在多變量分析中，將維數減少為少數因子是捕獲大量變量之間變異性的最重要步驟。在 JMP ，我們有主要組件（PC）平台來進行連續變量的降維。但是，當我們有分類變量 ，我們不能使用PC平台進行降維。JMP 12中新的多重對應分析（MCA）平台將多個分類變量作為輸入變量，並尋求識別這些變量的級別之間的關聯。
社會科學中經常使用多重對應分析;它在法國和日本特別受歡迎。它可用於調查分析以識別問題協議。它還用於消費者研究，以確定產品的潛在市場。遺傳學中的微陣列研究也使用MCA來識別基因之間的潛在關係。
多重對應分析的例子
JMP中的Car Poll.jmp示例數據包含從汽車民意調查中收集的數據。數據包括有關被調查個人的方面，例如性別，婚姻狀況和年齡。數據還包括受訪者擁有的汽車方面，例如原產國，大小和類型。我們可能想探索性別，婚姻狀況，國家和汽車大小之間的關係，以確定消費者的偏好。
對應分析的一個關鍵部分是作為輸出的一部分產生的多維圖。該通信地圖允許您在空間軸上可視化類別之間的關係。換句話說，您可以在經驗派生的維度上查看哪些類別與其他類別接近。
來自汽車投票數據的對應分析圖顯示投影到兩個主軸上的四個變量的類別雲。從這個雲中，你可以看到美國人與大型車的大小有很強的聯繫，而日本人則與小型車的尺寸密切相關。此外，男性和單身人士與小型車型密切相關，女性和已婚人士與中型車型相關。該信息可用於市場研究以識別廣告的目標受眾。
一旦JMP 12在本月晚些時候上市，我希望您可以使用自己的分類變量探索新的MCA平台。我期待著您的反饋。
