en las variables originales.
Componentes principales
- Desde una tabla de datos JMP ® abierta, seleccione Analizar > Métodos multivariados > Componentes principales .
- Seleccione variables continuas en Seleccionar columnas y haga clic en Y, Columnas (las variables continuas tienen triángulos azules).
- Haga clic en Aceptar.
De forma predeterminada, JMP muestra los valores propios y tres gráficos de resumen .
- Diagrama de Pareto de valores propios : el porcentaje y
porcentaje total acumulado de la variación explicada por cada componente principal.
- Gráfico de puntuación (centro): Diagrama de dispersión de los dos primeros componentes principales. Utilice las opciones de la parte inferior para seleccionar dos componentes que desee mostrar.
- Gráfica de cargas : Correlaciones entre las variables originales y los dos componentes principales seleccionados. (Nota: Las cargas factoriales no están rotadas).
Consejos:
- De forma predeterminada, el PCA se realiza en correlaciones.
- Haga clic en el triángulo rojo superior para cambiar el método de cálculo, ver resultados adicionales, guardar los componentes principales en la tabla de datos o ver información detallada asociada con los valores propios.
- También se puede acceder al análisis de componentes principales a través de la plataforma Scatterplot 3D o la plataforma Multivariate .
Socioeconomic.jmp (Help > Sample Data Folder)Socioeconomic.jmp (Ayuda > Carpeta de datos de muestra)
Interpretación:
Los dos primeros componentes principales representan el 93,4 % (57,5 + 35,9 = 93,4) de la variación total de los datos (véase el diagrama de Pareto). Estas cifras se muestran en los ejes de los gráficos de puntuación y carga.
• Todas las variables originales presentan una correlación positiva con el primer componente principal (véase el gráfico de cargas). La población total y el empleo total presentan una correlación positiva con el segundo componente principal, mientras que las demás variables presentan una correlación negativa con este último.
Visite Métodos multivariados > Componentes principales en la Ayuda de JMP para obtener más información.
